Prime Intellect가 코딩과 장기 자율 작업을 위한 오픈소스 에이전트 ‘Prime Agent’를 공개했습니다.
Prime Agent는 새로운 AI 모델이 아닙니다. GPT·Claude·오픈소스 모델 같은 기존 프론티어 모델을 더 오래, 체계적으로 일하게 만드는 자체 개선형 RLM 하네스입니다.
핵심 개념은 ‘컨텍스트를 코드처럼 취급한다’는 것입니다.
일반적인 AI 에이전트는 작업이 길어질수록 대화 기록이 쌓이고, 컨텍스트가 가득 차면 이전 내용을 요약합니다. 이 과정에서 중요한 정보가 유실되거나 같은 실수를 반복하기 쉽습니다.
반면 Prime Agent는 지속적으로 실행되는 IPython 커널을 중심으로 작업합니다. 모델이 과거 대화와 자료를 변수처럼 저장하고, 필요한 부분만 검색하거나 가공하며, 도구와 하위 에이전트를 함수처럼 호출할 수 있습니다. 현재 대화창 밖에도 작업 상태를 유지하기 때문에 긴 세션이 단순한 기억력 싸움이 아니라 프로그래밍 문제가 됩니다.
주요 특징은 다음과 같습니다.
* 컨텍스트와 작업 기록을 변수처럼 관리
* 하위 에이전트를 병렬·백그라운드로 실행
* 에이전트끼리 직접 메시지를 주고받으며 협업
* 터미널을 종료해도 작업을 계속하고 나중에 재접속
* 작업 중 얻은 교훈을 메모리·프롬프트·스킬에 반영
* 장기 목표와 일정, 주기적인 작업 재개 지원
여기서 ‘자체 개선’은 모델이 스스로 가중치를 재학습한다는 뜻은 아닙니다. 반복되는 실수와 유용한 작업 방식을 분석해 자신의 업무 매뉴얼과 메모리, 하위 에이전트 구성, 재사용 가능한 스킬을 계속 수정하는 방식입니다.
성과도 흥미롭습니다. EmulatorBench에서는 Rust로 SEGA Genesis와 Game Boy Color 에뮬레이터를 처음부터 구현해 실제 하드웨어 동작을 재현했고, Factorio와 MazeBench 같은 장기 작업에서도 기존 하네스보다 강한 결과를 보였다고 합니다.
ARC-AGI-3에서는 95.5%를 기록했다고 발표했습니다. 다만 이는 25개 공개 게임 기준이며 이미 96% 이상을 기록한 다른 하네스도 있어 ‘AGI 달성’으로 볼 수는 없습니다. 중요한 점은 같은 모델이라도 컨텍스트 관리와 오케스트레이션 구조에 따라 성능이 크게 달라진다는 사실입니다.
결국 최근 AI 경쟁은 모델 IQ만의 싸움에서 벗어나고 있습니다. 얼마나 오래 목표를 유지하는지, 필요한 기억만 꺼내 쓰는지, 작업을 적절히 분배하는지, 실패를 다음 실행에 반영하는지가 점점 중요해지고 있습니다.
Prime Agent는 pi를 기반으로 제작됐으며 MIT 라이선스로 완전히 오픈소스입니다. macOS와 Linux에서 설치할 수 있습니다.
GitHub
https://github.com/PrimeIntellect-ai/prime-agent
설치
curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh