YC最新研判：Harness（运行框架）正取代模型成为AI竞争核心变量

事件概述

2026年9月，ARC Prize公布的ARC-AGI-3测试结果引发行业震动。数据显示，在保持模型（GPT-6 Astra）和推理强度不变的情况下，仅更换外部运行框架（Harness），任务得分从62.7%提升至98.6%，同时计算成本下降约34%。基于此，Y Combinator (YC) 近期举办专题研讨，指出AI行业的竞争焦点已从底层模型能力的比拼，转移至对模型外部运行框架与组织方式的优化上。

核心信息

1. Harness定义与价值重构

• 概念界定：Harness指大模型执行真实任务时的外部运行框架，涵盖系统提示词设计、上下文管理、工具调用、记忆存储及子Agent分工等。如果说模型决定“大脑有多聪明”，Harness则决定“大脑干活时手里有什么资源”。
• 边际效应：随着基础模型能力趋于饱和，Harness成为拉开性能差距的关键变量。同一模型在不同Harness下的表现差异可达36个百分点，证明模型能力正逐渐变为“给定条件”，而如何高效组织模型成为新的核心竞争力。

2. 技术演进：Harness与模型边界打通

• 自动化优化：优化对象正从人工调优转向系统化迭代。例如DSPy系统可自动搜索最优提示词；Darwin Gödel Machine (DGM) 甚至能直接修改Harness代码，将SWE-bench成绩从20%提升至50%。
• 持续学习闭环：Continual Harness机制允许Agent回顾历史任务记录，动态调整提示词、技能库或子Agent配置，使经验沉淀进入下一轮运行，进一步模糊了模型训练与运行时优化的界限。

3. 架构创新：以Prime Agent为例

• 信息分层设计：Prime Intellect开发的Prime Agent采用“少流程、多资源”策略，将信息分为三层：当前上下文、持续运行的REPL环境（保存代码与进度）、外部长期存储（技能与记忆）。
• 长周期任务优势：在连续七天《异星工厂》模拟中，该架构支持Agent调用633个子Agent，产生超2300万Token。即便发生严重失误导致进度倒退，系统仍能基于保留的状态继续推进，而非从头开始，体现了Harness在维持状态连续性上的核心价值。

4. 降本增效：小模型的Harness补偿机制

• 本地化替代方案：斯坦福研究者Jon Saad-Falcon提出的OpenJarvis系统，通过五层架构优化，在Qwen3.5-9B参数不变的情况下，追回56%-77%的性能损失。
• 性能对比：优化后的本地方案在八项测试中平均准确率达80.3%，与云端前沿模型Claude Opus 4.6（83.5%）仅差3.2个百分点，其中四项测试实现反超。同时，边际API成本仅为云端的八百分之一，端到端延迟缩短至四分之一，证明了Harness在缩小本地小模型与云端大模型差距方面的巨大潜力。

5. 企业级挑战：运维与权限治理

• 规模化痛点：当Agent数量增加时，出现“主角综合征”（局部视角导致全局错误）、轻易放弃任务及权限失控等问题。
• YC内部实践：YC开发的QM Harness集中管理Agent状态，将虚拟机作为按需调用的资源。针对权限问题，采取数据库只读、写入需人工确认等措施。但研究指出，随着员工对Agent信任度提高，人工审核可能流于形式，真正的权限治理仍是企业部署Agent的最大障碍。

值得关注

• 行业风向转变：过去两年行业注意力集中于模型本身，未来差距将更多产生于“地基之上”。Harness不仅是工程优化手段，更是决定Agent能否稳定、长期运行的关键基础设施。
• 个人AI本地化趋势：通过Harness优化弥补模型能力差距，使得个人AI从云端走向本地设备成为可行路径，有望大幅降低隐私泄露风险和使用成本。
• 企业落地瓶颈：尽管技术层面已取得突破，但企业级Agent的规模化应用仍受制于复杂的运维管理和严格的权限控制体系，这将是下一阶段技术攻关的重点。