随着编码智能体面临更长测试，Prime Agent 发布
Prime Intellect 发布了一款开源智能体；与此同时，LoopsBench 瞄准长周期编码评测。
为什么重要
这些报告显示，编码基准测试正从一次性任务转向评估持续的智能体执行能力。开放运行框架和长周期基准测试，可能让人们更容易在最终结果之外审视编码智能体的表现。
核心要点
- 1.Prime Agent 被描述为采用开放许可证的开源项目。
- 2.LoopsBench 测试横跨 112 项任务的长周期编码工作。
- 3.LoopsBench 报告的最佳配置解决了 25.00% 的任务。
据一篇链接到其 GitHub 和博客的 Reddit 帖文称，Prime Intellect 发布了 Prime Agent，这是一款面向长时间自主工作的开源编码与研究智能体。帖文称，Prime Agent 采用程序化工具调用、将上下文作为变量、多智能体消息传递，以及可自我修改的运行框架状态，并报告其 ARC-AGI-3 得分为 95.5%。另有一篇 arXiv 论文介绍了 LoopsBench，这是一个长周期基准测试，包含横跨八种编程语言和九个领域的 112 项任务；其评测中表现最强的配置为 Opus-4.7 搭配 Claude Code 和外层续跑，解决了 25.00% 的任务。
⚡ 今天就能用
在依赖编码智能体基准测试声明来判断长时间开发工作能力之前，应先审查 Prime Agent 的代码和 LoopsBench。
来源与原始报道
本简报汇总并链接到以下媒体的报道。
觉得这篇简报有用？下一篇直接送到你的邮箱。