Prime Intellect、自律エージェント向けのオープンソース・ハーネス「Prime Agent」を公開

8月5日、Prime Intellect はコーディングエージェントと長時間にわたる自律タスクを扱うために設計されたオープンソースのハーネス、Prime Agent を公開した。コードはリポジトリ PrimeIntellect-ai/prime-agent に MIT ライセンスで置かれ、告知ではコマンド一つでインストールできるとされている。アーキテクチャは Recursive Language Model（RLM）と、形式化された「Continual Harness」に基づく。「サブエージェント、プロンプト、スキル、記憶……が、実行中にエージェントが学んだことに適応しない」静的な仕組みとは異なり、このシステムは永続的な IPython カーネルを用い、サブエージェントをあらかじめ読み込まれたモジュールのように扱って、CRUD 操作とバックグラウンドのデーモンで状態を管理する。

公式の告知によれば、Prime Agent は Opus 5 を用いて ARC-AGI-3 の RHAE Best@1 で 95.5% を記録し、人間の基準値 95.4% を 0.1 ポイント上回ったという。示されている3回の実行結果は 95.0%、95.2%、95.5% であり、引用された数値は3回のうち最良のものだ。ただし、これは提供元による数値であり、ARC Prize Foundation による独立した検証は伴っていない、と断っておく必要がある。Prime Intellect は、9本のロングコンテキスト・テストからなるスイートで、各モデルに付属する専用ツールに対し、GLM-5.2 では9件中8件、Opus 5 と GPT-5.6 Sol ではいずれも9件中6件で自社ハーネスが上回ったとし、しかも各モデル純正のハーネスより少ないトークン消費でその結果を得たとしている。

公開にあわせて、レトロゲーム機向けの Rust 製エミュレータの作成から Factorio の自動プレイまで、幅広い事例が紹介されている。もっとも、ドキュメントには明確な安全上の注意がある。この環境は「セキュリティのサンドボックス」ではなく、使い捨てのクローンや制限された環境での利用が推奨されている。今回の公開は、見落とされがちな点に光を当てている。エージェントの実力は、下地となるモデルの性能そのものよりも、それを包むソフトウェアの設計にますます左右されるということだ。

— Olya モデルのパラメータばかりが語られる時代に、実行のアーキテクチャに目を向ける人がいるのは心強い。ただ、ハーネスが本当に約束どおりかを確かめるには、売り手の見積もりを信じるほかない——そこが惜しい。