下一个AI较量场，为什么是Harness？ 文章

"Agents aren't hard; the Harness is hard." 2026 年 2 月，当 OpenAI 工程师 Ryan Lopopolo 用这句话概括他刚完成的项目时，大多数人还不理解他的感慨。他带着一个不到 10 人的小团队，用 5 个月时间，让 Codex 写出了超过 100 万行代码，全程没有手敲一行。这套能让模型可靠地工作的系统，被他称之为 "Harness Engineering"。 据公开信息，Codex的周活跃用户在3月初还是160万左右，但到了5月，已经超过了400万。 除了模型的升级，Codex的Harness能力也为它赢来不少用户。比如，有开发者测试发现，在一个相同任务上，Claude Code消耗的token约是 Codex的3到4倍。差距不全在模型本身，也和 Harness 设计有关：Codex 倾向于把任务拆开并行跑，每个子任务上下文独立，互不污染。 如今 AI 圈已经广泛认可 "Agent = Model + Harness" 这一条公式。如果 Agent 是一辆车，大模型就是提供马力的发动机。没有发动机，一切无从谈起。但一台裸发动机放在地上，你也没法开它上路。Harness，就是把"发动机"变成"整车"的那套系统工程。 就在本月，DeepSeek 发布了两个招聘岗位：Harness 产品经理和 Harness 研发工程师。DeepSeek 资深研究员陈德里在社交媒体上表示，这是为了组建一个 Harness 团队，且方向是"对标 Claude Code，做 DeepSeek Code Harness"。这一家以模型层突破著称的公司，也把下一步的筹码押在了 Harness 上。 过去几年，模型能力是稀缺资源。但随着模型能力基础设施化，领先变得难以维持最强大模型，保质期越来越短了，模型之外的那一层 Harness 愈发重要。 模型能力依然是基本，但Harness已经变成AI竞争的关键较量场。 一、Harness 洗牌行业三层结构 Harness 开始反向优化模型，只是洗牌当前整个 AI 行业结构的早期信号。 过去几年，AI 产业被默认分成三层结构：基础设施层、模型层和应用层。三层各司其职，价值分配相对清晰。但现在Harness开始影响这个“利益蛋糕”的分配。