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 多智能体框架登顶 GDPval，以低成本超越 Claude Code(10 条相关)→
「编程与Agent」频道最新
- Claude Code 和 Codex 怎么选，关键其实是外壳 — al_kRicha · 2026-07-24
- 生产环境里，各类 Agent 到底该用什么模型 — Logical-Silver-272 · 2026-07-24
- 图工程一句话总结：确定性多智能体循环就是 DAG — vincent_koc · 2026-07-24
- BackSearch 由 @ranko3000 主导开发，获得多位协作者反馈 — rosstaylor90 · 2026-07-24
- 默认 Codex CLI 配 GPT-5.5 在 XBOW 跑到 92.3% — evilsocket · 2026-07-24
- BackSearch 让智能体按历史日期搜索网页，避免未来信息泄漏 — brianrkelly · 2026-07-24