codex负责人:codex就要过时了

转自:探索AGI

codex掌管重置按钮的神tibo最近发帖:


codex今天是非常优秀的harness,但是两三个月后,它就会显得过时了。


下一代模型需要处理大规模并发Agent,它们需要大量的计算能力,来处理上下文压缩、状态同步与集中式日志追踪等等;


这已经不是一台笔记本能够承载的,也不是codex能处理的了。



看到这个,第一反应,又是只要学的慢,就不用学了的桥段?


就像今天已经没有人在讨论养虾,openclaw了。


模型+harness=Agent。


harness本身就没有最好,只有最适配的。 


刚好这周,huggingface做了一个实验。


测试harness对模型影响差异有多大?


分别用了glm 5.2 (744B)、gemma4 (26B) 2个尺寸的模型,还有一些参考价值。



结果发现大小模型在不同harness下的排名几乎完全不相关。


比如codex在glm 5.2上排第二,但是在gemma上垫底。


这个结果还挺反直觉。


过去我们以为像pi这种简单harness,第一梯队模型效果才好,因为需要更多的模型自主决策;

codex、cc,这种兜底全面的harness,可能对小模型更友好。


但结果是反着的,cc、codex这些复杂的harness在大模型上排名靠前,轻量化的harness例如crush和pi则在小模型上效果更好。



这里的原因,除了前沿模型原生就会适配harness一起强化学习训练。


更可能是,codex、cc这些顶级harness,默认模型有超长的上下文理解、自主规划能力、错误恢复等等能力。


上来让模型先做大量的工具调用 、文件阅读、代码理解、在改代码、测试、再修改。


小模型整这些直接懵逼了, 但简单的harness,上来变成了定位、修改、验证、修改、验证。


快速实现一个快速的验证闭环,更友好。小模型最缺的就是“自己判断「自己的判断」是否正确”的能力。



写在最后。


模型越强,越有能力承载更多的工具,越能处理更多更复杂的harness。 更复杂的harness,对模型能力也能解锁的更充分。


所以:


脱离模型说harness过时,可能是耍流氓。

脱离适配的harness说模型的agent能力,更是耍流氓。


2,3个月后,codex会不会过时,真说不清楚。 但一个harness如果到了,连笔记本都跑不了,是不是也太拉了。。。。


话说deepseek harness消息越来越多了。npm包也上传了。 (private)



这周pro版本是不是也有戏?滑动变祖器准备好了么?


文章原文

内容来自 ImportNew,版权归原作者所有。

阅读原文 ↗

把喜欢的内容,留在你的新标签页。

打开我的订阅