Floatboat发Harness评测:便宜模型配好底座跑赢旗舰
机器之心 · wechat · 2026-08-08
AOETechLabs 旗下 Floatboat 公布了其 Agent 底座（Harness）在五项第三方基准上的完整评测数据。数据显示，使用成本极低的 DeepSeek-V4-Flash 模型，配合 Floatboat Harness，在五项测试中全面超越了价格贵 57 倍的 Claude Opus 4.8 旗舰模型组合。
关键发现
- 验证变量：在完全隔离的沙盒环境中，同一个 DeepSeek 模型在官方 Harness 下表现平平，但接入 Floatboat 后成绩大幅提升，证明底座系统对 Agent 能力有决定性影响。
- 长程任务优势：任务链条越长、越复杂，Floatboat Harness 的增益就越大（最高可达 23.6%），表明其在维持跨步骤状态和自我修正方面具有优势。
提出 HLR 指标
团队提出了 Harness 杠杆率 指标，用于衡量在同等预算下，更换执行系统与升级底层模型带来的收益差异。数据显示，在长程任务中，优化 Harness 的收益远超单纯升级昂贵模型。
「编程与Agent」频道最新
- Decision Models 把内部沙箱系统独立成产品，主打低价决策 API — airesearch12 · 2026-10-16
- BuilderIO 开源 agent-native 框架，GitHub 已揽 7.4k star — aigclink · 2026-10-16
- Agent-Native 理念：让人和 Agent 共用同一套应用能力层 — aigclink · 2026-10-16
- 用 ChatGPT 会话经 Desktop Commander MCP 启动 Claude Code CLI — MidahBootyQuay · 2026-10-16
- 单操作员指挥多智能体能做的事已超乎想象 — natesiggard · 2026-10-16
- Claude Code 会话该跑多久？3 小时后上下文成灾的真实教训 — Additional-Buy-2562 · 2026-10-16