实在Agent刷新全球纪录，究竟强在哪？
实在Agent登顶之后，很多人第一反应是"他们用了什么大模型"。但真正让我觉得有意思的，是他们反复提的一个概念：Harness。Agent = Model + Harness。这个公式行业里其实不新鲜，但实在智能把它讲透了。Model是发动机，提供通用智力；Harness是方向盘、变速箱、刹车——整套工程调度系统。你发动机再猛，方向盘拧不动、刹车踩不住，车子照样上不了路。有个数据挺扎心：Stanford和清华的论文里做过实验，同一个底层模型，只改Harness工程设计，在OSWorld上的性能差距能拉到6到10个百分点。某些复杂任务上，原生代码Harness换到自然语言+范式结合的Harness，同一模型得分从30.4%跳到47.2%，差出将近17个点。这其实解释了一个我一直困惑的问题：为什么模型能力越来越同质化，各家产品体验却天差地别？答案就在Harness。实在智能从2018年就开始做企业自动化，服务了6000多家客户，90%是500强和央国企。他们在真实办公场景里攒了八年的操作数据、异常处理机制、流程模板。这些东西不是实验室里能跑出来的，是实打实踩坑踩出来的。OSWorld上那个100%满分的系统操作不是说模型多聪明，而是Harness把每一种可能翻车的边缘情况都覆盖到了。这让我重新打量了"工程能力"这四个字的分量。
发布于 福建
1
评论
赞
未登录
友善发言
评论
加载中
