Ouroboros — это платформа для саморазвивающихся агентов, где инструменты, промпты и основная реализация улучшаются через проверенные коммиты, которые становятся средой выполнения для последующей работы. Он работает посредством рекурсивной свободной эволюции или эволюции ядра, управляемой опытом, которая запускается из-за ошибок и неэффективности, обнаруженных в процессе использования.
- На Terminal-Bench 2.1 запуск Opus 5 набирает 86.74%, лучший опубликованный результат на этом бенчмарке.
- На OSWorld-Verified запуск Opus 5 достигает 90.69%, превосходя предыдущий лучший результат.
- Кампания CL-Bench с пятью запусками (five-rollout) достигает нормализованной награды 0.2301, устанавливая новый мировой рекорд.
Система решает вопросы операционной безопасности, гарантируя, что ограничители (guardrails) остаются авторитетными под давлением эволюции, при этом кампании бенчмарков используют замороженные снимки состояния, в то время как живая эволюция продолжается на отдельных линиях развития.