实测同一提示词下编码 harness 显著影响模型输出质量

开发者 Nathan Wilbanks 用完全相同的提示词和种子图（要求把设计稿转成 HTML/three.js 的真实可交互 UI），在 Codex 与 AGNT 两个 harness 中测试 Astra xHigh 模型。结果显示不同 harness 下产出差异明显，作者随后放出左右对比图向网友征集「哪边更好」的判断，并得出结论：编码 harness 本身仍是决定模型输出质量的关键因素。

2026-09-05 ~ 2026-09-05 · 3 条相关