AGI Signal.
17 NOV 2026

换模型必换Harness?64%推理费被浪费

我们与 Baseten 联手,在 27,280 次 coding agent 运行中投入了 830 亿 tokens,发现一个惊人事实:64% 的推理花费竟然消耗在了失败的运行上。这次 FrontierHarness Eval v1.1 评估了 22 种 harness 搭配 5 种模型的表现,结果证明:不同模型的最佳 harness 截然不同。Codex CLI 在 GLM-5.3 上性价比最高,换到 Kimi-K3 却跌出前列。固定模型时,不同 harness 的成本差异可达 5 倍。盲目沿用旧 harness 不仅效率低下,更在白白烧钱。

Read the original