Агент Ouroboros стал лидером на бенчмарках Terminal Bench, OSWorld и CL-bench
A@abstractDLAI-инженер
4 недАгентный фреймворк Ouroboros показал лучшие результаты на ключевых бенчмарках для кодинга и работы с терминалом, обойдя Codex, Claude code и Cursor.
Появление нового высокоэффективного инструмента для автоматизации разработки и работы с терминалом.
- Ouroboros демонстрирует превосходство над популярными инструментами вроде Cursor и Claude code в задачах кодинга.
- Открытый исходный код позволяет разработчикам самостоятельно проверять результаты и использовать инструмент в своих проектах.
- Высокая производительность агента в среде терминала и OSWorld расширяет возможности автоматизации сложных технических задач.
Ouroboros теперь SOTA на Terminal Bench, OSWorld и CL-bench
Мой любимый агентный луп на чистом питоне доэволюционорал до состояния лучшего харнесса для кодинга! На главных бенчмарках он теперь обходит Codex, Claude code, Cursor и Hermes.
Выходит, что в рисёрче, в computer use, в работе через терминал и в задачах на кодинг — уроборос сейчас является лучшим агентом. Так что с этого момента всю разработку и исследования я веду только через уробороса.
Для полной воспроизводимости результатов. Весь код, скрипты, трейсы я выложил в открытый доступ.
Напоминаю: лицензия MIT. Так что спокойно ломайте, форкайте, проверяйте трейсы, пишите что я где наврал. И кидайте issues и PR-ы! Все постараемся с уроборосом принять😋
P.S. Кошмар какие дорогие агентные бенчи. Прогнать весь набор стоит как квартиру купить (это не шутка!!)
GitHub, Хабр, установочники
Кратко (AI)
Агентный фреймворк Ouroboros достиг статуса SOTA на бенчмарках Terminal Bench, OSWorld и CL-bench, превзойдя такие решения, как Codex, Claude code и Cursor. Автор проекта выложил весь код и результаты в открытый доступ под лицензией MIT для обеспечения воспроизводимости.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖