Et nyt system fra forskningsmiljøet viser, at kompleks softwareudvikling kan organiseres omkring et vedvarende projekt i stedet for en enkelt, langlivet AI-agent. Systemet, kaldet EvoX Genesis, lader kortlivede agenter foreslå ændringer, mens kun accepterede ændringer føres videre i projektets historik. I et eksperiment byggede systemet en Rust-baseret C-kompiler med omkring 250.000 linjer kode over 120 timer, arkiverede over 1.000 agent-episoder og kostede kun 44 dollars i model-token-afgifter. Kompileren bestod hele c-testsuite og de fleste LLVM- og Csmith-tests. Resultaterne er beskrevet i paperet på Hugging Face.

Det interessante er ikke kun, at en agent kan skrive meget kode, men at systemet kan fortsætte udviklingen, selv når agenter udskiftes. I et separat eksperiment med en anden model blev udviklingen af en kompiler-verden fortsat efter gentagne agent-udskiftninger, mens testresultaterne forblev intakte. Genesis reimplementerede også 13 MESA-moduler med over 100.000 Fortran-linjer som et Rust-workspace og opnåede mediane speedups på 1,55 til 6,87 gange på seks numeriske workloads.

For beslutningstagere betyder det, at man kan tænke i projekter frem for i agenter. I stedet for at skulle opretholde en dyr, kontinuerlig agent-session kan man lade korte, billige agenter arbejde på et vedvarende projekt. Det gør langvarig softwareudvikling mere skalerbar og økonomisk forudsigelig.

I samme retning peger en ny survey om co-evolution i agentiske systemer, der kortlægger, hvordan flere agenter og deres miljø kan udvikle sig sammen uden menneskelig styring. Surveyen foreslår en tredelt taksonomi, der spænder fra agent-agent-samarbejde til meta-evolution, hvor selve evolutionsmekanismen kan ændres. Det rejser spørgsmål om kontrol og sikkerhed, når systemer bliver mere autonome.

Endelig viser et tredje system, Ouroboros, at en agent kan forbedre sin egen kerne gennem gennemgåede commits. På Terminal-Bench 2.1 opnåede en Opus 5-kørsel 86,74 %, det bedste rapporterede resultat, og på OSWorld-Verified nåede den 90,69 %. Ouroboros-paperet beskriver også et 161-dages live-eksperiment, hvor agenten fortsatte med at udvikle sig under menneskelig kommunikation, men selv besluttede, hvilke ændringer den ville forfølge. Det understreger, at sikkerhed bliver et primært designproblem, når agenter kan omskrive deres egen kode.