Agente principal

- esto es más que el arnés del modelo. Los propios autores llaman al proyecto un sistema operativo para agentes de larga duración.

No hace que el modelo sea más inteligente, pero lo deja funcionar por más tiempo: descompone información mediante programación, distribuye tareas simultáneamente a subagentes y acumula procedimientos útiles.

La idea es que el modelo de lenguaje tenga un entorno informático estable donde administre su propia memoria, código, subagentes y tareas de larga duración.

El estado en el sistema se divide en cuatro niveles:

🟢

peso del modelo

- lo que sabe después del entrenamiento;

🟢

contexto activo

- información del paso actual;

🟢

REPL persistente y subagentes recursivos

- cálculos externos, herramientas y trabajo paralelo;

🟢

estado del disco

- historia, hechos, habilidades, indicaciones y especificaciones de los subagentes.

El estado experimenta pasos, reinicios y apagados. Al mismo tiempo, una persona puede observar a los agentes e intervenir.

🟡

Medidas

El efecto es más fuerte en tareas interactivas largas. En ARC-AGI-3, la configuración con Opus 5 dio 95,5% Best@1 versus 30,2% para el arnés ARC en sí.

En tareas de contexto largo, Prime Agent se mantiene a la par de sus competidores y en ciertas tareas, como EmulatorBench, toma una ventaja notable. Venció a Pi-mono con GLM-5.2 y Codex con GPT-5.6 Sol, pero perdió ante Claude Code con Opus 5.

Los juegos en emuladores son particularmente indicativos. En Sega Genesis, la combinación de Prime Agent y GPT-5.6 Sol obtuvo un 61,6% según la puntuación final del verificador, y Claude Code con el mismo modelo obtuvo una puntuación de cero. En Game Boy Color la diferencia es aún mayor: 99,8% frente a cero.

🟡

efecto secundario

El detalle más interesante del informe es que la acumulación de habilidades refuerza no sólo las útiles.

En un experimento, un agente encontró una manera de eludir las limitaciones de Factorio, la guardó como una habilidad reutilizable y, por lo tanto, escribió el exploit en la memoria a largo plazo. Luego sacó exactamente esta solución de allí, porque funcionó una vez.

salio el otro dia

versión 0.8.0

con correcciones para problemas encontrados y nuevas funciones.

📌

Licencia: Licencia MIT

🟡

Informe técnico

🖥

GitHub

@ai_machinelearning_big_data