别等新模型：调优 Agent harness 后，旧模型反超最新模型近 10 分
VictorSanh · x · 2026-11-04
Hugging Face 的 Victor Sanh 发文称，很多垂直 AI 应用公司的工程师总在等下一个模型发布来解锁产品能力跃升，但「如果你现在的模型已经够用呢？」
他们团队把 agent harness 围绕一个比最新模型旧 9 个月的模型做了调优，结果在 held-out AutomationBench 任务上比未调优的最新模型高出近 10 个百分点。配图数据显示：GPT-5.2/5.4 Mini/5.6 Luna 经 Beaker 调优后均稳定在 48% 左右的任务完成率，而最新模型 GPT-6 Luna（medium）未调优只有约 40%，未调优旧模型更是在 30% 上下。
核心结论：harness/工作流的调优收益可以超过模型迭代的收益，与其追新模型不如先把现有模型的运行环境调好。
所属事件:Hugging Face 发布 Beaker：调优 harness 后旧模型反超新模型(7 条相关)→
「漫话AGI」频道最新
- Sam Altman 谈 AI 进入 RSI 时代:系统该比人聪明多少 — ChrisGPT · 2026-11-04
- 27万粉博主断言：LLM 个性化生成正让教学视频失去价值 — signulll · 2026-11-04
- 看下班后还剩什么待办，就知道 AI 还差在哪 — alliekmiller · 2026-11-04
- 安全研究者：AI Agent 正压缩网络攻击的反应时间窗口 — _shreya_s · 2026-11-04
- RISC-V 之父 Patterson 预言：2030 年 AI 和机器人将包揽所有工作 — davidpattersonx · 2026-11-04
- Domingos 断言：把文本处理器当推理器用是范畴错误 — pmddomingos · 2026-11-04