上海 AI 实验室让 Agent 自己改自己：只动 Harness，性能涨 104%

大模型越强，越难再靠「堆参数」拉开差距。上海人工智能实验室最近提出一个叫 Self-Harness 的框架，思路很巧：不让模型换血，而是让模型自己改自己的「工作环境」。

具体来说，Harness 是包裹在模型外面的那层东西——系统提示、工具调用规则、验证器。过去这些大多是人工写的。Self-Harness 让模型基于自己的运行轨迹，去挖掘「哪里失败了、为什么失败」，然后自动修改外层 Harness，再用回归测试门控，确认改了之后确实更好才采纳。

实验结果相当亮眼。在 Terminal-Bench-2.0 上，研究团队固定模型和环境不变，只改 Harness，就让 Qwen3.5-35B-A3B 的总成绩提升了 104%，MiniMax M2.5 提升 28%，GLM-5 提升 24%。论文和项目都已经公开。这相当于不换引擎，只调校底盘，车就快了一倍。

这戳中了一个长期痛点。很多人以为「Agent 强不强，全看底座模型」，于是拼命卷参数、卷算力。但 Self-Harness 说明，同一个模型，配不同的「外壳」，表现能差出一倍。工具怎么调、验证怎么写、错误怎么 Recovery，这些工程层的东西，本身就藏着巨大红利。

把视线拉远，这或许是一条更省钱的进化路径。与其每次都重训一个更大的模型，不如让模型学会「自我迭代工作流」。对中小团队来说，这意味着不用追着算力军备竞赛跑，也能把现有模型的潜力榨出来。把算力省下来，花在工程层，性价比反而更高。毕竟预训练一次的成本是九位数美元起步，而调校一套 Harness 可能只是几个工程师几周的工作量——这笔账，任何算过账的 CTO 都看得懂。

往下走，Self-Harness 还暗示了一个更深的趋势：未来 Agent 的能力上限，可能不再只由预训练决定，而由它「自我改进工作流」的能力决定。谁的模型更会反思、更会写工具、更会给自己写验证器，谁就跑得更快。往后 Agent 的竞争，可能不只比谁模型强，更比谁更会「自己改自己」。会自我迭代的 Agent，才是下一个时代的底座。