微软白皮书实证：换掉 Harness，同样的 Claude 表现差出一截

据深潮 TechFlow发布，作者：腾讯科技 11 月 7 日，微软发布了一份关于 Agent 执行系统的技术白皮书，包含一组有点出人意料的测试结果：同样使用 Claude Opus 4.8，只换掉 Copilot Studio 背后的 Harness，复杂任务通过率就提高了 22.1 个百分点。新系统每项任务调用模型的次数几乎翻倍，折算后的输入 Token 消耗却可以减少 21%。 就在十天前，微软刚宣布将统一的 Copilot Harness 推广到旗下多个产品，并通过云平台向开发者出售托管服务。 11 月 5 日，月之暗面刚刚发布 Kimi Hosted Agents（托管智能体），正式提出 Harness as a Service。8 月，DeepSeek 开源了自己的 Harness；OpenAI、Anthropic 更早就已经把内部运行系统变成开发者可以调用的服务。 那个大模型背后的“运行系统”，开始成为模型公司眼中的关键先生。 抢滩 Harness Harness 可以理解为围绕大模型搭建的一套 Agent 运行系统。它让模型能够使用外部工具、持续执行多步骤任务，并根据执行结果调整后续行动。对于需要长时间运行的 Agent，Harness 还负责保存任务状态，使工作能够在中断后继续。 它与 AI 应用处于不同的层次。比如 Claude Code、WorkBuddy 等产品直接面向用户，而底层 Harness 可以被不同应用复用，也可以作为独立服务提供给开发者。随着 Agent 承担的工作越来越复杂，Harness 逐渐成为影响任务成功率、执行效率和运行成本的重要因素。 Anthropic 是较早投入 Harness 研发的模型公司之一，最初是为了解决 Claude Code 在长时间编程任务中遇到的问题。 2025 年底，Anthropic 发现，当 Claude 的上下文窗口耗尽，新一轮对话往往无法接续此前的工作。工程师于是改进了 Claude Code 背后的 Harness，让 Agent 在每个阶段结束前保存进度，下一轮再读取这些记录，继续完成尚未结束的任务。这样，即使一次模型会话结束，整个编程任务仍然可以持续推进。 今年 4 月，Anthropic 进一步推出 Managed Agents，将这套 Agent 运行能力作为云端服务提供给开发者。为了让企业能够长期、稳定地运行 Agent，Anthropic 还调整了底层架构：Harness 负责推动任务执行，历史记录可以单独保存下来，AI 运行程序的沙箱也可以随时替换。即使沙箱发生故障，Agent 也能恢复此前的工作。 从 Claude Code 内部的运行系统，到面向外部开发者的托管服务，Anthropic 将多年积累的 harness 能力变成独立产品。 OpenAI 也选择把 Codex 背后的 Harness 开放给更多开发者。今年 2 月，OpenAI 披露，Codex 网页版、命令行和 IDE 插件实际上共用同一套 Agent 运行系统。8 月，进一步将 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 Agents API，由 OpenAI 负责托管和维护这套系统，开发者可以直接接入 Agent 的运行环境。 这条路线让 OpenAI 既能通过 Codex 直接服务用户，也能把底层执行能力提供给其他软件公司。开发者可以保留自己的产品界面和业务流程，让 Codex 在背后完成具体任务。 DeepSeek 在 8 月 13 日以 MIT 协议开放了 Harn