Ouroboros vs Claude Code: агент написал себя сам и достиг SOTA на Terminal-Bench 2.1
Агент Ouroboros на Python несколько месяцев переписывал собственный код и достиг SOTA на Terminal-Bench 2.1, CL-Bench и OSWorld. На GAIA и SWE-Pro — паритет с Claude Code и Codex. Систему запустил один исследователь из AIRI в Google Colab: агент развивался автономно, сжигал токены — и создал архитектуру, которую разработчик «сам бы не придумал».
معالج بواسطة الذكاء الاصطناعي من AIRI؛ بتحرير Hamidun News
نشر باحث من مؤسسة AIRI في الثالث من أغسطس 2026 على منصة Habr تحليلاً مفصلاً للعميل ذاتي التطور Ouroboros — وهو نظام مبني بلغة Python الخالصة، أعاد كتابة كوده بصورة مستقلة على مدار أشهر عدة، وحقق نتائج في مستوى SOTA على كل من Terminal-Bench 2.1 وCL-Bench وOSWorld، متعادلاً مع Claude Code وCodex على معياري GAIA وSWE-Pro.
كيف يكتب Ouroboros نفسه؟
Ouroboros عبارة عن حلقة عميل مكتوبة بلغة Python مع وصول مباشر إلى git وصلاحية الكتابة فوق بيئة التشغيل الخاصة به أثناء العمل. تسير الحلقة المغلقة على النحو التالي: يتلقى العميل مهمة، ينفذها، يحلل النتيجة، ثم يُجري تعديلات على كوده المصدري — ثم يُعيد تشغيله بأمان على الإصدار المحدّث. وإذا أفسدت الإصدار الجديد تغييرات ما، تراجع المنظومة تلقائياً إلى الإصدار السابق.
اختار المؤلف عن قصد استضافة النسخة الأولى على Google Colab بدلاً من جهازه المحلي؛ إذ كان عزل البيئة السحابية يُوفّر حمايةً من عواقب التطور الذاتي غير المتوقعة. بدأ النظام بتواضع.
- اللغة: Python خالصة دون أطر عمل عميل خارجية
- البيئة: Google Colab معزولة عن الجهاز المحلي للمطور
- الأدوات: git، صلاحية الكتابة فوق بيئة التشغيل، آلية تراجع آمنة
- المهام الأولى: رسم قطط، والتجوال على YouTube، وتغيير خلفيات سطح المكتب
- الميزانية: إنفاق مستقل على الـ tokens دون إشراف مستمر من المطور
ما تكشفه المعايير
على ثلاثة معايير — Terminal-Bench 2.1 وCL-Bench وOSWorld — حقق Ouroboros نتائج في مستوى SOTA. تُقيّم المعايير الثلاثة جوانب مختلفة من القدرات العميلة: يُقيّم Terminal-Bench العمل في سطر الأوامر، ويُقيّم OSWorld التحكم في سطح المكتب وواجهات GUI، ويُقيّم CL-Bench المهام البرمجية المعقدة. وعلى معياري GAIA وSWE-Pro، سُجّل تعادل مع Claude Code من Anthropic وCodex من OpenAI.
«لم أكن لأبتكر بنفسي مثل هذا الـ harness، غير أن التطور المستقل وكميات
الأموال المحترقة على الـ tokens — نعم»، يقول مؤلف المشروع، الباحث في AIRI.
لم تتشكل البنية الحالية للنظام عبر تصميم يدوي، بل عبر عشرات التكرارات المستقلة التي كلّف كل منها tokens حقيقية. والجدير بالملاحظة أن Ouroboros حقق ذلك دون موارد حوسبة ضخمة — بيئة Google Colab السحابية وحدها وميزانية لطلبات API كانت كافية.
ما الذي يُميز هذا النهج عن العملاء الاعتياديين
تتحسن معظم منظومات العملاء عبر هندسة الـ prompts أو الـ fine-tuning على بيانات جديدة — ويظل الكود المصدري دون تغيير طوال هذه العملية. يعمل Ouroboros بطريقة مختلفة: يُعدّل العميل كوده المصدري الخاص في دورة إنتاجية، وتطور البنية المعمارية — لا تنويع الـ prompts — هو ما أفضى إلى نتائج SOTA.
هذا يجعل Ouroboros واحداً من أندر الأمثلة الموثقة علناً على التعديل الذاتي الحقيقي للعملاء مع نتائج رقمية قابلة للتحقق. تظل معظم التجارب المماثلة مغلقة، أو لا ترافقها بيانات معايير مفتوحة. وبحسب منشور المؤلف على Habr، يتضمن التحليل تتبعات، وأرقاماً لإعادة الإنتاج، و«بعض القصص المحرجة من عمليات التدقيق» — حالات اتخذ فيها العميل قرارات غير متوقعة خلال التطور.
يُفيد المؤلف بأنه بات «يُنجز من خلاله ما يكاد يكون كل شيء» — إذ تحوّل Ouroboros من مشروع بحثي إلى أداة عمل رئيسية.
ماذا يعني هذا؟
Ouroboros دليل عملي على أن التطور الذاتي للعملاء بدون ميزانيات حوسبة ضخمة قادر على تحقيق نتائج تنافسية. باحث واحد ببيئة Colab وصل إلى مستوى SOTA في مجال تتنافس فيه مختبرات بأفرقة كاملة وبنية تحتية من الخوادم. والسؤال التالي هو: كيف يمكن إدارة هذا التطور عند التوسع، ومنع السلوكيات غير المرغوب فيها من عميل يكتب نفسه بنفسه؟
هل تحتاج إلى ذكاء اصطناعي يعمل داخل شركتك — وليس فقط في موجز الأخبار؟
أبني ذكاءً اصطناعياً جاهزاً للإنتاج للشركات — أنظمة CRM مخصّصة، أدوات داخلية، وكلاء مستقلون، أتمتة سير العمل. ملك لك، مصمّم وفق عمليتك، دون رسوم لكل مستخدم. من إعداد جمال خميدون، مدير المنتجات في AlpinaGPT (منصة ذكاء اصطناعي، أكثر من 6000 مستخدم).
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.