Offloop 4 人多智能体 harness 在 GDPval 上反超 Claude Code 和 Codex
rohanpaul_ai · x · 2026-07-24
- 这条帖子的核心判断是：真正的能力层正在从模型本身，转向外围的 harness/编排系统。
- Offloop 说他们用一个 4 人团队做出的 multi-agent harness，在 GDPval 和相关工作类基准上超过了 Claude Code 和 Codex。
- 贴出的关键数据是：
- GDPval：84.9 分，单任务成本 $1.65
- Claude Code（Opus 4.8）：82.4 分，单任务成本 $14.38
- Codex（GPT 5.6 Sol）：83.3 分，单任务成本 $5.20
- 这些基准被描述为覆盖 44 个职业、9 个行业 的真实知识工作任务，模型可使用 shell 和浏览器，再由人类专家做盲测对比。
- 帖子想强调的是：更低的完成单任务成本意味着 agent 可以更久地跑、每美元做更多活，规模化后利润结构也更能站得住。
所属事件:Offloop 多智能体编排框架登顶 GDPval(10 条相关)→
「编程与Agent」频道最新
- 开源 Agent Skill 2.3k 星:生成 MVP 蓝图并审计重构 agentic harness — tom_doerr · 2026-09-11
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11