AREX Feed Article
Prime Intellect 称 2,000+ 智能体用两周完成 Prime Agent 的 Rust 自我重写，并称输入提速约 13 倍
10 月 9 日晚间（UTC；北京时间 10 月 10 日凌晨），Prime Intellect 在 X 上称，其开源编程智能体 Prime Agent 已由一支超过 2,000 个智能体的集群用两周时间完成 Rust 重写；帖文给出的规模数字包括 10,000+ 个 Prime Sandbox、2,000 亿个以上 GLM-5.3 token 与 16,000 条智能体间消息。帖文同时称，重写后的 Prime Agent 达到「可用输入」状态的速度约为原先的 13 倍，启动内存减少 83%。
与帖文配套、标注日期为 10 月 9 日的给出了更细的记录。上述规模与性能数字都出自 Prime Intellect 的第一方材料与自建基准；博客注明，外部产品的对比数据由团队自制的运行时套件测得，在缺乏共同基准标准的条件下「比较应谨慎解读」。
2,209 个智能体、16,758 条消息与 2,287 亿个 token
帖文用概数概括的规模，在博客图表里是精确版本：截至 10 月 1 日 15:59，共 2,209 个智能体、16,758 条智能体间消息、2,287 亿个 token（228.70B）。图表把它拆成两段：「Rust 实现」阶段约 1,930 亿个 token、1,981 个智能体，「性能爬坡」阶段 357 亿个 token、228 个智能体。
这些 token 经由 Prime Inference 的 GLM-5.3 端点消耗；所有编排器（orchestrator）及其智能体跑在两台 8 核按需 CPU 节点上，每台支持超过 100 个并发子智能体以及各自的 CPython 内核。编译、类型检查和 diff 这类会压满单机的重活被外包给 Prime Sandbox，以便大规模并行。博客称这次重写压力测试了 Prime Agent 的多智能体能力，以及他们为大规模智能体集群、自主研究与强化学习所建的沙箱和推理基础设施；帖文对此的说法是「迄今最大的一次测试」。人要做的主要是把验证搭好，使大规模自主推进成为可能。
Prime Agent 本身是 Prime Intellect 的开源编程与研究智能体，把它描述为面向编程工作流与长程自主任务的「自我改进 RLM 智能体」，围绕递归语言模型（RLM）与 Continual Harness 两个抽象构建。博客称，它自 8 月发布以来下载超过 30 万次、处理了超过 8 万亿个 token。
让智能体自证没改坏：四类一致性检查与独立评审
把 Prime Agent 从 TypeScript 改写成 Rust，难点在于让智能体自己判断「有没有改坏行为」。团队给四类「一致性」（parity）各配了一套可机检的规范：
- TUI（终端界面）一致性：差分测试把 TypeScript 与 Rust 两个二进制放在相同脚本化的模型下并排运行，逐帧比对终端画面，覆盖启动、斜杠菜单、工具调用、上下文压缩、agents 视图、会话恢复、子智能体与崩溃恢复。
- Harness（运行框架）一致性：对比同一次运行的会话记录，以及两个版本发给模型提供商的请求，确认相同输入产生相同会话。
- 协议一致性：daemon（守护进程）协议的全部消息类型都与 TypeScript 实现比对，保证 ACP 与 daemon 接口保持一致。
- 功能一致性：脚本覆盖不到的界面，由智能体逐组件审计 TypeScript 版本，把每一项标记为一致、部分一致或缺失。
同一线程里的说得更简短：有了这些客观检查，智能体能「看到行为在哪里分叉，并在改动合并前修好」。博客展示的对照截图（下图）里，第三栏把两个版本终端画面的差异高亮出来。
重写由一个「根智能体」总编排：它把工作拆成按拓扑排序的任务，自己不写产品代码，只负责监控进度、合并已完成的工作和对齐优先级。每个任务在四个角色之间流转：Planner 定义特性设计与 TypeScript 的基准行为；Implementer 在独立的 worktree（工作树）里写 Rust；Reviewer 换一个模型、用独立上下文对照实现挑错；Verifier 在全新的 Prime Sandbox 里编译并运行这个特性的一致性检查与测试。评审或验证失败，任务带着结论退回 Implementer；两边都通过才合并。博客给出的理由是：写代码的智能体评估自己的代码会有偏差，所以生成与验证要分给不同的智能体。
博客也写明了边界：一致性检查只能覆盖它实际执行到的行为，剩下的 bug 与行为差异主要靠内部使用暴露。主 RLM 循环达到一致后，重写智能体自己也被切到 Rust 版本上运行，博客的说法是「Rust 版 Prime Agent 开始递归地改进自己」；随后内部团队改用 Rust 构建做日常开发，团队还让智能体批量查看 beta 用户的日志与 trace，自动诊断并解决用户发现的问题。之后的收尾（补功能、修 bug、性能与界面打磨）又花了数周，这一段仍有人参与：找问题、定方向、审结果。
三天性能爬坡：自建基准、测量方式与对照表
功能一致之后，第二个编排器跑了三天的性能爬坡（hillclimb）循环，目标只有一个：在不破坏一致性的前提下改善基准成绩。团队故意不给数字目标，因为固定阈值容易变成停止点。每个实验的流程是：先用 profiling（性能剖析）找出耗时与内存的大头，把假设排成队列；再把候选改动与当前代码放在同一个沙箱里交替构建、运行，并顺带跑邻近基准以捕捉回归；两个使用不同前沿模型的评审智能体核查行为是否仍与 TypeScript 一致、在改动声称输出逐字节一致之处核对是否一致、模型可见的接口有没有回退；通过后合并，下一个实验从新基线出发。
这段循环留下了 144+ 条实验与审计记录，合并了 69+ 个有效改动。博客列出的提升包括：冷启动「输入就绪」延迟从 736.1ms 降到 51.9ms，热启动从 552.3ms 降到 41.4ms；「10 MiB 会话」场景下的进程树内存从 1,130.0MB 降到 237.3MB；安装体积从 172.1MB 降到 59.6MB；agents 视图切换从 78.0ms 降到 12.8ms。
帖文把输入提速概括为「约 13 倍」，博客结果段落写的是「约 14 倍」：两个数字来自不同的对照表。与 TypeScript 同场对照的那张表里，冷启动「可输入时间」为 13.22 倍、热启动 12.96 倍；爬坡对照表里，「输入就绪延迟」为 14.18 倍与 13.34 倍。内存的说法同理：帖文写减少 83%，博客写「超过 80%」，对应的原始数字是启动后整个进程树的 RSS（常驻内存）从 607.4MB 降到 106.0MB。
博客还写明了测量方式：每个基准用一台全新的 4 核、8GB Prime Sandbox，真实终端经由屏幕模拟器驱动、运行在脚本化模型上，计时反映用户看到的时延并排除推理时间；噪声检查会扣下不稳定到无法比较的结果。博客还把 Rust 版与 Claude Code v2.1.289、Codex CLI v0.160.0、Pi v1.0.3、Hermes Agent v0.21.5 排进同一张表：冷启动「可输入时间」Rust 为 55.8ms，Claude Code 为 348.4ms、Codex 为 324.6ms；启动后内存 Rust 为 106.0MB，Claude Code 为 226.9MB、Codex 为 344.4MB。博客称这使 Prime Agent 位列「最快的编码智能体 harness 之一」，同时提醒外部产品的数据由自家运行时套件测得，缺乏共同基准时应谨慎解读。
九个 crate、会话崩溃隔离与 Windows 测试版：重写改变了什么
博客列出的改用 Rust 的理由，围绕着 TypeScript 的短板：类型是可选的、运行时即消失，错误以未检查的异常形式流动；渲染与解析这类吃 CPU 的工作和键盘输入挤在同一个事件循环里；每个进程都要付出 JavaScript 运行时与垃圾回收（GC）的开销。对应的 Rust 优势是：没有 GC 的原生代码贡献了大部分内存与启动收益；Send/Sync 由编译器检查哪些数据能跨线程移动、哪些能共享；穷尽枚举、所有权与生命周期把整类 bug 挡在运行之前，Clippy 的严格 lint 再加几百道检查。博客说，当大部分代码由智能体写就时，这一点很重要。
重写后的代码被拆成九个 crate（Rust 的代码包单元），依赖关系单向、由 Cargo 强制；TUI 唯一的内部依赖是共享类型 crate；最大源文件约 2,500 行，此前约 15,000 行，超过 5,000 行的文件从四个降为零。每个会话运行在自己的 worker 进程里、由一个小 supervisor（监督进程）看管：一个会话崩溃不影响其他会话；会话状态持久化在磁盘上，客户端重启后可以重新接上。客户端、daemon 和每个 worker 编译同一份消息类型；模型与 MCP（模型上下文协议）列表改为运行时拉取的目录，因此上新模型和插件不再需要发版。
这次发布的新版本还带来原生 Windows 支持（beta）与 Homebrew 安装，并保持开源。可对照的公开信号是：GitHub 的语言统计显示，prime-agent 仓库当前以 Rust 为主（约 21.7 MB），TypeScript 只剩约 2.4 KB。
回复里的追问与 Prime Intellect 给出的下一步
发布数小时后，帖文的浏览量超过 9 万次、点赞 900 余次；回复里既有祝贺与玩笑，也有具体的追问： 写道，两周里平均每个智能体「只有大约 8 条消息」，并追问是不是测试套件承担了大部分协调工作； 则请 Grok 估算这次重写的成本，包括真实算力与按其公开定价计算的花费。
Prime Intellect 在博客里说，接下来会加速能力与评估（evals）方面的开发，并把这次重写背后的多智能体工作流开放给用户；Prime Agent 也会更紧密地接入其生态，让用户能在云上智能体集群、推理、traces（追踪记录）、沙箱、评估与托管训练之间工作。至于这次重写花了多少钱，帖文与博客都没有给出数字。