Harness大战

11月7日，微软公开了一份围绕Agent执行系统的技术白皮书。里面有一组结果挺出人意料：模型还是Claude Opus 4.8，只把Copilot Studio背后的Harness换掉，复杂任务的通过率就抬高了22.1个百分点。新系统每项任务调用模型的次数差不多翻了一倍，可折算下来，输入Token消耗反而能少21%。

再往前十天，微软才刚说要把统一的Copilot Harness铺到旗下多款产品上，同时借云平台把托管服务卖给开发者。

11月5日，月之暗面发布Kimi Hosted Agents（托管智能体），正式打出Harness as a Service的旗号。8月，DeepSeek把自己的Harness开源了；OpenAI和Anthropic动作更早，内部运行系统早已变成开发者能调用的服务。

大模型背后那套“运行系统”，正在被模型公司当成关键角色。

01 抢滩Harness

Harness说白了，就是围绕大模型搭起来的一整套Agent运行系统。模型借助它调用外部工具、连续完成多步骤任务，再根据执行结果调整下一步动作。碰上要跑很久的Agent，Harness还管着任务状态的保存，中断之后接着干。

它和AI应用不在一个层面上。Claude Code、WorkBuddy这类产品直接面对用户，底层的Harness则能被不同应用反复使用，也能单独作为服务卖给开发者。Agent揽下的活越来越复杂，Harness也就越来越直接地影响任务成功率、执行效率和运行成本。

Anthropic动手做Harness算早的，起因是Claude Code在长时间编程任务里出了状况。

2025年底，Anthropic注意到，Claude的上下文窗口一旦用尽，新一轮对话常常接不上前面的活。工程师随后改造了Claude Code底层的Harness：Agent在每个阶段收尾前先把进度存下来，下一轮再读回这些记录，把没做完的任务继续下去。这样一来，一次模型会话结束，整个编程任务照样能往前推。

今年4月，Anthropic又推出Managed Agents，把这套Agent运行能力做成云端服务交给开发者。企业要长期稳定地跑Agent，底层架构也跟着调了：Harness负责推进任务，历史记录能够单独存，AI运行程序的沙箱随时可以换掉。沙箱万一出故障，Agent也能把此前的工作恢复起来。

从Claude Code内部的运行系统，到面向外部开发者的托管服务，Anthropic把攒了多年的harness能力做成了独立产品。

OpenAI

顺着这条路，OpenAI一边用Codex直接服务用户，一边把底层执行能力交给其他软件公司。开发者能保住自己的产品界面和业务流程，具体任务由背后的Codex完成。

8月13日，DeepSeek以MIT协议把Harness全部框架代码开放出来，提出“Everything is a Plugin”，几乎把整套Agent运行系统拆成了能自由拼装的插件。开发者不光能换模型、换外部工具，还能改Agent调用模型、执行任务的方式，甚至让Agent自己写插件、装插件。

这套架构基于Cordis，图的是开发者不用从零搭运行系统，按自己的需求就能做出不同类型的Agent。

11月5日，Kimi官宣Hosted Agents，提供全天候云端环境。企业可以把Agent放进内部系统，也能嵌进对外销售的产品，同时明确喊出Harness as a service。

02 Harness进化

其实，Harness这波热度不是模型公司先烧起来的。

今年初OpenClaw走红，行业已经看到：一家没有基础模型的公司，照样能靠Agent运行系统聚起大批用户。2月，OpenAI把OpenClaw创始人Peter Steinberger招了进来，参与下一代个人Agent的研发。

之后Nous Research推出Hermes Agent，试着让Agent把工作中攒下的经验存成可复用的Skills，并在后面的任务里接着改进。

3月底，

这些探索为什么值得模型公司下注？10月，

FrontierHarness Eval给出的数据是：同一个Kimi K3，走Codex的任务通过率66.7%，走WorkBuddy Creator是63.3%，走Kimi Code只有56.7%。

研究者还在想办法把Harness积累的经验用到模型训练上。7月提出的Co-Harness，先用失败记录把Harness改好，再拿优化后的执行数据去训练模型。11月公布的HarnessFlow则试着自动搜索更优的Harness设计，在六类任务上把平均成绩提高了10.89个百分点。

但自动优化同样伴随着风险。11月初一项研究显示，某个Harness针对新任务调优之后，它原本在SWE-bench上94%的成绩掉到了32%。模型一旦升级，此前管用的设计也可能失灵。

换句话说，Harness上的技术积累很难吃一辈子。一边持续改进、一边让各项任务都稳住，这道题目前还没有答案。

有行业人士认为，这也是部署开源模型时最头疼的地方。模型公司于是开始把Harness当作服务来卖。开源框架本身免费，可企业要让Agent长期稳定跑下去，部署和维护的钱还是得掏。Kimi、Anthropic等公司盯上了这块活儿，把Harness做成一门独立生意，只是各家打法差别不小。

03 Harness的隐藏价值

Harness已经能单独收费了，但从目前的价格表看，模型推理仍旧是收入的大头。

Anthropic的Managed Agents按活跃会话小时计费，每小时0.08美元，Token另算。按其官方公布的一小时编程任务示例，总花费0.58美元，托管运行费只占大约14%。

Kimi那边分三块收钱：模型Token、沙箱运行和付费插件。它公布的一次投行法律分析任务，估算成本约30元，沙箱费用不到0.1元。OpenAI在Agents API公测阶段不额外收服务费，主要按模型和工具的使用量算。DeepSeek则把Harness以MIT协议开源，没有直接收费的设计。

这么看，眼下模型公司从Harness上拿到的直接收入恐怕少得可怜。

那为什么还要往里砸大量研发资源？

一个关键原因是，企业把Agent真正用起来之后，对Harness的需求往往比对某一款具体模型更稳。

美国法律服务公司ABC Legal原先让Agent跑在员工电脑上，靠定时任务执行。用的人多了，CTO Brandon Fuller开始物色能统一管理这些Agent的平台。他比过好几套方案，最后选了Anthropic的Managed Agents，原因是企业不想再维护那些分散的运行环境。

据Anthropic披露，ABC Legal一个月内就把50多个Agent推上了生产环境，约310名员工日常使用Claude。员工不用懂软件开发，配置一下就能建出新的Agent。

可见，托管Harness的吸引力来自企业的真实需求。相比于自己从头搭部署、长期养运行系统，企业更愿意买现成服务，把工程资源留给自己的业务。

但企业未必肯为此被一家模型公司绑住。

今年8月，VentureBeat公布了对107家企业的调查。85%的受访企业同时用着两套或更多Agent编排平台。挑平台时，29%的企业最看重模型与工具的灵活性，把与某个领先模型的原生适配放在首位的只有10%。样本虽然偏向大型科技企业，却已经透出一种采购倾向：客户想留住换模型的自由。

这就给了Harness竞争另一种商业逻辑。企业若愿意长期用同一套运行系统，提供商就算拿不到模型调用的独占权，也可能持续赚到托管、维护和企业开发服务的钱，还能和客户处成更稳的关系。

这样一来，Harness就能摸到企业实际干活的执行过程。跟单纯的模型API比，它能记下一项任务从开始到收尾的完整轨迹，包括模型调用、工具执行、失败重试和最终结果。这些记录既帮企业查故障，也能给模型研发提供有价值的反馈。

要是能持续拿到经过验证的真实任务反馈，模型公司就有望更快发现模型在生产环境里的毛病。不过，这份好处也受数据权利的明确约束。

这也给模型公司出了道新题：企业既能自由更换底层模型，又攥着自己的数据不放，Harness还能攒下多大的长期优势？

对模型公司来说，Harness带来的东西可能比直接收费更长远。当企业把越来越多的活交给Agent，谁能提供靠得住的运行系统，谁就有机会左右模型的选择，以及AI以什么方式参与真实业务。

说到底，还是一个熟悉又老套的词：入口。

可这个词在互联网时代扎得太深，总会碰到AI时代竞争的那根敏感神经。眼下，Harness在某种程度上就扛着这份期待，还有想象力。