开源Harness冲击闭源RSI叙事：18个Agent自主科研，Kimi K3逼近Opus 5
Prime Intellect用多智能体Harness让18个前沿模型自主优化nanoGPT训练，开源模型Kimi K3以2930步的成绩超过GPT-5.6 Sol，逼近Opus 5的2920步。实验显示，在AI科研中试错吞吐量比idea本身更关键，开源模型加Harness可能改变“最强闭源模型赢家通吃”的RSI剧本。
事件概述
Prime Intellect在一项新研究中测试了多智能体Harness在自主AI科研中的作用。他们将18个前沿模型放入nanoGPT优化任务，要求模型自主完成从提出假设、修改代码、运行训练到验证结果的全流程，目标是尽可能少的训练步数将1.24亿参数GPT的验证集loss降至3.28以下。实验统一运行在8张H200上，全程断网并放入sandbox，人类基本不介入。
实验从3290步的baseline出发，公开的人类最佳纪录为2600步。最终成绩：Fable 5以2726步领先，相当于吃掉了从baseline到人类纪录之间690步优化空间中的564步（约82%）；Kimi K3搭配Prime Agent Harness跑出2930步，超过GPT-5.6 Sol的3042步，距Claude Opus 5的2920步仅差10步。
核心信息
Prime Intellect共完成153次全自主实验，单次最长超过8天。他们发现，没有任何一次实验提出真正全新的方法，有效的normalization、学习率调整、权重平均和optimizer技巧都已有类似研究。真正的差距体现在实验执行层面：强模型更少过早否定一个方向，更善于判断小提升是真实信号还是噪声，还会主动制造工具。
例如Kimi K3会自己编写实验函数、比较loss曲线、恢复baseline，并搭建小型数值实验室先验证Newton-Schulz再带回真实训练。
值得关注
这一结果意味着，至少在类似研究任务中，idea本身可能并不稀缺，科研能力更像一个试错吞吐量问题。Prime Intellect因此强调Multi-Agent Harness的价值：用更便宜的开源模型负责监控和实现，把关键判断留给更强模型，从而以同样成本跑更多实验。他们下一步计划把Speedrun扩展到训练栈更多环节并继续扩大实验规模。