विचार और समीक्षा

AI Harness का प्रदर्शन पर प्रभाव मॉडल से अधिक: GPT-5.5 और Opus 4.7 तृतीय-पक्ष टूल में अधिक स्कोर करते हैं

मूल शीर्षक:Aftermarket Harnesses

AI सारांश

Endor Labs के परीक्षण से पता चलता है कि एक ही मॉडल का प्रदर्शन अलग-अलग harness में बहुत भिन्न होता है: GPT-5.5 का Cursor में कार्यात्मक सटीकता 87.2% है, जो Codex के मूल वातावरण में 61.5% से बहुत अधिक है; Opus 4.7 का Cursor में स्कोर 91.1% है, जो Claude Code के 87.2% से अधिक है। Harness तय करता है कि कौन-सा संदर्भ भेजा जाए और कैशिंग रणनीति क्या हो, और बुद्धिमान कैशिंग 40-80% लागत बचा सकती है तथा 13-31% गति बढ़ा सकती है।

मुख्य जानकारी

  • Endor Labs के परीक्षण से पता चलता है कि एक ही मॉडल का प्रदर्शन अलग-अलग harness में बहुत भिन्न होता…
  • 5 का Cursor में कार्यात्मक सटीकता 87.
  • 2% है,जो Codex के मूल वातावरण में 61.
  • 5% से बहुत अधिक है
  • 7 का Cursor में स्कोर 91.

एक नज़र में

प्रकाशन समय
अपडेट समय
स्रोत
Tomasz Tunguz 博客(VC 分析)
श्रेणी
विचार और समीक्षा
AI स्कोर
67
मूल पढ़ें मूल स्रोत पर पूरा लेख पढ़ें
सुझाव का कारण

作者引用同一模型在不同 harness 下的分数差与缓存研究,说明 harness 而非模型决定成本和表现,读者可借此审视自己的工具链选择。

संबंधित एंटिटी

स्रोत और कॉपीराइट

यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।

मूल लिंक · AIHOT प्रविष्टि

उद्धरण कैसे दें

इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।

Orange News: AI Harness का प्रदर्शन पर प्रभाव मॉडल से अधिक: GPT-5.5 और Opus 4.7 तृतीय-पक्ष टूल में अधिक स्कोर करते हैं। 28 जुलाई 2026। https://new.nat6.net/hi/news/cmtggvk4o0chbroj7ptn943ah/

सभी देखें →