LongHarness 基准发布：agent 框架成本差异巨大

2026年10月1日，AGI Hunt 报道称，LongHarness 基准正式发布，用于评测 RLM、编码智能体等长上下文 harness。测试结果显示，不同智能体框架之间的成本差异巨大：同一模型在不同 harness 下，准确率与效率的差距可超过 10 倍；更多算力并不总等于更高准确率，性能相近的框架之间开销相差极大。其中，mini-swe 以接近直推（direct prompting）的成本拿下最佳成绩。报道未披露参评框架的完整名单、具体分数与成本数值。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。