Agen yang Berkembang Sendiri, Ouroboros, Melampaui Codex dan Claude Code pada Tolok Ukur Utama

Pengembang agen Ouroboros menjelaskan bagaimana mereka bertujuan untuk menciptakan agen universal seperti Jarvis tetapi menyadari itu terlalu sulit, sehingga mereka malah memberi agen kemampuan untuk merancang dan membangun dirinya sendiri dalam loop evolusi otonom. Ouroboros adalah loop agen berbasis Python dengan akses ke git, hak untuk menulis ulang runtime-nya sendiri, restart aman pada versi baru, dan rollback jika ada yang rusak. Versi pertama ditempatkan di Google Colab demi keamanan, diberi anggaran dan otonomi. Setelah beberapa bulan, agen yang awalnya merupakan agen desktop sederhana yang menggambar kucing dan mengganti wallpaper, kini mencapai hasil mutakhir pada Terminal-Bench 2.1, CL-Bench, dan OSWorld, serta paritas dengan Claude Code dan Codex pada GAIA dan SWE-Pro. Pengembang mengakui mereka tidak dapat merancang harness seperti itu sendiri, tetapi evolusi otonom dan pengeluaran token membuatnya mungkin. Postingan tersebut mencakup angka benchmark, detail reproduktifitas, cerita canggung dari audit jejak, dan gambaran singkat tentang arsitekturnya.