自己進化型エージェント「Ouroboros」、主要ベンチマークでCodexとClaude Codeを凌駕

Ouroborosエージェントの開発者は、普遍的なJarvisのようなエージェントを目指したが、それがあまりにも難しいことに気づき、代わりにエージェントに自己設計・自己構築の能力を与え、自律的な進化ループを作り出したと説明しています。OuroborosはPythonベースのエージェントループで、gitへのアクセス、自身のランタイムを書き換える権限、新しいバージョンでの安全な再起動、そして何か問題が発生した場合のロールバック機能を備えています。最初のバージョンは安全性を考慮してGoogle Colabに置かれ、予算と自律性が与えられました。数ヶ月後、当初は猫を描いたり壁紙を変更するだけのシンプルなデスクトップエージェントだったものが、現在ではTerminal-Bench 2.1、CL-Bench、OSWorldで最先端の成果を達成し、GAIAとSWE-ProではClaude CodeやCodexと同等の性能を発揮しています。開発者は、自分自身ではそのようなハーネスを設計できなかったと認めつつ、自律的な進化とトークン消費がそれを可能にしたと述べています。この投稿には、ベンチマークの数値、再現性の詳細、トレース監査から得られた気まずいエピソード、そしてアーキテクチャの概要が含まれています。