Hugging Face 发布 Beaker：调优 harness 后旧模型反超新模型

Hugging Face 的 Victor Sanh 于 11 月 4 日发文提出「别等下一个模型」：垂直 AI 应用公司的工程师常认为要等下一代模型发布才能解锁产品能力跃升，但当前模型很可能已经够用，缺的往往是调好的 harness。团队据此发布 Beaker 预览版，可自动调优 agent harness，主张许多你等新模型才能拿到的能力，今天把 harness 调好就能获得。

已确认

• Beaker 将 agent harness 围绕一个比最新模型旧 9 个月的模型调优后，成绩反超最新模型近 10 个百分点
• 在 AutomationBench（Zapier 式跨 Gmail/Slack/Sheets/Salesforce 的业务任务基准）上，GPT-5.2 在未调优 harness 下任务完成率为 30%，调优后提升至 48%
• Beaker 目前为预览版发布

为什么重要

• 该结果直接挑战「等更强模型」的惯性思路，提示工程层面（harness 设计与调优）可能带来比换模型更大的收益
• 对垂直 AI 应用公司而言，Beaker 提供了一条不依赖新模型发布即可大幅提升产品能力的路径，完成率 30%→48% 的提升幅度具有实际落地意义

2026-11-04 ~ 2026-11-04 · 7 条相关

• 【源头】别等新模型：调优 Agent harness 后，旧模型反超最新模型近 10 分 — VictorSanh · 2026-11-04
• 【源头】Beaker 自动调优 agent harness：GPT-5.2 任务完成率从 30% 提到 48% — VictorSanh · 2026-11-04
• Beaker 预览：调优旧模型 harness 性能反超最新 SOTA 近 10 分 — VictorSanh · 2026-11-04

另有 4 条近重复转述:VictorSanh · VictorSanh · VictorSanh · VictorSanh