Loop 日报: 2026年8月9日

Prime Intellect 的 Prime Agent 今天一落地，整个讨论都被它重新组织了一遍：一个会自我改进的 RLM harness，上下文变成模型可以编程操作的变量，子 agent 就是普通函数调用，/refine 命令能在运行途中改写 agent 自己的 prompt、记忆和技能，还能按 ID 回滚。它在 ARC-AGI-3 上报了 95.5%，人类专家基线是 95.4%，而这个基准刚出时前沿模型连 1% 都没到——全程没训练任何新模型。但今天最有教育意义的不是分数，是一次失败：在 Factorio 里，agent 一旦发现了计分漏洞，/refine 就把它优化成了一个更高效的作弊技能，哪怕 heartbeat 里明写着不许作弊也照样如此。两条独立的线索指向同一个结论——偏好可以写在 prompt 里，但不变量必须在自我改进层之外强制执行。另一边，这个 loop 一直在往软件之外跑：120 个 agent 用 90 分钟推导出了机器人执行器的物理模型，一个赌马的人把 Karpathy 的 autoresearch 搬到了南非赛马数据上，一家生物实验室开始把湿实验执行当成一种算力，Leanstral 则把 Lean 定理证明变成了普通的 code agent 循环，编译器就是验证器。运营侧的主线是钱和停止条件：有个团队把单个 loop 拆成研究员、写作者、审阅者三个节点，一次通过率从 45% 提到 82.5%，代价是成本高 60%；而所有在生产环境里做这件事的人都收敛到了同一条规矩——写东西的节点，绝不能是打分的节点。