现在 AI 行业正在爆发 Harness 大战，简单说就是各家不再只比拼大模型本身能力，而是卷模型外层的 Agent 编排运行框架，同一个大模型，搭配不一样的 Harness，任务通过率、Token 消耗、稳定性都会出现巨大差别，甚至直接改变模型跑分排名，Harness 已经变成决定 Agent 好不好用、成本高不高的核心变量，行业共识公式就是 Agent = 基础模型 + Harness。Harness 相当于给大模型配套的控制系统，负责调度工具、保存任务进度、拆分子任务、管理上下文、循环执行和结果校验，大模型只是动力核心，Harness 决定它能不能稳定跑完复杂长任务，像写完整项目代码这种多步骤工作，没有成熟 Harness，裸模型很容易上下文溢出、任务中断、来回重复干活。
为什么 Harness 会成为新战场
- 基础模型差距在快速收窄，单纯堆参数、刷 Benchmark 的边际收益越来越低，很难拉开长期差异化优势。
- 实测验证 Harness 影响权重很高，南洋理工大学测试 66 组模型 + Harness 组合，更换 Harness 可以直接改写模型性能排名；同一款 Kimi K3，不同 Harness 下任务通过率差异最高超 10 个百分点。
- 成本差异极其明显，相同编程任务，不同 Harness 方案 Token 消耗最多差 30 倍，并行拆分、上下文隔离做得好的 Harness，能大幅降低调用成本。
- 商业化落地刚需，企业用户、开发者需要 Agent 长时间持续干活、断点续跑、可追溯，这些能力都由 Harness 工程实现，不是模型原生自带。
当前主流参战玩家和路线
| 玩家 | 代表 Harness 产品 | 核心路线特点 |
|---|---|---|
| Anthropic | Claude Code Harness | 优先保障长任务稳定性，断点保存、会话接续能力强，缺点 Token 消耗偏高 |
| OpenAI | Codex Harness | 擅长任务并行拆分，子任务上下文隔离，控 Token 成本，用户增长速度快 |
| DeepSeek | DeepSeek Code Harness | 对标 Claude Code，专门面向代码 Agent 场景，正在扩招团队重点投入 |
| Kimi | Kimi Code Harness | 平衡成功率和 Token 消耗，在多组横向评测里综合成本表现较好 |
| 斯坦福等学术团队 | Meta-Harness | 自动根据失败记录修改 Harness 代码，自动迭代优化框架本身 |
Harness 大战的核心比拼方向
- 任务调度：串行 / 并行任务拆分策略，子任务之间会不会互相污染上下文
- 记忆与断点：跨会话状态保存、失败回滚、中断后续跑能力
- Token 优化：上下文裁剪、摘要、独立分片，控制整体调用开销
- 工具调用：自动选工具、校验工具返回结果、规避无效循环
- 可评测性：配套评估套件，自动验证 Harness 改动带来的效果变化
后续发展结论
接下来一段时间，Harness 工程会和基础模型研发并行投入，不会替代模型，而是放大模型能力；后续竞争还会延伸到 Skill 管理、审计溯源、企业治理层。对开发者来说，选型 Agent 不能只看模型名字，必须把配套 Harness 方案纳入重点测试；对模型厂商来说，只做强模型、没有配套 Harness，在 Agent 落地赛道会明显吃亏。
【常见问题】
问题 1：Harness 大战里的 Harness 到底是什么，和大模型有什么区别？
回答 1：Harness 是 AI Agent 的编排运行框架，不是大模型本身，Harness 大战比拼的是这套调度控制系统，大模型负责推理生成，Harness 负责安排任务、管记忆、调工具、控上下文，两者组合才是可用 Agent。
问题 2：Harness 大战中，换 Harness 真的能改变同一个模型的性能吗？
回答 2：可以，在 Harness 大战的多组公开评测中，同一模型搭配不同 Harness，任务通过率、Token 消耗差距很大，甚至会改变不同模型之间的性能排名。
问题 3：Harness 大战对普通开发者和用户有什么实际影响？
回答 3：开发者选型 Agent 产品时，要重点看 Harness 设计，同样效果下 Token 成本差距最高可达几十倍；普通用户能感受到 Agent 能不能一口气做完复杂任务、会不会中途断掉、回答会不会越来越贵。
【参考资料】
[2026-11-10]（Harness 大战）36 氪
[2026-07-31]（Claude Code 到底有多费 token？对比实验来了：三大框架最多差 30 倍）36 氪
[2026-05-27]（下一个 AI 较量场，为什么是 Harness？）36 氪
[2026-04-15]（别人都在卷 Harness， 而 Google 的沉默振聋发聩）36 氪
【免责声明】
本文内容仅为行业资讯信息整理，所有评测数据、厂商动态以官方最新发布为准，不构成技术选型、投资、采购建议；不同测试环境下 Harness 的性能、Token 消耗结果会存在波动。