第 2026-11-17 期 · 行业追踪 · 研究 · 应用
新基准:换模型时应否同时更换智能体外壳

研究团队与Baseten合作发布FrontierHarness v1.1排行榜,覆盖22个外壳、5个模型、62项任务,消耗830亿token、27280次智能体运行。结果显示各模型的最优外壳不同,换模型时应考虑同时换外壳;同一外壳(如Codex CLI)在不同模型下成本排名可相差15位。
查看原文 ↗
研究团队与Baseten合作发布FrontierHarness v1.1排行榜,覆盖22个外壳、5个模型、62项任务,消耗830亿token、27280次智能体运行。结果显示各模型的最优外壳不同,换模型时应考虑同时换外壳;同一外壳(如Codex CLI)在不同模型下成本排名可相差15位。
查看原文 ↗