开源盲测基准 Harness Arena 上线，公平对比编码智能体

Reddit 用户发布了 Harness Arena，一个基于 MIT 协议开源的 agent harness 盲测基准。它针对编码智能体横评时变量过多的问题——模型、提示词、工具、环境、任务往往同时变化——提供受控的相同任务，让 Claude Code 等多个 agent 框架能在同题条件下进行公平的横向对比。

2026-09-02 ~ 2026-09-02 · 2 条相关