Ouroboros 是一个自开发智能体框架，其中的工具、提示词和核心实现通过经过审查的提交进行改进，这些提交成为后续工作的运行时环境。它通过递归自由进化或由经验驱动的核心进化运行，后者由使用过程中发现的错误和低效问题触发。

  • 在 Terminal-Bench 2.1 上，Opus 5 的运行得分达到 86.74%，是该基准测试中报告的最佳结果。
  • 在 OSWorld-Verified 上，Opus 5 的运行达到 90.69%，超过了之前的最高分。
  • 五次 rollout 的 CL-Bench 活动实现了 0.2301 的归一化奖励，创下了新的最先进水平。

该系统通过确保在进化压力下护栏（guardrails）保持权威性来解决操作安全问题，基准测试活动使用冻结的快照，而实时进化则在单独的血统线上继续。