Prime Intellect a ouvert le code source de Prime Agent, un cadre d'amélioration continue pour la programmation qui remplace les schémas d'outils fixes et la compaction du contexte par un REPL Python persistant et un « Continual Harness » réinscriptible. Le système traite la délégation aux sous-agents comme des appels de fonctions au sein de cet environnement, permettant aux modèles de gérer leurs propres invites, compétences et mémoire.
- Prime Agent utilise l'abstraction Recursive Language Model (RLM), où les sous-agents sont lancés en tant que sessions enfants via `rlm("sub-task")` sans bloquer la boucle parente.
- Le Continual Harness formalise l'état sous la forme H = (ρ, G, K, M), permettant aux agents de créer, lire, mettre à jour et supprimer leurs propres composants de trajectoire.
- Une commande `/refine` permet à l'agent d'appliquer des modifications minimales à ses propres invites ou compétences en fonction des performances passées, avec des capacités de retour arrière par identifiant.
- Sur ARC-AGI-3, Prime Agent avec Opus 5 affiche un score de 95,5 % pour le meilleur résultat RHAE@1, dépassant la référence humaine experte de 95,4 %.
- L'outil prend en charge divers backends incluant les abonnements, les clés API et les modèles auto-hébergés comme GLM-5.2, s'installant via une seule commande sur Linux ou macOS.
Prime Agent est conçu pour des tâches à long terme telles que les refactos nocturnes, les builds basés sur des spécifications et l'optimisation de noyaux, offrant une consommation de tokens inférieure à celle des cadres natifs en exécutant des fonctions sur les données plutôt qu'en lisant les données via des outils.