Harness 成 AI 新入口：微软实测效率翻倍，巨头抢跑托管服务

据 Woofun AI 消息，微软于 11 月 7 日发布的技术白皮书引发行业震动，其核心结论将 Agent 执行系统（）确立为决定 AI 应用效能的关键基础设施。测试数据显示，在保持 4.8 模型不变的前提下，仅替换 背后的 Harness，复杂任务的通过率便实现了 22.1 个百分点的跃升。

这一结果不仅验证了底层运行系统对上层应用的杠杆效应，更标志着微软正通过统一 Copilot Harness 并向开发者出售托管服务，试图在 Agent 生态中占据主导地位。

微软内部数据的进一步拆解揭示了性能提升背后的资源置换逻辑：新系统在执行每项任务时，调用模型的次数几乎翻倍，但折算后的输入 Token 消耗却减少了 21%。这种以计算次数换取效率的模式，凸显了 Harness 在优化推理路径上的核心价值。

值得注意的是，这一技术突破并非孤立事件。就在十天前，微软宣布将统一的 Copilot Harness 推广至旗下多产品，并通过云平台提供托管服务。紧随其后，11 月 5 日月之暗面发布 ，正式提出 Harness as a Service 概念。回顾时间线，8 月 DeepSeek 开源其 Harness 框架，而 OpenAI 与 Anthropic 则更早地将内部运行系统转化为开发者可调用的服务。

从结构上看，大模型背后的'运行系统'已不再是辅助组件，而是成为模型公司眼中的关键先生。

Harness 的本质是围绕大模型构建的一套 Agent 运行系统，它赋予模型使用外部工具、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 负责保存任务状态，确保工作中断后可无缝继续。这与直接面向用户的 AI 应用（如 、）处于不同层级：底层 Harness 可被不同应用复用，亦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 逐渐成为影响任务成功率、执行效率和运行成本的决定性因素。

Woofun AI 整理数据显示，行业对 Harness 的关注度正从技术实现向商业服务快速迁移，其价值在于解决长任务状态保存难题，成为独立于应用层的复用服务。

Anthropic 是较早投入 Harness 研发的模型公司，其演进路径始于解决 Claude Code 在长时间编程任务中的上下文耗尽问题。今年年底，Anthropic 发现当上下文窗口耗尽时，新一轮对话往往无法接续此前工作。为此，工程师改进了 Claude Code 背后的 Harness，使 Agent 能在每个阶段结束前保存进度，并在下一轮读取记录以继续未完成任务。今年 4 月，Anthropic 进一步推出 ，将这套运行能力作为云端服务提供给开发者。为确保企业长期稳定运行 Agent，Anthropic 调整了底层架构：Harness 推动任务执行，历史记录可单独保存，AI 运行程序的沙箱也可随时替换。即使沙箱故障，Agent 也能恢复工作。从内部运行系统到面向外部的托管服务，Anthropic 将多年积累的 Harness 能力转化为独立产品。

OpenAI 与 DeepSeek 则选择了开放底层架构的路线，允许第三方接入与插件化组合。今年 2 月，OpenAI 披露 网页版、命令行和 IDE 插件共用同一套 Agent 运行系统。8 月，OpenAI 将 Codex 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 由 OpenAI 托管维护，开发者可直接接入运行环境。