闭源RSI的严父：18个Agent自主科研，Kimi K3靠Harness逼近Opus 5
内容提要
Prime Intellect的研究表明，开源模型结合Multi-Agent Harness在nanoGPT优化任务中表现接近顶级闭源模型，挑战了RSI的假设。实验发现模型间的差距不在于创意，而在于试错吞吐量。更便宜的开源模型负责监控实现，高效的试错机器能提升AI科研速度，加速AI研发迭代。
延伸解读
试错吞吐量比创意更关键
实验显示，18个模型最终找到的优化思路大同小异，但成绩差异显著。真正拉开差距的不是“想到什么”，而是“怎么试出来”：强模型会换seed、重新消融、验证信号真伪，甚至围绕GPU非确定性调整流程。这提示在AI科研中，快速验证和迭代的能力可能比单一创意更重要。
开源模型+Harness的性价比优势
Prime Intellect将监控和实现交给更便宜的开源模型，把判断留给强模型，从而降低试错成本。Kimi K3搭配Harness后成绩逼近Opus 5，说明在AI4AI中，不一定非要最强模型，高效的编排框架也能让开源模型追上来。这为资源有限的团队提供了另一种路径。
RSI剧本的另一种可能
传统RSI假设最强闭源模型率先突破并赢家通吃，但本实验显示，开源模型+Harness也能逼近顶级闭源模型。这意味着AI研发的加速不一定依赖单一模型的智力跃升，而是可以通过改进外围科研基础设施（如持久IPython内核、多Agent系统）来实现，为开源社区带来更多机会。
Q&A
Prime Intellect在最新研究中提出了什么核心观点？
Prime Intellect提出，借助多智能体Harness，可以将监控和具体实现交给更小、更便宜的开源模型，从而让“AI开发AI”变得更便宜，甚至效果更好。
在nanoGPT优化任务中，Kimi K3搭配Prime Agent Harness取得了什么成绩？
Kimi K3搭配Prime Agent Harness后，在原始结果页中跑出了2930步的成绩，超过了GPT-5.6 Sol的3042步，距离Claude的旗舰模型Opus 5的2920步只差10步。
Prime Intellect的实验是如何设计的？
实验让18个前沿模型在nanoGPT训练任务中自主优化，目标是尽可能减少训练步数，将1.24亿参数GPT的验证集loss降到3.28以下。Agent会拿到代码仓库、规则手册和目标指令，在8张H200上运行，全程断网并锁进sandbox，人类基本退出。
实验发现模型之间的差距主要来自哪里？
实验发现，模型之间的差距不在于创意，而在于试错吞吐量。所有模型最终找到的idea都差不多，但强模型更擅长换seed、重新消融、判断信号真实性，从而更高效地试错。
Prime Intellect为什么将重点放到Multi-Agent Harness上？
因为大量工作落在写代码、跑实验、盯结果、做验证等环节，没必要每一步都调用最贵的前沿模型。让更便宜的开源模型负责监控和实现，把需要判断的环节留给更强的模型，可以降低试错成本，提高实验吞吐量，从而加速AI科研。
Prime Intellect的实验对RSI（递归自我改进）的经典剧本有何影响？
实验动摇了经典RSI剧本，即最强闭源模型率先跨过临界点后赢家通吃。它展示了另一种可能：模型不一定最强，只要科研机器足够高效，开源模型也能靠更高的试错吞吐量追上来。
实验中表现最好的模型是哪个？它达到了多少步？
表现最好的是Fable 5，最终做到2726步，从3290步baseline到2600步人类纪录的690步优化空间中，它吃掉了564步，相当于走完约82%。
Prime Intellect下一步计划是什么？
Prime Intellect下一步准备把Speedrun扩展到训练栈的更多环节，同时继续放大实验规模。
