开源 Harness 让 OS World 2.0 成绩提升约 20%,从第四跳到第一
demeyer1 · reddit · 2026-09-15
一位开发者自建了 MIT 协议的开源(OS)智能体 Harness(执行框架)，针对超长时间、高复杂度知识工作优化，想量化 Harness 本身在同等条件下对权威基准的影响。
作者按正式提交流程（成本高昂）跑了 OS World 2.0 的两组对比：
- Sol/Max 单模型独立运行
- Sol/Max + 该 Harness，并附上完整审计包证明无作弊
结果是 Harness 把 Sol/Max 从第四名拉到第一名，反超 Opus 5，作者称相当于"直接跳过一代前沿模型"。全部代码开源，且未针对基准做专门优化，审计包已公开。作者同时在征集其他能大幅提升 top-10 基准成绩的开源 Harness。
「编程与Agent」频道最新
- Musecases 用例库增至 101 个：AT&T 账单谈判、IKEA 退货、医生文书 5 分钟搞定 — thisiskp_ · 2026-09-15
- Delimit 作者提出:agent 代提 PR 应按目标仓库限权,而非按 diff 正确性 — delimitdev · 2026-09-15
- a16z 推荐的 Playground 上线:让产品决策围绕真实产品展开 — _AustinCalvert_ · 2026-09-15
- Unprompted 2026 大会开售虚拟票,聚焦 AI 与安全攻防研究 — moyix · 2026-09-15
- Cline 推出独立桌面版 Beta:无需编辑器直接跑编码 Agent — aigclink · 2026-09-15
- Pixio + Seedance 2.5 生成 3 分钟惊悚短片:9 个 30 秒块拼成整集 — tsi_org · 2026-09-15