上海 AI 實驗室讓 Agent 自己改自己：只動 Harness，效能漲 104%

大模型越強，越難再靠「堆引數」拉開差距。上海人工智慧實驗室最近提出一個叫 Self-Harness 的框架，思路很巧：不讓模型換血，而是讓模型自己改自己的「工作環境」。

具體來說，Harness 是包裹在模型外面的那層東西——系統提示、工具呼叫規則、驗證器。過去這些大多是人工寫的。Self-Harness 讓模型基於自己的執行軌跡，去挖掘「哪裡失敗了、為什麼失敗」，然後自動修改外層 Harness，再用迴歸測試門控，確認改了之後確實更好才採納。

實驗結果相當亮眼。在 Terminal-Bench-2.0 上，研究團隊固定模型和環境不變，只改 Harness，就讓 Qwen3.5-35B-A3B 的總成績提升了 104%，MiniMax M2.5 提升 28%，GLM-5 提升 24%。論文和專案都已經公開。這相當於不換引擎，只調校底盤，車就快了一倍。

這戳中了一個長期痛點。很多人以為「Agent 強不強，全看底座模型」，於是拼命卷引數、卷算力。但 Self-Harness 說明，同一個模型，配不同的「外殼」，表現能差出一倍。工具怎麼調、驗證怎麼寫、錯誤怎麼 Recovery，這些工程層的東西，本身就藏著巨大紅利。

把視線拉遠，這或許是一條更省錢的進化路徑。與其每次都重訓一個更大的模型，不如讓模型學會「自我迭代工作流」。對中小團隊來說，這意味著不用追著算力軍備競賽跑，也能把現有模型的潛力榨出來。把算力省下來，花在工程層，價效比反而更高。畢竟預訓練一次的成本是九位數美元起步，而調校一套 Harness 可能只是幾個工程師幾周的工作量——這筆賬，任何算過賬的 CTO 都看得懂。

往下走，Self-Harness 還暗示了一個更深的趨勢：未來 Agent 的能力上限，可能不再只由預訓練決定，而由它「自我改進工作流」的能力決定。誰的模型更會反思、更會寫工具、更會給自己寫驗證器，誰就跑得更快。往後 Agent 的競爭，可能不只比誰模型強，更比誰更會「自己改自己」。會自我迭代的 Agent，才是下一個時代的底座。