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
- diginomica 周报:agentic 自动化被高估,agent 攻防「The Hackening」已开始 — jonerp · 2026-10-26
- 「氛围验证」研究：近 60% 的形式化证明证明的不是作者本意 — basedjensen · 2026-10-26
- Devin 推出安全工具线，由 Claude Mythos 驱动并送数亿美元额度 — DevinAI · 2026-10-26
- HackBench 发布：向 Agent 轨迹注入作弊，压力测试监控器 — DanielKhashabi · 2026-10-26
- HF Hub CLI 大更新:缓存去重省 19GB,GPU 任务可重试重跑 — yb2698 · 2026-10-26
- 一条 Prompt 生成完整 Blender 动画,作者全程未手动建模 — iamfakhrealam · 2026-10-26