微软实测：换掉 Harness，Claude 表现竟差 22.1%

据 Woofun AI 消息，11 月 7 日微软发布一份技术白皮书，核心发现令行业震动：在同样使用 的前提下，仅更换 背后的 ，复杂任务通过率便跃升 22.1 个百分点，且折算后的输入 Token 消耗反降 21%。

这一实证数据彻底扭转了市场认知，将 Agent 运行系统从幕后推至前台。就在十天前，微软宣布将统一 Copilot Harness 推广至旗下多产品并出售托管服务；11 月 5 日，月之暗面发布 ，正式提出 Harness as a Service 概念。此前， 于 8 月开源其 Harness，而 OpenAI 与 更早已将内部运行系统转化为开发者可调用的服务。大模型背后的'运行系统'，正演变为模型公司争夺的关键先生。

Harness 可被定义为围绕大模型构建的一套 Agent 运行系统，其核心价值在于赋予模型调用外部工具、持续执行多步骤任务并根据反馈调整行动的能力。对于长周期运行的 Agent，Harness 还承担着保存任务状态、确保中断后工作可续的职能。从层级上看，Harness 与面向用户的 AI 应用（如 、）截然不同，它处于更底层的位置，既可被不同应用复用，也可作为独立服务提供给开发者。

随着 Agent 承担的工作日益复杂，Harness 的设计直接决定了任务成功率、执行效率及运行成本。Anthropic 是较早投入此领域的模型公司，最初旨在解决 Claude Code 在长时间编程任务中的断点问题。2025 年底，Anthropic 发现当上下文窗口耗尽时，新对话往往无法接续旧工作，工程师随即改进 Harness，使 Agent 能在阶段结束前保存进度，下一轮读取记录以继续未竟任务，从而确保即使单次会话结束，整体编程任务仍能持续推进。

今年 4 月，Anthropic 进一步推出 ，将这套能力作为云端服务开放，并通过调整底层架构，使 Harness 负责推动执行、历史记录单独保存、沙箱可随时替换，即便沙箱故障，Agent 也能恢复工作，标志着其将多年积累的 Harness 能力转化为独立产品。

OpenAI 同样选择将 背后的 Harness 开放。今年 2 月，OpenAI 披露 Codex 网页版、命令行及 IDE 插件共用同一套 Agent 运行系统；8 月，Codex 被定位为开放的 Harness 平台，允许第三方应用直接接入；9 月推出的 Agents API 则由 OpenAI 托管维护，开发者可直接接入运行环境。

这一路线使 OpenAI 既能通过 Codex 直接服务用户，又能将底层执行能力提供给软件公司，让开发者保留自身界面与业务流程，由 Codex 在幕后完成任务。相比之下，DeepSeek 于 8 月 13 日以 MIT 协议开放 Harness 全部框架代码，提出'Everything is a Plugin'理念，几乎将整个系统拆分为可自由组合的插件。基于 Cordis 的架构允许开发者替换模型、工具，甚至修改 Agent 调用方式或让其自行编写安装新插件，旨在让开发者无需从头搭建即可按需开发 Agent。11 月 5 日，Kimi 官宣 Hosted Agents 提供全天候云端环境，企业可将 Agent 嵌入内部系统或销售产品，明确提出 Harness as a service。