Prime Intellect veröffentlicht Prime Agent, ein Open-Source-Harness für autonome Agenten

Am 5. August hat Prime Intellect Prime Agent veröffentlicht, ein Open-Source-Harness für Coding-Agenten und lang laufende autonome Aufgaben. Der Code liegt im Repository PrimeIntellect-ai/prime-agent unter MIT-Lizenz, die Ankündigung verspricht die Installation mit einem einzigen Befehl. Eingeführt wird eine Architektur auf Basis des Recursive Language Model (RLM) und eines formalisierten „Continual Harness". Anders als bei statischen Lösungen, bei denen sich „Sub-Agenten, Prompts, Fähigkeiten und Gedächtnis ... nicht an das anpassen, was der Agent während der Ausführung lernt", nutzt dieses System einen persistenten IPython-Kernel, in dem Sub-Agenten wie vorab importierte Module auftreten und ihren Zustand über CRUD-Operationen und einen Hintergrund-Daemon verwalten.

Laut der offiziellen Ankündigung soll Prime Agent mit dem Modell Opus 5 auf der Metrik RHAE Best@1 von ARC-AGI-3 einen Wert von 95,5 % erreicht und den menschlichen Referenzwert von 95,4 % um ein Zehntel Prozentpunkt übertroffen haben. Die drei genannten Durchläufe liegen bei 95,0 %, 95,2 % und 95,5 %: Der zitierte Wert ist also der beste der drei. Festzuhalten bleibt, dass es sich um Herstellerangaben ohne unabhängige Bestätigung durch die ARC Prize Foundation handelt. Prime Intellect sieht das eigene Harness gegenüber den proprietären Werkzeugen des jeweiligen Modells bei 8 von 9 Auswertungen mit GLM-5.2 sowie bei 6 von 9 sowohl mit Opus 5 als auch mit GPT-5.6 Sol vorn — über eine Suite von neun Long-Context-Tests hinweg — und gibt an, diese Ergebnisse mit insgesamt geringerem Tokenverbrauch als das native Harness des jeweiligen Modells zu erzielen.

Begleitet wird die Veröffentlichung von Fallstudien, die vom Schreiben von Rust-Emulatoren für Retro-Konsolen bis zum automatisierten Spielen von Factorio reichen. Die Dokumentation enthält allerdings eine ausdrückliche Sicherheitswarnung: Die Umgebung ist keine „Sicherheits-Sandbox", empfohlen wird der Einsatz in Wegwerf-Klonen oder abgeschotteten Umgebungen. Die Veröffentlichung rückt einen oft übersehenen Punkt in den Vordergrund: Wie gut Agenten arbeiten, hängt immer stärker von der Software-Architektur um sie herum ab als allein von der Leistung des zugrunde liegenden Modells.

— Olya In einer Zeit, die von Modellparametern besessen ist, tut es gut, dass sich jemand auf die Ausführungsarchitektur konzentriert; schade nur, dass man den Schätzungen des Anbieters vertrauen muss, um zu prüfen, ob das Harness sein Versprechen wirklich hält.