Ouroboros vs Claude Code: agente escreveu a si mesmo e atingiu SOTA no Terminal-Bench 2.1

Em 3 de agosto de 2026, um pesquisador do AIRI publicou no Habr uma análise detalhada do Ouroboros, um agente autoevolutivo escrito em Python puro. O sistema passou meses reescrevendo o próprio código de forma autônoma e atingiu resultados SOTA no Terminal-Bench 2.1, no CL-Bench e no OSWorld, além de empatar com o Claude Code e o Codex nos benchmarks GAIA e SWE-Pro.

Como o Ouroboros escreve a si mesmo?

O Ouroboros é um loop agêntico em Python com acesso direto ao git e permissão para sobrescrever o próprio runtime durante a execução. O ciclo fechado funciona assim: o agente recebe uma tarefa, a executa, analisa o resultado e faz alterações no próprio código-fonte. Depois, reinicia com segurança na versão atualizada. Se a nova iteração quebrar algo, o sistema volta automaticamente à versão anterior.

O autor instalou a primeira versão de propósito no Google Colab, e não em uma máquina local: o isolamento do ambiente de nuvem protegia contra consequências imprevisíveis da autoevolução. O sistema começou de forma modesta.

• Linguagem: Python puro, sem frameworks agênticos de terceiros
• Ambiente: Google Colab, isolado da máquina local do desenvolvedor
• Ferramentas: git, permissão para sobrescrever o runtime, mecanismo de rollback seguro
• Primeiras tarefas: desenhava gatinhos, travava no YouTube, trocava o papel de parede da área de trabalho
• Orçamento: gasto autônomo de tokens, sem controle constante do desenvolvedor

O que mostram os benchmarks

Nos três benchmarks — Terminal-Bench 2.1, CL-Bench e OSWorld —, o Ouroboros alcançou resultados no nível SOTA. Cada um avalia uma faceta diferente das capacidades agênticas: o Terminal-Bench mede o trabalho na linha de comando, o OSWorld, o controle da área de trabalho e de interfaces gráficas, e o CL-Bench, tarefas complexas de programação. No GAIA e no SWE-Pro, foi registrado empate com o Claude Code (Anthropic) e o Codex (OpenAI).

«Eu mesmo nunca teria imaginado um harness assim, mas evolução

autônoma e uma montanha de dinheiro queimada em tokens, sim», diz o autor do projeto, pesquisador do AIRI.

A arquitetura atual do sistema não surgiu de um design manual, mas de dezenas de iterações autônomas, cada uma delas custando tokens de verdade. Vale destacar que o Ouroboros chegou a esse resultado sem grandes recursos computacionais: só o ambiente de nuvem do Google Colab e um orçamento para requisições de API.

Como essa abordagem difere dos agentes convencionais

A maioria dos sistemas agênticos evolui por meio de engenharia de prompts ou de fine-tuning com novos dados, e o código-fonte permanece intacto. O Ouroboros funciona de outro jeito: o agente edita o próprio código-fonte em um ciclo de produção, e foi a evolução da arquitetura, e não a tentativa de vários prompts, que levou aos resultados SOTA.

Isso faz do Ouroboros um dos poucos exemplos publicamente documentados de automodificação real de um agente, com resultados numéricos verificáveis. A maioria dos experimentos semelhantes ou permanece fechada ou não vem acompanhada de dados de benchmark abertos. Segundo o autor, a publicação no Habr inclui traces, números para reprodução e «algumas histórias constrangedoras da auditoria», ou seja, casos em que o agente tomou decisões inesperadas durante a evolução.

O autor relata que hoje «faz quase tudo por meio dele»: o Ouroboros deixou de ser um projeto de pesquisa e virou a principal ferramenta de trabalho.

O que isso significa

O Ouroboros é uma evidência prática de que a autoevolução de agentes, sem orçamentos computacionais de milhões de dólares, pode gerar resultados competitivos. Um pesquisador com um ambiente Colab atingiu SOTA justamente onde competem laboratórios com equipes e infraestrutura de servidores. A próxima questão é como controlar essa evolução à medida que o sistema escala e como evitar comportamentos indesejados de um agente que escreve a si mesmo.