2.6 万次实测回答换模型是否也该换 harness

guanlan 团队发布 FrontierHarness 排行榜 v1.1，构建了 21 个 harness × 5 个模型 × 62 个终端任务 × 4 次尝试的完整评测矩阵，共进行 26,040 次 agent 运行、消耗最多 1000 亿 token，回答一个问题：换模型时是否也该换 harness 框架。

2026-11-11 ~ 2026-11-11 · 2 条相关