Prime Agent开源框架让AI学会自己改自己，ARC-AGI-3冲上95.5%

ARC-AGI-3这个专门用来考AI抽象推理的魔鬼测试，之前把各路大模型按在地上摩擦。GPT-5.6 Sol只有7.8%，Claude Opus 4.8只有1.5%。然后Prime Agent拿着Claude Opus 5跑出了95.5%，比人类专家基线95.4%还高一丢丢。但真正让人后背发凉的不是这个分数，是它怎么拿到的。

你以为AI做题靠智商？它靠的是“不会失忆”

先搞清楚ARC-AGI-3是什么东西。这不是那种背题库就能过的考试。François Chollet搞的这个测试，把AI扔进一个2D像素游戏里，没有说明书，没有教程，全靠自己摸索规则。传统大模型进去基本就是睁眼瞎，Opus 5裸考也就30.2%。那Prime Agent是怎么把分数翻了三倍的？

答案藏在它的第一个核心设计里：递归语言模型。这名字听着唬人，但逻辑特别简单。普通AI跟你聊完天就失忆了，下一轮对话从头开始。Prime Agent不这样。它里面跑着一个一直活着的Python运行环境，叫IPython内核。这个环境不会因为你关掉聊天窗口就死掉。

想象一下你写作业写到一半，突然电脑关机了，重启后所有东西都没了，你得从头想刚才的思路。普通AI每天都在经历这种事。Prime Agent不一样，它的草稿纸永远不会被收走。它可以把之前算过的结果存成变量，随时调出来用。代码、工具调用、子任务，全部都能编程化操作。

这带来的第一个认知冲突是：我们一直以为AI的智商取决于模型有多大、参数有多少。但Prime Agent证明了，同样一个Opus 5模型，换了个“学习方法”，分数能从30%飙到95%。学习方法比脑子大小更重要。

这不就像两个学生，一个靠死记硬背，一个学会了做笔记和复盘——后者哪怕智商差不多，长期下来差距会越拉越大。

你还在给AI写提示词？它已经开始自己改自己了

比“不失忆”更狠的是“能自残”。不是物理意义上的自残，是它敢动自己的“出厂设置”。

传统AI工具调用是固定的。开发者写死了它能用什么工具、怎么调用，改不了。Prime Agent的第二块拼图叫持续化运行框架。这个框架把AI自己的提示词、记忆、技能描述、子智能体规格全部变成可读写的数据。

什么意思？AI可以回头看自己刚才干了什么，然后说“我刚才那套思路不对，我改一下自己的提示词”。它有个/refine命令，专门干这事。它不会动最底层的基础系统提示词，但可以在上面打补丁、加记忆、优化技能。

这就像你不仅会做题，还会自己修改教科书。发现某个解题方法不好用，直接在教材旁边写批注“这方法坑人，别用”。下一回遇到类似题目，你的“教材”已经更新了。

Prime Intellect官方博客里讲了一个关键洞察：现在的AI框架还是按照前几代模型的能力设计的，固定工具调用、固定上下文压缩，逼着模型绕着自己的脚手架干活。Prime Agent反过来了，让脚手架去适应模型，让模型能自己改造脚手架。

第二个认知冲突在这：我们总觉得AI是工具，人类是使用者。但Prime Agent已经在“使用”自己的工具了。它不仅能调用工具，还能创造新的调用方式，还能把重复的工作流打包成“技能”存起来下次直接用。

更离谱的是子智能体。你在Prime Agent里敲个rlm(...)，它就能当场生出一个真正的子AI，派去干并行任务，干完了把结果返回给你。这些子智能体还可以互相发消息、协调工作，不用每次都通过你中转。

你雇了一个员工，这个员工还能自己招实习生，实习生们还能自己开会。你只需要看最终报告。

从写代码到造游戏机，它比你想象的更不挑活

如果说前两章讲的是“怎么学”，这一章讲“学了能干什么”。

Prime Agent官方演示里有个案例直接把我看愣了。在EmulatorBench这个测试里，它从零开始在Rust语言里写出了SEGA Genesis和Game Boy Color的模拟器。

模拟器这东西，说白了就是在一台电脑上假装自己是另一台完全不同的游戏机。你得精确模仿老式游戏机的CPU指令、显卡渲染、声音芯片、手柄输入——每一个细节都不能错，否则游戏跑不起来。正常程序员做一个模拟器，少说几个月，还得是资深逆向工程专家。

Prime Agent从零开始，没有任何现成代码，自己摸索硬件规格，自己写底层逻辑，最后跑通了诊断测试。

这还不算完。它还被扔进Factorio和MazeBench这种超长时长的自主任务里，表现也比现有的框架强。Factorio是个复杂的工厂建造游戏，一个任务可能要几百步决策。普通AI早就在半路迷路了，Prime Agent靠着不会失忆和能自改提示词，硬是撑下来了。

第三个认知冲突：我们一直认为AI擅长的是“模式识别”——看过无数张猫的照片所以能认出猫。但写模拟器、玩复杂策略游戏，这些事需要的是“从零理解一个新系统”的能力。ARC-AGI-3考的就是这个。

Prime Agent在ARC-AGI-3上95.5%的成绩，在EmulatorBench上造出游戏机，在Factorio里撑住长线任务——这三个事放在一起看，信号就很清楚了：这个框架给AI装上了一套“通用学习操作系统”，不管丢进什么新环境，它都能自己摸索、自己适应、自己优化。

更可怕的是，Prime Intellect说这个成绩“不是某个特定测试的侥幸”。Prime Agent的设计目标就是通用的，不挑活。

开源这把刀，架在了谁的脖子上

最后说一个容易被忽略的细节：Prime Agent完全开源。安装就一行命令。

为什么这个细节重要？因为之前能跑出好成绩的AI框架基本都是闭源的，大公司自己留着用。Prime Intellect直接把代码扔出来了，还说你随便用，不用交钱，不会被任何厂商绑定。

Prime Intellect这家公司刚拿了1.3亿美元的A轮融资，估值10亿美金。投资人包括NVIDIA、Intel Capital这些顶级机构。他们把核心产品开源，图什么？

官方说法是：他们相信让更多人能用上这个能力，比捂着赚钱创造的价值更大。Prime Agent被定位成一个“基础设施层”，而不是一个锁死的产品。别人可以在上面继续搭东西、做二次开发。

这就引出了第四个认知冲突：AI竞赛的下一阶段，可能不再是“谁的模型参数多”，而是“谁的框架能让模型发挥出最大潜力”。Prime Agent证明了，用同样的底层模型Opus 5，换一套更好的学习方法，分数能差出三倍。

而那些闭源的、绑定厂商的专属框架，可能一夜之间就被开源方案甩开了。

总结

Prime Agent开源框架让AI学会自己改自己，ARC-AGI-3冲上95.5%，此前最高分是两家AI巨大创造百分之三十多。

造成影响：AI基础设施层大洗牌，开源Harness让闭源框架一夜过时
反常识点：同样用Opus 5模型，换套学习方法分数从30%飙到95.5%

总结一下：Prime Agent用一套不会失忆、能自改、会招实习生的框架，让同一个AI模型分数翻了三倍，从零写出了游戏机模拟器，还全开源了。这事的真正恐怖之处不在于95.5分，而在于它证明了AI的瓶颈从来不在脑子大小，在学习方法上。

但话说回来，一个能自己改自己代码的AI，万一哪天决定把自己改成一个不需要人类的东西呢？