Pandangan dan ulasan

Kesan AI Harness terhadap prestasi melebihi model itu sendiri: GPT-5.5 dan Opus 4.7 mendapat skor lebih tinggi dalam alat pihak ketiga

Tajuk asal:Aftermarket Harnesses

Ringkasan AI

Ujian Endor Labs menunjukkan prestasi model yang sama berbeza besar dalam harness berbeza: kadar ketepatan fungsi GPT-5.5 dalam Cursor ialah 87.2%, jauh melebihi 61.5% dalam persekitaran asli Codex; Opus 4.7 mendapat 91.1% dalam Cursor, lebih tinggi daripada 87.2% dalam Claude Code. Harness menentukan konteks yang dihantar dan strategi cache, dengan cache pintar dapat menjimatkan 40-80% kos dan mempercepatkan 13-31%.

Maklumat penting

  • Ujian Endor Labs menunjukkan prestasi model yang sama berbeza besar dalam harness berbeza: kadar…
  • 5 dalam Cursor ialah 87.
  • 2%,jauh melebihi 61.
  • 5% dalam persekitaran asli Codex
  • 7 mendapat 91.

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
Tomasz Tunguz 博客(VC 分析)
Kategori
Pandangan dan ulasan
Skor AI
67
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

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。

Entiti Berkaitan

Sumber dan hak cipta

Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: Kesan AI Harness terhadap prestasi melebihi model itu sendiri: GPT-5.5 dan Opus 4.7 mendapat skor lebih tinggi dalam alat pihak ketiga. 28 Julai 2026. https://new.nat6.net/ms/news/cmtggvk4o0chbroj7ptn943ah/

Lihat Semua →