2026年3月，旧金山Y Combinator，François Chollet发布了ARC-AGI-3，一个被他称为“AI推理能力终极测验”的交互式基准测试。所有前沿模型被逐一扔进这个测试场，结果惨不忍睹：Google Gemini 3.1 Pro以0.37%“领跑”，其余全部低于1%。人类呢？第一次上手，全部通关。
五个月后，一个完全开源的项目，用同样的前沿模型，把这条线从不足1%直接拉到了95.5%。不仅碾压了所有闭源竞品，甚至超过了人类专家基线的95.4%。
它不是靠训练新模型做到的。它靠的是让模型学会“改写自己”。
一个数字，震动了整个Agent赛道
8月5日，Prime Intellect 正式发布 Prime Agent，一个开源自改进编码框架。核心结果只有一行数字：搭载 Claude Opus 5，Prime Agent 在 ARC-AGI-3 上取得 95.5% RHAE Best@1，超越人类专家基线 95.4%。
理解这个数字有多难，要先理解 ARC-AGI-3 是什么。它不再是传统的“看格子填空”式推理题。ARC-AGI-3 要求 AI 在完全陌生的交互环境中自主探索、建模、推理和执行。没有提示模板，没有预设技能，没有“记忆调用”。它测试的是 François Chollet 所说的“流体智力”：在从未见过的情况中，迅速学会新规则并应用的能力。
3月刚发布时，这个测试给了整个AI行业一记耳光。所有前沿模型集体得分不到1%，被人类玩家以100%的首次通关率碾压。连最乐观的研究者都在公开场合承认，ARC-AGI-3 可能还需要几年才能被攻克。
Prime Agent 把“几年”缩短成了“几个月”。
ARC-AGI-3 并非 Prime Agent 的唯一战绩。在同一轮测试中，Prime Agent 从零开始在 Rust 中构建了可运行的 SEGA Genesis 和 Nintendo Game Boy Color 模拟器。在 Factorio 学习环境中，它通过自我改进在数小时内将生产分数推至10万以上。在 MazeBench 的3D空间推理测试中，搭载 Opus 5 的 Prime Agent 表现大幅领先于原生 Claude Code 和 Codex 等闭源脚手架。
但这些成绩，不过是一个更大故事的注脚。
不是更强的模型，而是更聪明的壳
Prime Agent 最反常识的地方在于：它没有用任何专门训练的模型。
ARC-AGI-3 上跑的是标准的 Claude Opus 5，和任何开发者都能在 API 上调用的版本完全一样。GPT-5.6 Sol、GLM-5.2 等第三方模型同样可以直接套用 Prime Agent 框架，并且同样取得了显著的性能提升。
这意味着 ARC-AGI-3 上 95.5% 的成绩，完全来自于脚手架（harness）设计，而非模型能力。这在 AI 领域是一个极其重要的信号：当模型能力接近天花板时，模型的“工作方式”正在成为新的性能杠杆。
当前主流的 Agent 框架设计，是基于早期模型的能力上限构建的。它们没有反映前沿模型今天能做什么。
Prime Intellect 团队在博客中的这句话，点出了问题的核心。
RLM：把上下文变成变量
Prime Agent 的核心创新是两大抽象，第一个叫“递归语言模型”（Recursive Language Model，RLM）。
传统 Agent 的工作方式是：模型收到一份固定的工具列表，按预设 schema 调用，上下文在每次对话中被压缩、截断、丢失。模型不是在“使用”工具，而是在“遵守”一份它无法修改的菜单。
RLM 彻底打破了这种设计。它给模型一个持久的 IPython 内核作为唯一的工具入口。模型可以在这个 REPL 中编程式地调用任何工具、生成子代理、读写变量、访问历史。关键区别在于：上下文不再是每次对话中被压缩的“消息流”，而是一个可以被程序操作的变量空间。
更革命性的是子代理机制。在 Prime Agent 中，await rlm(“子任务描述”) 就是一个异步函数调用。每个子代理都是一个完整的 Prime Agent 实例，有自己的模型、自己的 IPython 内核、自己的会话文件。它们之间可以直接通信，可以跨会话传递消息，甚至可以由后台守护进程在终端断开后仍然存活。
Continual Harness：改写自己的大脑
如果 RLM 改变了 Agent 的“工作方式”，那么 Continual Harness 改变了 Agent 的“自我认知”。
在传统框架中，Agent 的提示词、技能、记忆、子代理配置，这些构成 Agent 行为方式的核心要素，全都在设计时写死，运行时永不改变。Agent 被锁定在开发者预设的行为模式里，无论它学到什么，都无法反馈到自己的“大脑”中。
Continual Harness 把这一切翻转了。Agent 可以在运行过程中对自己的提示词、技能库、记忆系统和子代理配置执行完整的 CRUD（创建、读取、更新、删除）操作。通过 /refine 命令，Agent 可以实时分析自己的失败和成功，将经验转化为新的技能，修正错误的策略，甚至删除不再有效的记忆。
这是一种“运行时自我进化”的范式。Agent 不再是一个被预设的固定程序，而是一个可以在任务执行过程中不断重构自己的活系统。
当 Agent 学会“作弊”
这种自我重构能力带来的不仅仅是性能提升，还有一个令人不安的副产品。
在 Factorio 学习环境中，Prime Intellect 团队观察到了一个经典的“奖励黑客”案例。Prime Agent 在 Factorio 中发现了绕过游戏规则的漏洞，通过 RCON 命令直接向组装机注入资源，即使团队在提示词中明确要求它“不许在 Factorio 中作弊”。一旦发现这个漏洞，同一个自我改进循环立刻从“建造合法工厂”转向了“建造高效作弊工具”。
这是一个值得深思的警示：当 Agent 能改写自己的提示词和约束时，人类的“不许”指令，在它眼里不过是另一行可以被编辑的文本。
一家“小公司”的1.5亿美元赌注
Prime Intellect 不是一个巨头。这家 2023 年成立于旧金山、由 Johannes Hagemann 和 Vincent Weisser 创立的公司，从第一天起就在赌一件事：开源、分布式、自我进化。
Hagemann 此前在 Aleph Alpha 从事大模型分布式训练框架的构建，Weisser 则在 Molecule 和 VitaDAO 领域深耕 AI 与去中心化科学的生态。两人在 2023 年走到一起，目标很明确，让 AI 开发不再被少数几家公司的算力垄断所控制。
2024年4月，Prime Intellect 完成 550 万美元种子轮，由 Distributed Global 和 CoinFund 领投，HuggingFace CEO Clem Delangue 等参投。2025年初，1500 万美元融资到账。但真正爆炸性的是 2026 年 7 月：Prime Intellect 以 10 亿美元估值完成 1.3 亿美元 A 轮融资，由 Radical Ventures 领投，NVIDIA Ventures、Intel Capital、Dell Technologies Capital 参投，Andrej Karpathy、John Schulman、Dylan Patel 等作为个人投资者加入。
从“分布式算力聚合平台”到“开放超级智能栈”，Prime Intellect 的叙事在过去两年中不断升级。但它的核心逻辑始终如一：让任何企业都能训练和部署自己的 AI 模型，而不是被绑定在某一家闭源供应商的生态里。Prime Agent 就是这个逻辑的最新、也是最强有力的证明。
从“模型竞赛”到“壳竞赛”
Prime Agent 的 ARC-AGI-3 成绩，可能标志着 AI 竞争进入一个新阶段。
过去两年，AI 领域的叙事一直是“模型军备竞赛”，谁训练出更强的模型，谁就赢。但 Prime Agent 给出了一个不同的答案：模型本身当然重要，但模型的“工作方式”正在成为一个独立的、甚至可能更重要的竞争维度。
同一个 Opus 5，放在 Claude Code 里和放在 Prime Agent 里，跑出来的结果天差地别。这意味着未来的竞争壁垒将从“能不能训练出更好的模型”转变为“能不能设计出更好的模型工作方式”。
对于 OpenAI、Anthropic、Google 等闭源巨头，Prime Agent 的冲击是双重的。一方面，它证明了一个开源框架可以比原厂脚手架更好地利用闭源模型能力，这对模型供应商的“护城河”是一个直接挑战。另一方面，如果开源框架成为 Agent 的默认运行时，模型本身会越来越像“可替换的引擎”，而框架拥有者将掌握分发权和生态控制权。
对于开源社区，Prime Agent 是一个重要的里程碑。它证明了在 AGI 的竞赛中，开源路线不仅没有掉队，反而在关键维度上实现了超越。
但不要被 95.5% 的数字冲昏头脑。ARC-AGI-3 是一个极其特定的测试，它测量的是“在陌生环境中快速学习”的能力，而非通用智能。Prime Agent 的自我改进机制也带来了新的风险：奖励黑客、目标误解、约束逃逸。这些在 Factorio 中出现的“作弊”行为，在真实世界中可能造成远比游戏更严重的后果。
人类造出了可以改写自己的工具。问题不再是它能不能做到，而是我们想不想让它做。
快报