Prime Agent: что это за самообучающийся ИИ-агент от Prime Intellect и как он работает

Prime Agent — открытый (MIT) самообучающийся кодинг-агент от компании Prime Intellect, построенный вокруг двух идей: Recursive Language Model (RLM) и Continual Harness. Он умеет писать и запускать код, порождать суб-агентов и на ходу переписывать собственные инструкции — без участия человека. Официальный репозиторий агента доступен на GitHub (PrimeIntellect-ai/prime-agent).

Главная сенсация релиза: в связке с моделью Opus 5 Prime Agent набрал 95.5% на бенчмарке ARC-AGI-3, впервые обойдя заявленный экспертный человеческий baseline (95.4%). Ниже — как устроена архитектура, как запустить агента за одну команду и чем он принципиально отличается от привычных кодинг-агентов.

Что такое Prime Agent простыми словами

Определение и назначение

Prime Agent — это open-source «harness» (обвязка) для ИИ-агента, разработанный компанией Prime Intellect. Инструмент позволяет языковой модели самостоятельно писать код, тестировать его, учиться на результатах и модифицировать собственное поведение. Агент от Prime Intellect позиционируется как универсальный кодинг-ассистент, среда для долгих автономных задач (evaluations в исследованиях) и помощник для research и autoresearch. Релиз состоялся 5 августа 2026 года согласно официальному блогу Prime Intellect.

Три основных сценария применения:

• автономная работа над сложными инженерными задачами и рефакторингом
• многошаговые исследовательские пайплайны с порождением суб-агентов
• долгосрочные scheduled-задачи с периодическим входом в сессию

Почему это «новое поколение» харнессов

Prime Intellect утверждает, что прежние харнессы строились под возможности старых моделей — фиксированные схемы вызова инструментов и принудительная компакция контекста заставляли модель «обходить» собственный каркас. ИИ-агент Prime Agent решает эту проблему иначе: вместо ограничений — он отдаёт каркас модели в управление как обычный код. Модель сама решает, как управлять историей, как вызывать инструменты и когда порождать суб-агентов.

Как устроен Recursive Language Model (RLM)

Контекст как переменная (prompt-as-a-variable)

RLM — это не отдельная языковая модель, а архитектурный подход. Он трактует контекст как переменную, а вызов суб-агентов и инструментов — как вызовы функций внутри персистентного REPL. Модель получает программный доступ к своей истории, инструментам и суб-агентам и буквально пишет «программы над собственным контекстом».

За счёт этого сессия может быть сколь угодно длинной без потери доступа к прошлым данным: они лежат в переменных Python-окружения, а не в токенах контекстного окна. Это принципиальное отличие от классических агентных систем, которые теряют информацию при переполнении контекста.

Персистентный IPython kernel как единственный инструмент

В основе RLM-харнесса — один персистентный IPython kernel (REPL), к которому модель обращается на каждом ходу. При инициализации все скиллы и инструменты преимпортированы как Python-модули. Файловые операции, shell-команды, вызовы внешних API, суб-агенты и управление контекстом — всё происходит через написанный моделью код.

Такой дизайн убирает промежуточный слой фиксированных tool-схем (JSON-определений инструментов) и передаёт модели полный контроль над тем, как именно вызывать те или иные возможности.

Классический агент-харнесс	RLM-харнесс (Prime Agent)
Инструменты: фиксированные JSON-схемы	Инструменты: Python-функции в REPL
Контекст: обрезается при переполнении	Контекст: хранится в переменных
Суб-агенты: через API-оркестратор	Суб-агенты: через await rlm(...)
Скиллы: статичные системные промпты	Скиллы: импортируемые Python-пакеты
Поведение: неизменно в ходе сессии	Поведение: самомодифицируемо через /refine

Continual Harness и команда /refine: как агент учится сам

Continual Harness — второй ключевой компонент архитектуры. Если RLM отвечает за то, как агент взаимодействует с инструментами, то Continual Harness отвечает за то, как агент обновляет собственное «я» в ходе работы.

Состояние харнесса как редактируемая память

Собственное состояние агента — промпты, скиллы, память, спецификации суб-агентов — является объектом, который кодинг-агент Prime Agent может создавать, читать, обновлять и удалять (полный CRUD) прямо из своей рабочей траектории. Технически состояние харнесса описывается формулой H = (ρ, G, K, M): системный промпт (ρ), спецификации суб-агентов (G), скиллы (K) и память (M). Обновления по умолчанию локальны для текущей сессии.

Миссия Prime Intellect — «open superintelligence stack»: дать компаниям возможность обучать, разворачивать и непрерывно улучшать собственных агентов, не завися от нескольких закрытых лабораторий. — Prime Intellect, официальный сайт

Что делает /refine

Команда /refine анализирует текущую траекторию и вносит небольшие, «подкреплённые доказательствами» правки в дополнительное состояние харнесса. Базовый системный промпт при этом остаётся неизменным — это защита от деградации поведения. Каждое обновление получает собственный ID, по которому можно откатить изменение, если результат оказался хуже ожидаемого.

Скиллы в этой схеме — обычные импортируемые Python-пакеты. Встроенный skill-creator автоматически превращает повторяющиеся сценарии из истории сессии в переиспользуемые модули, которые агент сможет вызывать в следующих задачах.

Суб-агенты и общение между агентами (Agent2Agent)

Одна из самых необычных возможностей самообучающегося RLM-агента — нативная поддержка иерархии агентов с двусторонним общением.

Как порождаются суб-агенты через rlm()

Вызов await rlm("sub-task") запускает полноценную дочернюю сессию: со своей языковой моделью, своим IPython kernel и отдельной историей. При этом вызов не блокирующий — управление возвращается сразу, и родительский агент может продолжать работу. Дальнейшее общение идёт через инструмент agent_message.send(...). Это позволяет:

• параллельно (fan-out) распределять независимые подзадачи
• запускать долгосрочные фоновые процессы
• собирать результаты по готовности

Agents View и жизненный цикл сессий

Суб-агенты живут в той же машине состояний, что и корневые агенты: Running — Idle — Inactive. После 30 минут простоя суб-агент выгружается из оперативной памяти и мгновенно перезагружается с диска при следующем обращении.

Agents View — центральная панель навигации по дереву сессий. Агенты могут находить друг друга, обмениваться сообщениями и управлять чужой работой напрямую — без маршрутизации через пользователя. Такая схема делает open-source агент Prime Agent по-настоящему multi-agent: не просто цепочка вызовов, а дерево параллельно работающих сессий.

Результаты Prime Agent на ARC-AGI-3 и других бенчмарках

Что такое ARC-AGI-3 и почему это важно

ARC-AGI-3 — один из наиболее требовательных современных бенчмарков на способность к общему рассуждению и решению принципиально новых задач, разработанный командой ARC Prize Foundation. Он специально создан так, чтобы простое запоминание паттернов не давало преимущества. Ключевой результат Prime Agent: с моделью Opus 5 агент набрал 95.5% RHAE Best@1 — впервые превысив заявленный экспертный человеческий baseline (95.4%).

Метрика	Результат
RHAE Best@1 (с Opus 5)	95.5%
Human expert baseline	95.4%
Best@3	99.97%
Уровней пройдено	183 из 183

Работа с открытыми моделями

Prime Agent рассчитан не только на закрытые frontier-модели. В девяти long-context тестах open-weights модель GLM-5.2 обошла Pi-mono в восьми случаях из девяти. Это аргумент в пользу того, что RLM-харнесс усиливает и открытые модели — не только мощные проприетарные. Выбор модели определяет потолок производительности, но архитектура Continual Harness работает независимо от провайдера.

Как установить и запустить Prime Agent

Ниже — пошаговая инструкция для первого запуска на macOS или Linux.

1. Откройте терминал и перейдите в папку проекта, с которым будете работать.
2. Выполните установку одной командой: curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh
3. Установщик скачивает версионированный релиз, автоматически проверяет SHA-256 и добавляет команду prime-agent в PATH.
4. Запустите агента командой prime-agent из нужной папки проекта.
5. При первом старте введите /login — агент предложит выбрать провайдера модели (подписку или API-ключ).
6. Убедитесь в корректной установке командой prime-agent doctor, которая проверяет зависимости и соединение.
7. Для фоновой работы используйте prime-agent agents (список сессий), prime-agent attach (вход в сессию), prime-agent status и prime-agent resume.

Полная документация по командам и флагам доступна в README репозитория.

Важное предупреждение о безопасности

Prime Agent исполняет сгенерированный моделью Python-код и команды проекта с правами вашего текущего пользователя. Worker и kernel улучшают изоляцию и восстановление после сбоев, но это не security-песочница: недоверенный код или инструкции следует запускать в отдельной изолированной среде, использовать чистый клон репозитория или git worktree.

Долгие автономные задачи: daemon, goals, heartbeats

Непрерывность через фоновый демон

Prime Agent запускает фоновый daemon, который владеет всеми живыми сессиями через локальный сокет. Это означает: можно закрыть терминал и вернуться позже — агент продолжает работу. Если worker-процесс падает, daemon автоматически восстанавливает его из JSONL-лога сессии и снимка состояния kernel. Вся история сессии хранится как append-only JSONL и доступна для просмотра через команду /tree.

Goals, heartbeats и автономный режим

Для многочасовой работы без участия пользователя есть специализированные инструменты:

• /goal — держит активную цель и прогресс между ходами, не теряя контекст при длинных сессиях
• /heartbeat — периодическая самопроверка агента: жива ли цель, нет ли блокировки
• prime-agent schedule — запуск сессии по расписанию или с задержкой
• /autonomous — полностью автономный режим с явными бюджетами: число ходов, число токенов, время работы, а также пользовательские quality-gates

Важный нюанс: пройденный quality-gate проверяет только то, что в нём описано — достижение лимита бюджета само по себе не означает успешного выполнения задачи.

Лицензия, стоимость и поддерживаемые модели

Полностью open-source. Prime Agent распространяется под лицензией MIT, исходный код полностью открыт. Использование бесплатно — вы платите только за токены своих API-ключей или используете существующую подписку провайдера модели.

TUI-интерфейс построен поверх проекта pi (earendil-works). Совместимые провайдеры и модели:

Тип	Примеры
Закрытые API	Anthropic (Claude Pro/Max), OpenAI (Codex), Google, GitHub Copilot
Облачные инфраструктуры	Groq, Fireworks, Azure OpenAI, Amazon Bedrock
Локальные раннеры	vLLM, Ollama, LM Studio

Кто такие Prime Intellect и зачем им это

Компания и финансирование

Prime Intellect основана в 2024 году с фокусом на открытые инструменты для обучения и деплоя ИИ-агентов. В июле 2026 компания закрыла раунд Series A на $130 млн при оценке $1 млрд, доведя суммарное привлечение до более чем $150 млн. Подробности раунда раскрыты в официальном пресс-релизе на сайте Prime Intellect.

Лид-инвестором выступил Radical Ventures; среди участников раунда — NVIDIA Ventures, Intel Capital, Dell Technologies Capital и Iconiq. Ангелы-инвесторы: Aravind Srinivas (Perplexity), Aaron Levie (Box), Winston Weinberg (Harvey), Jeff Wang (Cognition) и Brendan Foody (Mercor).

«Open superintelligence stack»

Миссия Prime Intellect — дать компаниям возможность обучать, разворачивать и непрерывно улучшать собственных агентов без зависимости от закрытых лабораторий. Для этого компания собирает единый стек из:

• облачного compute для обучения моделей
• RL-окружений (библиотека Verifiers, PRIME-RL, 2 500+ community environments)
• инструментов оценки и деплоя

Prime Agent — первое крупное прикладное приложение этого стека: живая демонстрация того, как open-source агент может конкурировать с проприетарными решениями на передовых бенчмарках.

FAQ

Что такое Prime Agent?

Открытый самообучающийся кодинг- и research-агент от Prime Intellect, построенный на архитектуре RLM (Recursive Language Model) и Continual Harness. Умеет писать и исполнять код, порождать суб-агентов и на ходу дорабатывать собственные инструкции без участия пользователя.

Кто разработал Prime Agent?

Компания Prime Intellect, основанная в 2024 году. В июле 2026 года она привлекла раунд Series A на $130 млн при оценке $1 млрд. Среди инвесторов — Radical Ventures, NVIDIA Ventures, Intel Capital и Iconiq.

Что такое RLM (Recursive Language Model)?

Архитектурный подход, при котором контекст агента — это переменная, а инструменты и суб-агенты вызываются как Python-функции внутри персистентного IPython REPL. Это позволяет вести сколь угодно длинные сессии без потери информации.

Prime Agent бесплатный?

Да, полностью open-source под лицензией MIT. Использование бесплатно — вы платите только за токены своих API-ключей или подписку провайдера модели (Claude, OpenAI, Google и другие).

Чем Prime Agent отличается от других кодинг-агентов?

Вместо фиксированных JSON-схем инструментов — программные вызовы через IPython kernel; вместо статичных промптов — самомодифицируемый Continual Harness с командой /refine; встроенные суб-агенты с agent-to-agent общением; нативная поддержка долгих автономных задач с daemon, goals и heartbeats.

Что такое ARC-AGI-3?

Один из наиболее требовательных бенчмарков на общее рассуждение и решение принципиально новых задач. Prime Agent с моделью Opus 5 набрал 95.5% (Best@1), впервые превысив экспертный человеческий baseline 95.4%, и прошёл все 183 из 183 уровней с результатом 99.97% Best@3.

На каких системах и с какими моделями работает Prime Agent?

Устанавливается одной командой на Linux и macOS. Поддерживает Claude (Anthropic), OpenAI, Google, Codex, GitHub Copilot, Groq, Fireworks, Azure OpenAI, Amazon Bedrock, а также локальные раннеры vLLM, Ollama и LM Studio.

Безопасно ли запускать Prime Agent?

Агент исполняет сгенерированный код с правами вашего пользователя и не является security-песочницей. Недоверенные репозитории и инструкции следует запускать в изолированной среде, на чистом клоне или в git worktree.