PRAXIST 开源：MLE-bench 拿 49 金，成本仅 Claude Code 十二分之一
SignalCompetitive582 · reddit · 2026-08-28
Sapient Intelligence（HRM 架构团队）发布 PRAXIST，一个以「谱系」为核心的世代式自主研发 agent 系统：把可复现工件与评估结果转化为带类型的证据图，将局部工件构建与队列级证据合成分离，让后续尝试继承已验证机制、未解论断与约束，避免长期任务反复重学同一教训。
关键结果：在标准 75 任务 MLE-bench 上，官方评分 PRAXIST 获 60 枚奖牌（80.0%，其中 49 金），对比 Claude Opus 4.8 上的 Claude Code 基线 55 枚奖牌（73.3%，34 金），模型花费 3,054 美元对 38,370 美元——约十二分之一成本。四个开放工程案例研究（量化交易、LiDAR-惯性-视觉 SLAM、托卡马克磁控、火箭着陆）均改进任务原生基线，并保留完整可审计的发现路径。
商业化与信号：PRAXIST 开源，但年营收超 100 万美元的公司需商业许可。作者认为这体现了 harness 对 LLM 能力的巨大提升（不只造更好的「发动机」，还要造更好的「车身」），也可能暗示 HRM 架构本身难以继续扩展。
所属事件:Sapient 开源自主研究系统 PRAXIST，低成本夺 MLE-bench 49 金(8 条相关)→
「编程与Agent」频道最新
- raylib 6.2 发布：本想打小补丁，却带来 300+ 项改进与百位新贡献者 — jsuarez · 2026-10-16
- 开发者吐槽：vibecoding 这个词和 AI、SI 一样词不达意 — eschadiol · 2026-10-16
- Doc2Harness 基准：19 个前沿模型测编码 Agent，最高通过率仅 53% — _akhaliq · 2026-10-16
- Perplexity 开源 Agent 沙箱平台 SPACE：每个任务独立 Firecracker 微虚拟机 — perplexity_ai · 2026-10-16
- 黑石集团全面采用 Factory 平台做自主软件开发 — matanSF · 2026-10-16
- 老用户退订 Windsurf：多个 AI 订阅来回切换的隐性成本太高 — tristanbob · 2026-10-16