Ouroboros est un cadre pour agents auto-développants où les outils, les prompts et l'implémentation centrale s'améliorent via des commits révisés qui deviennent le runtime pour le travail ultérieur. Il opère par évolution libre récursive ou évolution du noyau pilotée par l'expérience, déclenchée par des bugs et des inefficacités trouvés lors de l'utilisation.
- Sur Terminal-Bench 2.1, une exécution d'Opus 5 marque 86,74 %, le meilleur résultat rapporté sur le benchmark.
- Sur OSWorld-Verified, une exécution d'Opus 5 atteint 90,69 %, dépassant le score précédent le plus élevé.
- Une campagne CL-Bench avec cinq rollouts atteint une récompense normalisée de 0,2301, établissant un nouvel état de l'art.
Le système aborde la sécurité opérationnelle en garantissant que les garde-fous (guardrails) restent autoritaires sous la pression évolutive, tandis que les campagnes de benchmark utilisent des instantanés figés alors que l'évolution en direct se poursuit sur des lignées séparées.