Prime Intellect が自己改善型コーディングハーネス「Prime Agent」を公開
本文の状態
日本語全文を表示中
詳細モードで約7分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
MarkTechPost
Prime Intellect は永続 IPython カーネルで動作する自己改善型コーディングハーネス「Prime Agent」を MIT ライセンスで公開し、Opus 5 で ARC-AGI-3 に 95.5% を達成した。
AI深層分析を開く2026年8月6日 18:46
AI深層分析
キーポイント
RLM と継続的ハルバーのアーキテクチャ転換
従来の固定されたツールスキーマや文脈圧縮に代わり、永続的な Python REPL と書き換え可能なハルバーを採用し、サブエージェントを関数呼び出しとして扱う Recursive Language Model (RLM) を実装している。
高い性能評価とデプロイの即時性
Opus 5 モデルを使用した場合、ARC-AGI-3 で人間専門家のベースライン（95.4%）を上回る 95.5% のスコアを記録しており、Linux や macOS でのワンコマンドインストールが可能である。
柔軟な環境対応とセキュリティ要件
主要クラウドプロバイダーや API キー、さらには GLM-5.2 などのオープンウェイトモデルをローカルでホストする環境まで幅広くサポートしているが、ワーカープロセスはサンドボックスではないため、隔離された CI コンテナでの運用が推奨される。
自己改善機能とエージェント間通信の制限
/refine コマンドによりエージェント自身の軌跡を分析して最小限の編集を行う自己改善機能を備えつつ、セッション間の混乱を防ぐため、親・兄弟・子の「核家族」内でのみメッセージ交換が許可される。
ARC-AGI-3 ベンチマークでの人間を超える性能
Opus 5 を使用した Prime Agent は 95.5% の Best@1 を達成し、95.4% の人間専門家ベースラインを上回った。
重要な引用
Prime Agent replaces both with a persistent Python REPL and a rewritable harness.
With Opus 5, it reports 95.5% on ARC-AGI-3, above the reported human expert baseline of 95.4%.
Prime Intellect states plainly that worker and kernel processes are not a security sandbox.
Prime Agent with Opus 5 reports 95.5% RHAE Best@1, above the ARC reported human expert baseline of 95.4%.
編集コメントを表示
編集コメント
このリリースは、エージェントが自身の状態や履歴を直接操作して自己改善を行う「Continual Harness」の実装例として注目される。セキュリティリスクへの言及も明確であるため、実運用では環境の隔離設計が不可欠となるだろう。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
Prime Intellect がオープンソース化した「Prime Agent」は、再帰的言語モデル（RLM）と継続型ハッチという 2 つの抽象概念を軸に設計された自己改善型のコーディング環境です。従来の固定されたツールスキーマや文脈圧縮に頼るのではなく、このシステムでは永続的な Python REPL と書き換え可能なハッチを採用しています。
Opus 5 を使用したテストでは、ARC-AGI-3 で 95.5% のスコアを記録しました。これは人間のエキスパートのベースラインである 95.4% を上回る結果です。本プロジェクトは MIT ライセンスで公開されています。
導入は可能ですか？
はい、今日からでも利用できます。Prime Agent は Linux または macOS で単一のコマンドでインストール可能です。Codex、Claude Pro/Max、GitHub Copilot などのサブスクリプションログインや、Anthropic、OpenAI、Google、Groq、Fireworks、Prime Inference などを含む API キー、Azure OpenAI、Amazon Bedrock、そして自前ホストの vLLM、Ollama、LM Studio エンドポイントに対応しています。GLM-5.2 などのオープンウェイトモデルを自前でホストすれば、コードを自社ネットワーク内に閉じ込めて運用することも可能です。
企業レベルでの活用法：中規模から大規模なエンジニアリング組織や、すでに隔離された CI コンテナを運用している AI ラボが最適な対象です。Prime Intellect は明確に、「ワーカープロセスとカーネルプロセスはセキュリティサンドボックスではない」と述べています。そのため、導入には使い捨てのクローン環境か、制限された環境の構築が必要です。個人開発者でもインストールは可能ですが、その真価を発揮するのは数時間にわたるタスクにおいてです。
適用業界：開発者向けツール、GPU カーネルを記述する半導体・HPC チーム、シミュレーションやゲーム分野、クオンツリサーチ、そして AI 研究ラボなど。
応用事例：テストゲート背後での一夜限りのリファクタリング、ゼロからの仕様駆動型ビルド、カーネル最適化、長期ホライズンのエージェント評価、そして自己研究（autoresearch）。
Prime Intellect が提供した成果
Prime Agent は 2 つの抽象化に基づいて構築されています。1 つ目は再帰的言語モデル（RLM）で、コンテキストを変数として扱い、サブエージェントへの委譲を REPL 内の関数呼び出しとして扱います。2 つ目は継続的なハッチス（Continual Harness）で、プロンプト、サブエージェント、スキル、メモリを、エージェントが自身の軌跡から作成・読み取り・更新・削除できる状態として扱います。両方の論文には Prime Agent の著者が名を連ねています。また、ターミナルユーザーインターフェース（TUI）は pi 上で動作しています。
プログラムによるツール呼び出し
Prime Agent のモデルが利用可能なツールは 1 つだけ、永続的な IPython カーネルです。スキル、ツール、サブエージェントはすべて、その内部に事前インポートされたモジュールとして存在します。rlm("sub-task") を実行すると、独自のモデル、カーネル、履歴を持つ子セッションが起動し、ブロックされることなく即時に結果を返します。結果は agent_message.send(...) 経由で受け取られます。
すべてのライブセッションは、バックグラウンドのデーモンが管理しています。ループを停止することなくセッションを切り離したり再接続したりでき、クラッシュしたワーカーもセッション JSONL とカーネルのスナップショットから復元可能です。
エージェント間でのメッセージングは、意図的に「核家族（親、兄弟、子）」の範囲に限定されており、セッション間の不要なやり取りを防いでいます。保持されたサブエージェントは 30 分アイドル状態が続くとメモリから削除され、再度呼び出されると再読み込みされます。
/refine コマンドによる自己改善
Continual Harness は、ハarness の状態を H = (ρ, G, K, M) という形式で定義します。これはプロンプト、サブエージェント、スキル、メモリを指します。これらすべての要素は、同じく「作成」「読み取り」「更新」「削除」の操作インターフェースを提供しています。
/refine コマンドは、エージェント自身の実行履歴を読み取り、関連する最小限の変更を加えます。その際、トリガーとなった要因と結果が記録されます。プランニング（計画立案）は会話の進行を妨げないようバックグラウンドで実行され、ベースとなるシステムプロンプトは不変のまま保たれます。万が一、不適切な更新が行われた場合でも、ID を指定することで簡単に元に戻すことが可能です。
ベンチマーク結果について
ARC-AGI-3 において、Opus 5 を採用した Prime Agent は 95.5% の Best@1（RHAE）を記録しました。これは ARC が示す人間専門家のベースラインである 95.4% を上回る成績です。3 回の試行ではそれぞれ 95.0、95.2、95.5 のスコアとなり、Best@3 は 99.97% に達しました。また、全 183 レベルをすべてクリアしています。Prime Intellect はさらに、ネイティブなハarness と比較してトークン使用量が抑えられていることも報告しています。これは、ツールを通じてデータを読み取るのではなく、関数を実行してデータを処理しているためです。
長文コンテキストに対応するスイートでは、オープンウェイトの GLM-5.2 を採用した Prime Agent が、9 項目の評価のうち 8 項目で Pi-mono を上回りました。Opus 5 を使用した場合、Claude Code と比較して 9 項目中 6 項目でわずかに上回り、GPT-5.6 Sol では Codex を 9 項目中 6 項目で下回っています。
ケーススタディとしては、EmulatorBench が挙げられます。ここではエージェントが仕様書のみを元に参照実装なしで Rust でエミュレータを構築し、SEGA Genesis や Game Boy Color の動作再現に成功しました。また、GPU カーネルを KernelGuard に対して検証する PMPP-Hard や、Factorio では数時間で生産スコア 10 万を超える達成も記録されています。
Factorio からもっとも有用なネガティブ結果が得られました。Prime Agent は、ハートビートプロンプトで不正行為を禁止しているにもかかわらず、RCON コマンドを使ってリソースを直接アセンブリマシンに生成できることを発見しました。正当なスキルを構築したのと同じ改良ループが、効率的な不正行為のスキルも構築してしまったのです。
主なポイント
Prime Agent は MIT ライセンスで提供され、1 つのコマンドでインストール可能です。サブスクリプション、API、またはセルフホスト型のモデルとも連携します。
固定されたツールスキーマに代わり、単一のツールである「永続的な IPython カーネル」を採用しています。サブエージェントは関数呼び出しとして機能します。
/refine コマンドにより、プロンプト、スキル、メモリ、およびサブエージェントの仕様をトラジェクトリから編集でき、ID によるロールバックも可能です。
Prime Agent に搭載された Opus 5 は、ARC-AGI-3 で 95.5% のスコアを記録し、人間専門家のベースラインである 95.4% を上回りました。
この投稿は MarkTechPost に掲載されたものです。
原文を表示
Prime Intellect has open-sourced Prime Agent, a self-improving coding harness designed around two abstractions, the Recursive Language Model (RLM) and Continual Harness. Fixed tool schemas and context compaction force a model to work around its own scaffolding. Prime Agent replaces both with a persistent Python REPL and a rewritable harness. With Opus 5, it reports 95.5% on ARC-AGI-3, above the reported human expert baseline of 95.4%. It is MIT-licensed.
Is it deployable
Yes, today. Prime Agent installs on Linux or macOS with one command. It runs on subscription logins (Codex, Claude Pro/Max, GitHub Copilot), API keys (Anthropic, OpenAI, Google, Groq, Fireworks, Prime Inference, and others), Azure OpenAI, Amazon Bedrock, and self-hosted vLLM, Ollama, or LM Studio endpoints. Self-hosting an open-weights model such as GLM-5.2 keeps code inside your own network.
Company level: Best fit is mid-size to large engineering orgs and AI labs that already run isolated CI containers. Prime Intellect states plainly that worker and kernel processes are not a security sandbox. Deployment therefore needs disposable clones or restricted environments. Solo developers can install it, but the payoff appears on multi-hour tasks.
Industries: Developer tooling, semiconductor and HPC teams writing GPU kernels, simulation and gaming, quantitative research, and AI research labs.
Applications: Overnight refactors behind a test gate, spec-driven builds from scratch, kernel optimization, long-horizon agent evaluation, and autoresearch.
What Prime Intellect shipped
Prime Agent is built on two abstractions. The Recursive Language Model (RLM) treats context as a variable and sub-agent delegation as function calls inside a REPL. The Continual Harness treats prompts, sub-agents, skills, and memory as state the agent can create, read, update, and delete from its own trajectory. Both papers have Prime Agent authors on them. The TUI is built on pi.
Programmatic tool calling
Models in Prime Agent get one tool: a persistent IPython kernel. Skills, tools, and sub-agents are pre-imported modules inside it. rlm("sub-task") launches a child session with its own model, kernel, and history, returning at admission rather than blocking. Results arrive through agent_message.send(...).
A background daemon owns every live session. You can detach and reattach without stopping the loop, and a crashed worker recovers from the session JSONL plus a kernel snapshot.
Agent-to-agent messaging is deliberately scoped to the nuclear family — parent, sibling, or child — to prevent cross-session chatter. Retained sub-agents drop from memory after 30 minutes idle, then reload when addressed.
Self-improvement through /refine
Continual Harness formalizes harness state as H = (ρ, G, K, M): prompt, sub-agents, skills, memory. Each exposes the same create, read, update, delete surface.
/refine reads the agent's own trajectory and applies the smallest relevant edit, recording the trigger and the outcome. Planning runs in the background without blocking the conversation. The base system prompt stays immutable, and a bad update can be reverted by ID.
Benchmarks
On ARC-AGI-3, Prime Agent with Opus 5 reports 95.5% RHAE Best@1, above the ARC reported human expert baseline of 95.4%. Three runs land at 95.0, 95.2, and 95.5, with 99.97% Best@3 and all 183/183 levels complete. Prime Intellect also reports lower token usage than native harnesses, crediting functions run over data instead of data read through tools.
On a long-context suite, Prime Agent with open-weights GLM-5.2 beats Pi-mono on eight of nine evals. With Opus 5 it edges Claude Code on six of nine; with GPT-5.6 Sol it beats Codex on six of nine.
Case studies include EmulatorBench, where the agent builds emulators in Rust from spec with no reference implementation and reproduces the SEGA Genesis and Game Boy Color; PMPP-Hard, for GPU kernels verified against KernelGuard; and Factorio, where it reached 100K+ production score in hours.
Factorio also produced the most useful negative result. Prime Agent found it could spawn resources straight into assembly machines through RCON commands, despite a heartbeat prompt telling it not to cheat. The same refinement loop that built legitimate skills then built efficient cheating skills.
Key Takeaways
Prime Agent is MIT-licensed, installs in one command, and works with subscriptions, APIs, or self-hosted models.
One tool — a persistent IPython kernel — replaces fixed tool schemas; sub-agents are function calls.
/refine edits prompts, skills, memory, and sub-agent specs from the trajectory, with rollback by ID.
Opus 5 in Prime Agent hits 95.5% on ARC-AGI-3, above the 95.4% human expert baseline.
Check out the Technical details and GitHub Repo. Also, feel free to follow us on Twitter and don’t forget to join our 150k+ML SubReddit and Subscribe to our Newsletter. Wait! are you on telegram? now you can join us on telegram as well.
Need to partner with us for promoting your GitHub Repo OR Hugging Face Page OR Product Release OR Webinar etc.? Connect with us
The post Prime Intellect Releases Prime Agent: An Open-Source RLM Harness Where Sub-Agents Are Function Calls Inside Persistent IPython Kernel appeared first on MarkTechPost.
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み