自进化智能体Ouroboros在主要基准测试中超越Codex和Claude Code

Ouroboros 代理的开发者描述了他们的目标：创造一个通用的类似 Jarvis 的代理，但很快意识到这太难了，于是他们转而赋予代理在自主进化循环中设计和构建自己的能力。Ouroboros 是一个基于 Python 的代理循环，可以访问 git，有权重写自己的运行时，在新版本中安全重启，并在出现问题时回滚。第一版被放置在 Google Colab 中以保安全，并给予预算和自主权。几个月后，这个最初只是绘制猫和更换壁纸的简单桌面代理，如今在 Terminal-Bench 2.1、CL-Bench 和 OSWorld 上达到了最先进的结果，并在 GAIA 和 SWE-Pro 上与 Claude Code 和 Codex 持平。开发者承认，他们自己无法设计出这样的框架，但自主进化和 token 支出使之成为可能。帖子包括基准测试数字、可复现性细节、来自 trace 审计的尴尬故事，以及架构的简要概述。