调优 harness 后，落后 9 个月的旧模型反超最新模型近 10 分
VictorSanh · x · 2026-11-04
Victor Sanh（Hugging Face）回应一个常见说法：垂直 AI 应用公司总觉得要等下一代模型才能解锁产品能力跃升。他们的实验显示，把 agent harness 围绕一个比最新模型老 9 个月的模型调优后，成绩反超最新模型近 10 分。
证据在累积：harness 决定了你能从模型身上榨出多少能力——
- OpenAI 仅改两个 harness 设置就把 ARC-AGI-3 分数提高 3 倍
- LangChain 用同一模型把 Terminal Bench 从 52.8 提到 66.5
- 一次调优运行就让 GPT-5.2、GPT-5.4 Mini 和 GPT-5.6 Luna 达到约 48%，超过最新模型的 39%
结论：与其干等九个月后的新模型，不如先把手头模型的 harness 调好。
所属事件:Hugging Face 发布 Beaker：调优 harness 后旧模型反超新模型(8 条相关)→
「编程与Agent」频道最新
- YC 孵化 Simantic:用仿真层让 AI 智能体按软件速度测试固件 — ycombinator · 2026-11-04
- Bittensor 子网 33 上线 Skill Store:经测试的技能库让开源模型干前沿活 — markjeffrey · 2026-11-04
- 用 Microsoft Copilot Harness 搭 24 小时新闻台：关键在编辑流程而非提示词 — WirelessLife · 2026-11-04
- Polyphonic 将为 AI agent 配专属 Mac,引入开源 terminal-mac — RileyRalmuto · 2026-11-04
- 开发者用 Claude 逆向 ResMed CPAP 呼吸机固件，怒斥 Anthropic 分类器拦截救命项目 — ryunuck · 2026-11-04
- Salesforce 开源 Pronto 示例应用，演示 MCP 服务器暴露业务逻辑 — msrivastav13 · 2026-11-04