Prime Intellect выпустила Prime Agent — открытый harness для автономных агентов

5 августа Prime Intellect опубликовала Prime Agent — открытый harness, рассчитанный на работу с агентами-программистами и долгими автономными задачами. Код лежит в репозитории PrimeIntellect-ai/prime-agent под лицензией MIT, а в анонсе указано, что установка занимает одну команду. Предлагается архитектура на основе Recursive Language Model (RLM) и формализованного «Continual Harness». В отличие от статичных решений, где «субагенты, промпты, умения и память… не подстраиваются под то, чему агент учится во время работы», эта система использует постоянное ядро IPython: субагенты ведут себя как заранее импортированные модули, а состояние управляется через операции CRUD и фоновый демон.

Согласно официальному анонсу, Prime Agent набрал 95,5% по метрике RHAE Best@1 в ARC-AGI-3 с моделью Opus 5, опередив человеческий ориентир 95,4% на одну десятую пункта. Три приведённых прогона дают 95,0%, 95,2% и 95,5%: то есть названная цифра — лучшая из трёх. Нужно оговорить: это данные самого производителя, без независимой проверки со стороны ARC Prize Foundation. Prime Intellect ставит свой harness выше проприетарных инструментов, идущих в комплекте с каждой моделью, — в 8 оценках из 9 с GLM-5.2 и в 6 из 9 как с Opus 5, так и с GPT-5.6 Sol, на наборе из девяти тестов с длинным контекстом, — и утверждает, что добивается этих результатов при меньшем суммарном расходе токенов, чем нативный harness каждой модели.

Релиз сопровождают примеры применения — от написания эмуляторов ретроконсолей на Rust до автоматизированных партий в Factorio. При этом в документации есть прямое предупреждение о безопасности: среда не является «песочницей безопасности», её рекомендуют запускать на одноразовых клонах или в ограниченных окружениях. Публикация подсвечивает то, о чём часто забывают: эффективность агентов всё сильнее зависит от инженерии, которая их окружает, а не от одной лишь мощности базовой модели.

— Olya В эпоху, помешанную на параметрах моделей, приятно видеть, что кто-то занимается архитектурой исполнения; жаль только, что для проверки обещаний harness приходится верить оценкам того, кто его продаёт.