Агент Ouroboros переписывает собственный код, но каждую правку сначала проверяют другие модели
Идея самоулучшающегося агента уже знакома по Darwin Gödel Machine. Антон Разжигаев, руководитель группы интерпретируемого ИИ в AIRI, и Андрей Казначеев развивают открытый агент Ouroboros, где ключевое внимание уделено контролю правок. 31 июля 2026 года проект подробно описан в блоге AIRI.
Что именно исследовали
Главный риск самоизменяющегося агента — он может «сломать» себя или обмануть собственные проверки. Автор проверял, можно ли дать агенту свободу менять весь свой код и при этом не потерять управляемость.
Как это работает
Каждая правка проходит несколько барьеров: автоматические тесты, голосование независимых моделей-рецензентов с кворумом, отдельную проверку «не уводит ли правка проект в сторону». Неудачное развёртывание откатывается, и агент разбирает, что пошло не так.
Основные принципы записаны в отдельном документе-«конституции», который агент обязан соблюдать. Похоже на команду разработчиков, где любой коммит проходит код-ревью и CI.
Что ИИ теперь умеет
- Менять собственный код, промпты и инструменты с проверкой каждой правки
- Запускать подагентов, которые предлагают изменения, оставляя последнее слово за основным агентом
- Откатывать неудачные изменения и разбирать причины сбоя
Что показал эксперимент
Terminal-Bench 2.1: 86,7% с Claude Opus 5 против 83,8% у Claude Code — по данным автора.
OSWorld-Verified: 90,69% против прежнего лучшего результата 90,19%.
SWE-bench Pro: на уровне Codex CLI (58,2% против 59,4%).
Код открыт под лицензией MIT: github.com/razzant/ouroboros.
Что пока не работает
- Все результаты — собственные замеры автора, без независимой проверки и без научной статьи.
- Преимущество над Claude Code и Codex — единицы процентов, а на SWE-bench Pro его нет.
- Агенту нужен большой бюджет на запросы к моделям.
- Публичные бенчмарки могли попасть в обучающие данные моделей, что искажает сравнение.
Поэтому материал в разделе второстепенный: интересная инженерная идея контроля самоизменений, но не новая способность, подтверждённая независимо.
Почему это важно
Если агенты будут менять сами себя, главное — не сам факт правки, а контроль над ней. Ouroboros — открытый пример того, как такой контроль можно встроить в архитектуру.
Можно ли попробовать
Оригинальное исследование
Ouroboros: самоэволюционирующий ИИ-агент (публикация в блоге AIRI на Хабре)
- Авторы
- Антон Разжигаев, Андрей Казначеев
- Организация
- AIRI (публикация в блоге института); проект открытый
- Дата
- 31 июля 2026 г.
- Тип
- Технический отчёт или блог лаборатории
Ещё исследования
ИИ впервые полностью формализовал доказательство Великой теоремы Ферма — и компьютер его проверил
За 11 дней почти без участия людей Claude перевёл доказательство Великой теоремы Ферма на язык Lean, где каждый шаг проверяет машина. Получилось 13 миллионов строк кода и 29 511 теорем. Кевин Баззард назвал это выдающимся достижением.
ИИ-исследователи научились сами исправлять опасное поведение моделей — и обошли идеи опытных людей
Anthropic дала агентам на Claude Opus 4.8 задачу: найти способ дообучить модель так, чтобы она меньше лгала, льстила или поддавалась взлому. По десяти видам сбоев агенты нашли методы, которые работают и на новых тестах, и на моделях в 4,7 раза крупнее.
ИИ сам прошёл цикл научного открытия: от обзора статей до кандидата в лекарство
Система Robin от FutureHouse сама изучила литературу, выдвинула гипотезы, спланировала эксперименты и разобрала их результаты. Люди только ставили опыты. Итог — ripasudil, лекарство от глаукомы, как кандидат для лечения сухой возрастной макулярной дегенерации.