InfoQ AI·2 小时前★ 3
同一模型从 30 分到 95 分：拉开差距的是 Harness 而非模型
原文标题：同一个模型从 30 分到 95 分：拉开差距的不是模型，是Harness
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
AI 智能摘要
文章指出，同一模型在不同 Harness（代理运行框架）下评测得分可从 30 分升至 95 分，说明提示组织、工具调用与上下文管理等工程封装对最终表现影响巨大。这提示评估模型能力时需区分模型本身与外围框架的贡献。
所属主题基准测试5
阅读原文 +0
AI 处理过程展开/收起
原始标题：同一个模型从 30 分到 95 分：拉开差距的不是模型，是Harness
AI 中文标题：同一模型从 30 分到 95 分：拉开差距的是 Harness 而非模型
来源：InfoQ AI · 发布于 2 小时前
分类：大模型 · AI 重要度：★ 3（3）
标签：Harness / 基准测试 / AI 代理 / 提示工程
关键词：Harness 模型评测 / AI 代理 框架 / 模型 得分 差异 / 智能体 工程
AI 处理：2026/11/4 18:01:05 · 模型 deepseek-chat · 规则版本 2026-10-21.1
相关推荐
量子位·6 天前★ 5
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
#大模型
The Verge AI·6 天前★ 5
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
#大模型
量子位·19 天前★ 5
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
#大模型
The Verge AI·20 天前★ 5
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。
#大模型