El Agente Autoevolutivo Ouroboros Supera a Codex y Claude Code en los Principales Benchmarks

El desarrollador del agente Ouroboros describe cómo pretendía crear un agente universal tipo Jarvis, pero se dio cuenta de que era demasiado difícil, así que en su lugar le dio a un agente la capacidad de diseñarse y construirse a sí mismo en un bucle de evolución autónoma. Ouroboros es un bucle de agente basado en Python con acceso a git, el derecho a reescribir su propio tiempo de ejecución, reinicio seguro en nuevas versiones y reversión si algo se rompe. La primera versión se colocó en Google Colab por seguridad, con un presupuesto y autonomía. Después de varios meses, el agente, inicialmente un simple agente de escritorio que dibujaba gatos y cambiaba fondos de pantalla, ahora logra resultados de última generación en Terminal-Bench 2.1, CL-Bench y OSWorld, y paridad con Claude Code y Codex en GAIA y SWE-Pro. El desarrollador admite que no habría podido diseñar un arnés así por sí mismo, pero la evolución autónoma y el gasto de tokens lo hicieron posible. La publicación incluye cifras de referencia, detalles de reproducibilidad, historias incómodas de auditorías de rastreo y una breve descripción de la arquitectura.