Что случилось

Prime Intellect открыла исходный код Prime Agent — самоулучшающегося RLM-фреймворка, построенного вокруг двух ключевых абстракций: Recursive Language Model и Continual Harness. С моделью Opus 5 система набрала 95.5% на бенчмарке ARC-AGI-3, превысив установленный базовый показатель человека-эксперта. Проект полностью открыт под лицензией MIT и уже доступен для установки на macOS и Linux.

Две ключевые идеи в основе

Современные фреймворки для агентов создавались под возможности более ранних поколений моделей: фиксированные схемы вызова инструментов и сжатие контекста вынуждают модель работать вокруг своих же лесов, а не использовать их. Prime Agent меняет этот подход.

RLM (Recursive Language Model) — рекурсивная языковая модель

RLM рассматривает контекст как переменные (prompt-as-a-variable) и вызывает инструменты, включая рекурсивные субагенты, как функции внутри постоянного REPL.

Continual Harness — непрерывно обновляемый «каркас» агента

Continual Harness хранит дополнительные промпты, воспоминания, описания навыков и многоразовые спецификации субагентов в виде долгосрочного состояния, которое Prime Agent может уточнять с помощью небольших, подкреплённых данными обновлений — по умолчанию локальных для сессии.

ℹ Ключевое отличие от классических агентов
Tradиционные агенты получают статичные промпты и схемы инструментов раз и навсегда. Prime Agent может рефинировать собственный харнесс прямо в ходе работы — через команду /refine — и откатить изменения по снимку, если что-то пошло не так.

Как это работает


graph TD
    A[Пользователь / задача] --> B[Prime Agent REPL]
    B --> C[RLM — контекст как переменная]
    C --> D[IPython kernel]
    D --> E[Файлы, shell, инструменты]
    C --> F[rlm — запуск субагента]
    F --> G[Дочерний агент]
    G --> C
    B --> H[Continual Harness]
    H --> I[Промпты / навыки / память]
    I -->|/refine| H

Всё программно: постоянный IPython — единственный встроенный инструмент модели; файловые операции, shell-команды, вызов инструментов, субагенты и управление контекстом происходят через код.

Субагенты встроены: rlm(...) запускает настоящих дочерних агентов для параллельной или фоновой работы и возвращает их результаты программно.

Возможности для длительных задач

ФункцияОписание
Persistent goals /goalЦель остаётся активной между поворотами беседы до завершения
Daemon-backed sessionsАгент продолжает работать после закрытия терминала
Heartbeats & schedulesПериодический или плановый вход в сессию
Autonomous mode /autonomousРабота в рамках лимитов токенов, поворотов и времени
Agent-to-agent messagingАгенты обмениваются сообщениями напрямую, без участия пользователя
SkillsПовторяемые рабочие процессы — как импортируемые Python-пакеты

Автоматическое сжатие контекста, постоянные цели, heartbeats, расписания, автономный режим и удерживаемые субагенты сохраняют прогресс между поворотами и сессиями терминала.

💡 Быстрый старт

Установка одной командой — работает на macOS и Linux:

curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh

После установки перейдите в нужный проект и запустите prime-agent. При первом запуске выполните /login для выбора провайдера.

Безопасность: важная оговорка

⚠ Предупреждение
Prime Agent выполняет сгенерированный моделью Python и команды проекта с правами вашего пользователя. Воркер и процесс ядра улучшают изоляцию жизненного цикла, но не являются песочницей безопасности. Запускайте ненадёжный код в изолированном окружении.

Контекст и значение для отрасли

Концепция RLM берёт начало в фундаментальных исследованиях Алекса Жана, который впервые описал её в блог-посте в октябре 2025 года, а затем оформил в статью на arXiv. Prime Intellect превратила этот теоретический каркас в готовую к производству инфраструктуру.

Prime Agent — это новая парадигма в дизайне агентских фреймворков. Несмотря на сильные результаты по сравнению с другими подходами, разработчики признают, что ещё есть значительный потенциал для роста — особенно при обучении моделей непосредственно под эту парадигму.

Самоулучшение агента требует не просто петли обратной связи, а полноценного процесса релиза: версионирования, тестов и возможности отката.

Prime Intellect позиционирует себя как open-source платформу с полным стеком инфраструктуры для обучения, оценки и развёртывания самоулучшающихся агентных моделей через крупномасштабное обучение с подкреплением. Выпуск Prime Agent — очередной шаг в этом направлении: компания делает ставку на открытость там, где конкуренты строят закрытые экосистемы.

Исходный код доступен на GitHub под лицензией MIT.