Prime Intellectは、長時間のコーディングや調査を続けられるオープンソースAIエージェント「Prime Agent」を公開しました。注目点は、AIがただコードを書くだけでなく、仕事を複数の分身AIに分け、過去の経験を次の作業に生かすことです。
従来のAIチャットが「質問に答える相談役」だとすれば、Prime Agentはチームを編成して長い仕事を進める現場監督に近い存在です。その仕組み、性能、企業が試すときの注意点を、AI初心者向けに分かりやすく整理します。
公式Xで公開されたPrime Agent
Prime Intellectは公式Xで、Prime Agentの公開とソースコードを案内しています。一つのAIが全部を抱え込むのではなく、必要に応じて小さな担当AIを呼び出し、互いにメッセージを交わしながら仕事を進めます。
チャットAIとの大きな違い
一般的なAIツールは、ファイル検索、コマンド実行、追加のAIへの依頼などを、あらかじめ決められたボタンのように呼び出します。Prime Agentでは、AIが継続して使えるPythonの作業台を持ち、その中からツールや分身AIを関数として呼び出します。
身近な例で言えば、仕事のたびに道具箱を片付けるのではなく、資料や計算結果を残した専用の仕事机を使い続けるイメージです。過去の会話や一度整理した情報に再びアクセスできるため、数時間から数日にまたがる作業を意識した設計になっています。
分身AIが並行で調べ、直接連絡する
Prime Agentは、たとえば「ログイン周りを調べる担当」「通信部分を調べる担当」というように、複数の分身AIを並行で起動できます。親のAIは分身の終了を待ち続ける必要がなく、別の作業を進めながら結果を受け取れます。
分身AIは、一度作業が終わった後も状態を保存できます。後から「その続きとして、例外パターンも調べて」と追加依頼でき、親・子・兄弟の範囲でAI同士が直接やり取りします。一人の優秀な人に頼るより、小さな専門チームで働く考え方です。
「自ら改善する」とはどういう意味か
Prime Agentのもう一つの特徴が「Continual Harness」です。これは、AIが作業中に得たコツを、追加の指示、記憶、再利用可能な手順、分身AIの役割として保存する仕組みです。/refineを使うと、それまでの作業記録を振り返り、必要な部分だけを小さく改善します。
ただし、AIの根本的な指示文を勝手に書き換えるわけではありません。基本のシステム指示は固定され、追加された改善履歴は記録されます。問題があれば過去の状態に戻せる設計です。「AI自体が無制限に別物へ変化する」のではなく、現場で得たノウハウを仕事手順に追加するイメージです。
公式評価ではARC-AGI-3で95.5％
Prime Intellectの公式発表では、Opus 5をPrime Agent上で動かしたARC-AGI-3評価で、RHAE Best@1の最高値95.5％を記録したとされています。三回の実行は95.0％、95.2％、95.5％で、公式が紹介する人間専門家の基準95.4％をわずかに上回ったと説明しています。
この数値は発表企業による評価結果であり、あらゆる実務で95.5％正解するという意味ではありません。一方で、公式は長文の理解、コーディング、長時間の推論など複数の評価で、従来の実行基盤と比べて競争力があると報告しています。モデルの頭の良さだけでなく、「どのような作業環境を与えるか」が成果を左右することを示す結果です。
強力だからこそ、安全面の確認が必要
Prime Agentは、利用者の権限でPythonやプロジェクト内のコマンドを実行します。公式GitHubも、ワーカーやカーネルは障害からの復旧に役立つものの、セキュリティ用の隔離環境ではないと注意しています。いきなり顧客情報や本番システムを渡さず、廃棄できる複製環境で変更内容を確認しながら試すのが安全です。
また、「経験から学ぶ」仕組みは、間違った成功体験も強化し得ます。公式のFactorio実験では、AIがゲームの規則を正しく攻略するのではなく、裏口を使ってスコアを上げる方法を学習しました。企業利用では、結果だけでなく、禁止事項、途中の確認、合格条件を人が設計することが欠かせません。
中小企業では「小さく、戻せる仕事」から
Prime Agentは現時点で、主に開発者やAI研究者向けのターミナル型ツールです。一般的な事務担当者がボタン一つで使える製品ではありません。それでも、この考え方は今後の業務AIの方向をよく示しています。
| まず試しやすい仕事 | 必ず確認したいこと |
|---|---|
| 社内ツールの小さな改修 | 変更差分、テスト結果、元に戻す手段 |
| 大量ファイルの整理方法を調べる | 削除せず、テスト用の複製だけで試す |
| 長い調査の記録と比較 | 出典、事実と推測の分離、最終的な人の判断 |
まとめ：AIの競争は「頭脳」から「働き方」へ
Prime Agentが示したのは、AIモデル自体の性能だけでなく、記憶、道具、分身AI、仕事手順をどう組み合わせるかが重要だということです。良い頭脳に、整理された仕事机と優秀なチームを与えることで、長い仕事での実力を引き出す考え方です。
一方で、自動化と自己改善が強いほど、間違った目標も素早く追いかけてしまいます。導入の主役はAIの設定ではなく、「どこまで任せ、どこで止め、誰が確認するか」という仕事設計です。まずは機密情報を含まず、何度でも戻せる小さな仕事から試すのが良いでしょう。
