AI图鉴

AI图鉴首页 › AI 资讯 › 山东大学研究:代码智能体的复杂 harness 主要提升 token 消耗而非性

山东大学研究:代码智能体的复杂 harness 主要提升 token 消耗而非性能

来源:掘金 · 发布时间:10-25 · 由 AI图鉴每小时自动聚合

山东大学研究者测试了三种代码智能体框架,发现 Claude Code 和 OpenCode 等复杂 harness 相比简单实现并未提升解题率,性能差异主要源于输出限制等配置差异,而 token 消耗

山东大学的 Liu 和 Han 测试了三种代码智能体 harness(Claude Code、OpenCode 和 mini-SWE-agent),发现复杂框架并未改善模型的实际编程能力,主要区别在于消耗了更多 token。所有测试均在离线环境下进行。

研究覆盖了 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 五个模型。论文标题直接给出结论:harness 买到的主要是 token(What does a harness buy? Mostly tokens)。

性能差异来自配置而非框架

Claude Opus 5 仅在 Claude Code 中作为参考运行。研究者移除 Claude Code 的工具调用功能后,Claude Opus 5 的结果没有变化,说明复杂的工具集成对该模型无实质影响。

OpenCode 的性能差距中,约一半可以追溯到输出限制这一配置参数。研究还在 Terminal-Bench 2.1 上进行了小规模交叉检查,结果显示相同模式。

数据与复现

数据和分析脚本已在 GitHub 上公开,支持对实验结果的验证。研究未涉及 harness 对推理速度或错误恢复能力的影响,仅聚焦于最终解题率与资源消耗的对比。

原文地址:tools.wflynn.cn/aitools/tre…

关注公众号「YourTools」,每天推送 GitHub 趋势与开源工具速报:

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(juejin.cn)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 591 款 AI 工具分类导航 · 每日 AI 热门项目与动态