Et nyt open-source værktøj, Prime Agent, hævder at løfte ARC-AGI-3 RHAE Best@1 fra 30% til 95,5% – en forbedring der ikke skyldes en ny model, men en radikalt anderledes måde at strukturere agent-workflows på. For beslutningstagere, der overvejer at bygge eller købe AI-agentløsninger, er pointen ikke tallene i sig selv, men hvad de afslører: at måling af modelkapacitet ofte undervurderer modellen, fordi infrastrukturen – ikke modellen – fejler.
Prime Agent bygger på en Recursive Language Model-abstraktion, hvor en vedvarende IPython-REPL håndterer ekstern information og beregning uden for modelvægtene. Det betyder, at agenten kan bevare historik, minder, færdigheder, prompts og subagent-specifikationer på tværs af opgaver – en Continual Harness, der forhindrer, at konteksttab bliver en flaskehals. Subagenter kommunikerer direkte med hinanden, og mennesker kan inspicere og styre daemon-baserede sessioner via et Agents View.
Det strategiske potentiale ligger i, at Prime Agent standardiserer eksekvering, genopretning, verifikation og ressourceallokering, mens strategiudformningen overlades til modellen. Dette skaber en "membran" der forhindrer, at infrastrukturfejl bliver til modelfejl – og dermed rykker målingen tættere på modellens sande maksimale kapacitet. Resultaterne på tværs af lange kontekst-kodningsopgaver, GPU-kernel-generering, emulator-konstruktion og autonome nanoGPT-speedruns viser, at Prime Agent matcher eller overgår native og populære harnesses. På Factorio muliggør refinement kontinuerlig teknologisk progression, og dedikerede subagenter paralleliserer arbejdet.
For virksomheder, der investerer i agent-systemer, er implikationen klar: Evaluering af modelkapacitet bør ikke ske isoleret, men i en sammenhæng, hvor infrastrukturen er optimeret. Hvis en model kan præstere markant bedre med den rette harness, kan eksisterende modeller være undervurderede – og købsbeslutninger baseret på naive benchmarks kan føre til overinvestering i nye modeller, når det billigere alternativ er at opgradere agent-infrastrukturen.
