माइक्रोसॉफ्ट व्हाइट पेपर दर्शाता है कि हार्नेस स्विच से क्लॉड प्रदर्शन में 22.1% की वृद्धि हुई

iconTechFlow
साझा करें
AI summary iconसारांश
माइक्रोसॉफ्ट ने 7 नवंबर, 2026 को एक तकनीकी व्हाइट पेपर जारी किया, जिसमें दर्शाया गया कि कोपिलट स्टूडियो में हैरनस सिस्टम बदलने से क्लॉड ओपस 4.8 का प्रदर्शन 22.1% बेहतर हुआ। अपडेट ने प्रति कार्य मॉडल कॉल्स को लगभग दोगुना कर दिया जबकि इनपुट टोकन के उपयोग में 21% की कमी की। तकनीकी संकेतक दक्षता में वृद्धि को दर्शाते हैं, जिसमें ऑन-चेन डेटा जटिल कार्यों के लिए मजबूत निष्पादन दरों को दर्शाता है।

लेखक: टेंसेंट टेक्नोलॉजी

11 नवंबर को, माइक्रोसॉफ्ट ने एजेंट निष्पादन प्रणाली के बारे में एक तकनीकी व्हाइट पेपर जारी किया, जिसमें कुछ अप्रत्याशित परीक्षण परिणाम शामिल थे: एक ही Claude Opus 4.8 का उपयोग करते हुए, केवल Copilot Studio के पीछे के Harness को बदलने से, जटिल कार्यों के पास होने की दर 22.1 प्रतिशत बढ़ गई। नई प्रणाली प्रत्येक कार्य के लिए मॉडल को लगभग दोगुनी बार कॉल करती है, लेकिन समतुल्य इनपुट Token खपत 21% कम हो सकती है।

दस दिन पहले, माइक्रोसॉफ्ट ने अपने कई उत्पादों में एकीकृत Copilot Harness को लागू करने और क्लाउड प्लेटफॉर्म के माध्यम से डेवलपर्स को होस्टेड सेवाएं बेचने की घोषणा की।

5 नवंबर को, मून ऑफ द डार्क साइड ने किमी होस्टेड एजेंट्स का लॉन्च किया और आधिकारिक रूप से हार्नेस ऐज ए सर्विस का प्रस्ताव रखा। अगस्त में, डीपसीक ने अपना हार्नेस ओपन सोर्स किया; ओपनएआई और एंथ्रोपिक ने पहले ही अपने आंतरिक संचालन प्रणाली को डेवलपर्स के लिए उपलब्ध सेवा में बदल दिया।

उस बड़े मॉडल के पीछे का "ऑपरेटिंग सिस्टम", अब मॉडल कंपनियों के लिए कुंजी पात्र बन रहा है।

हैरन में उतरें

Harness को बड़े मॉडल के चारों ओर एक Agent रनिंग सिस्टम के रूप में समझा जा सकता है। यह मॉडल को बाहरी उपकरणों का उपयोग करने, बहु-चरणीय कार्यों को निरंतर निष्पादित करने और निष्पादन परिणामों के आधार पर भविष्य की कार्रवाइयों को समायोजित करने की अनुमति देता है। लंबे समय तक चलने वाले Agent के लिए, Harness कार्य की स्थिति को सहेजने का भी प्रबंधन करता है, ताकि कार्य विघटन के बाद जारी रखा जा सके।

यह AI एप्लिकेशन के अलग स्तर पर है। उदाहरण के लिए, Claude Code, WorkBuddy आदि उत्पाद सीधे उपयोगकर्ताओं के लिए हैं, जबकि निचले स्तर का Harness विभिन्न एप्लिकेशन्स द्वारा पुनः उपयोग किया जा सकता है या विकासकर्ताओं को एक स्वतंत्र सेवा के रूप में प्रदान किया जा सकता है। जैसे-जैसे Agent द्वारा संभाली जाने वाली कार्यवाही अधिक जटिल होती जा रही है, Harness धीरे-धीरे कार्य सफलता, कार्यक्षमता और संचालन लागत पर प्रभाव डालने वाला महत्वपूर्ण कारक बनता जा रहा है।

Anthropic, जो Claude Code को लंबे समय तक कोडिंग कार्यों में सामना करने पड़ने वाली समस्याओं को हल करने के लिए Harness विकास में शामिल हुई, उन मॉडल कंपनियों में से एक है।

2025 के अंत तक, Anthropic ने पाया कि जब Claude की संदर्भ खिड़की समाप्त हो जाती है, तो अगली बार की बातचीत पिछले कार्य को जारी रखने में अक्सर असमर्थ होती है। इंजीनियर्स ने इसलिए Claude Code के पीछे के Harness में सुधार किया, ताकि एजेंट प्रत्येक चरण के अंत से पहले प्रगति सहेज सके और अगले चरण में इन रिकॉर्ड्स को पढ़कर अधूरे कार्य को जारी रख सके। इससे, भले ही एक मॉडल सत्र समाप्त हो जाए, पूरा प्रोग्रामिंग कार्य आगे बढ़ता रह सकता है।

इस साल अप्रैल में, Anthropic ने Managed Agents को लॉन्च किया, जिससे डेवलपर्स को इन Agent की चलाने की क्षमता क्लाउड सेवा के रूप में प्रदान की गई। व्यवसायों को Agent को लंबे समय तक, स्थिर रूप से चलाने में सक्षम बनाने के लिए, Anthropic ने नीचली ढांचे में सुधार किया: Harness कार्यों के निष्पादन को आगे बढ़ाता है, इतिहास को अलग से सहेजा जा सकता है, और AI प्रोग्राम के सैंडबॉक्स को किसी भी समय बदला जा सकता है। यहां तक कि अगर सैंडबॉक्स खराब हो जाए, तो Agent पिछला कार्य पुनः प्राप्त कर सकता है।

एंथ्रोपिक ने क्लॉड कोड के आंतरिक रनटाइम सिस्टम से लेकर बाहरी डेवलपर्स के लिए होस्टेड सेवाओं तक, अपने वर्षों के हार्नेस क्षमता को एक स्वतंत्र उत्पाद में बदल दिया है।

OpenAI ने Codex के पीछे के Harness को अधिक डेवलपर्स के लिए खोलने का फैसला किया। इस साल फरवरी में, OpenAI ने खुलासा किया कि Codex की वेबसाइट, कमांड लाइन और IDE प्लगइन वास्तव में एक ही Agent रनटाइम सिस्टम का उपयोग करते हैं। अगस्त में, Codex को एक खुला Harness प्लेटफॉर्म के रूप में स्थित किया गया, जिससे तीसरे पक्ष के ऐप सीधे जुड़ सकते हैं। सितंबर में लॉन्च किए गए Agents API द्वारा, OpenAI ने इस सिस्टम का होस्टिंग और रखरखाव किया, जिससे डेवलपर्स सीधे Agent के रनटाइम वातावरण में जुड़ सकते हैं।

यह रास्ता OpenAI को Codex के माध्यम से उपयोगकर्ताओं को सीधे सेवा प्रदान करने के साथ-साथ अन्य सॉफ्टवेयर कंपनियों को निचले स्तर की कार्यान्वयन क्षमताएँ प्रदान करने देता है। डेवलपर अपने उत्पाद इंटरफ़ेस और व्यावसायिक प्रक्रियाओं को बनाए रख सकते हैं, जबकि Codex पीछे से विशिष्ट कार्यों को पूरा करता है।

DeepSeek ने 13 अगस्त को MIT लाइसेंस के तहत Harness का पूरा फ्रेमवर्क कोड खोल दिया, जिसने "Everything is a Plugin" की अवधारणा पेश की, जिसमें पूरा Agent रनटाइम सिस्टम ऐसे स्वतंत्र रूप से संयोजित किए जा सकने वाले प्लगइन्स में विभाजित कर दिया गया। डेवलपर्स केवल मॉडल और बाहरी उपकरणों को बदलने के बजाय, Agent द्वारा मॉडल को कॉल करने और कार्यों को निष्पादित करने के तरीकों में भी परिवर्तन कर सकते हैं, और यहां तक कि Agent को नए प्लगइन्स को स्वयं लिखने और स्थापित करने की अनुमति दे सकते हैं।

Cordis पर आधारित इस आर्किटेक्चर का उद्देश्य विकासकों को अपनी आवश्यकताओं के अनुसार विभिन्न प्रकार के एजेंट विकसित करने में सक्षम बनाना है, बिना रनिंग सिस्टम को शुरू से बनाए।

5 नवंबर को, किमी ने आधिकारिक रूप से घोषणा की कि होस्टेड एजेंट्स पूरे दिन-रात क्लाउड वातावरण प्रदान करते हैं, जिससे उद्यम एजेंट को अपने आंतरिक प्रणाली में रख सकते हैं या बाहरी बिक्री उत्पादों में एम्बेड कर सकते हैं, और स्पष्ट रूप से हारनेस एज ए सर्विस का उल्लेख किया है।

Harness एवोल्व

वास्तव में, हैरनेस की लोकप्रियता मॉडल कंपनियों द्वारा शुरू नहीं हुई।

इस साल की शुरुआत में, OpenClaw की लोकप्रियता ने उद्योग को दिखाया कि एक बुनियादी मॉडल वाली कंपनी भी Agent रनिंग सिस्टम के माध्यम से बड़ी संख्या में उपयोगकर्ताओं को आकर्षित कर सकती है। फरवरी में, OpenAI ने OpenClaw के संस्थापक पीटर स्टेनबर्गर को अगली पीढ़ी के व्यक्तिगत Agent के विकास में शामिल होने के लिए आमंत्रित किया।

इसके बाद, Nous Research ने Hermes Agent को लॉन्च किया, जिसमें Agent अपने कार्य में जमा की गई अनुभव को पुन: उपयोग के योग्य कौशल के रूप में सहेजने और भविष्य के कार्यों में लगातार सुधार करने का प्रयास किया गया।

मार्च के अंत में, स्टैनफोर्ड विश्वविद्यालय जैसे संस्थानों ने मेटा-हैरनेस प्रस्तुत किया, जिससे AI विफलता रिकॉर्ड के आधार पर हैरनेस कोड को सीधे संशोधित कर सकता है और परिणाम की पुष्टि के लिए परीक्षण कर सकता है। एक टेक्स्ट वर्गीकरण प्रयोग में, सटीकता में 7.7% की वृद्धि हुई और संदर्भ टोकन की खपत मूल स्तर की चौथाई तक कम हो गई।

ये अन्वेषण मॉडल कंपनियों के लिए क्यों मूल्यवान हैं? अक्टूबर में, सिंगापुर के नान्यांग टेक्नोलॉजील विश्वविद्यालय ने 66 मॉडल और Harness के संयोजन का परीक्षण किया और पाया कि Harness बदलने से मॉडलों के बीच प्रदर्शन रैंकिंग तक बदल सकती है।

फ्रंटियरहार्नेस इवैल ने भी पाया कि एक ही किमी K3 के लिए, कोडेक का उपयोग करने पर कार्य पास दर 66.7% है, डीपसीक हार्नेस क्रिएटर का उपयोग करने पर 63.3% है, और किमी कोड का उपयोग करने पर 56.7% है।

बेस मॉडल कंपनियों के लिए, मॉडल के प्रदर्शन में सुधार के लिए, मॉडल को बेहतर बनाने के अलावा, हार्नेस के डिज़ाइन और अनुकूलन पर भी बढ़ती हुई निर्भरता है।

चित्र: विभिन्न हारनेस कॉन्फ़िगरेशन के तहत एक ही Kimi K3 के कार्य पास दर और लागत की तुलना

शोधकर्ता अभी भी हैरनेस द्वारा इकट्ठा की गई अनुभव को मॉडल प्रशिक्षण में लागू करने की कोशिश कर रहे हैं। जुलाई में पेश किया गया Co-Harness, विफलता के रिकॉर्ड के माध्यम से हैरनेस में सुधार करता है और फिर अनुकूलित किए गए निष्पादन डेटा का उपयोग मॉडल को प्रशिक्षित करने के लिए करता है। नवंबर में घोषित HarnessFlow ने बेहतर हैरनेस डिज़ाइन की स्वचालित खोज की कोशिश की, जिससे छह प्रकार के कार्यों में औसत स्कोर 10.89 प्रतिशत बढ़ गया।

चित्र: हार्नेस तकनीकी विकास रेखांकन (2025 के अंत से 2026 नवंबर तक)

हालांकि, स्वचालित अनुकूलन के जोखिम भी हैं। नवंबर के शुरू में एक अध्ययन में पाया गया कि एक परीक्षण में, एक Harness को नए कार्य के लिए अनुकूलित करने के बाद, SWE-bench पर इसका पहले का स्कोर 94% से घटकर 32% हो गया। मॉडल अपग्रेड से पहले प्रभावी डिज़ाइन भी अक्षम हो सकते हैं।

इसका अर्थ है कि हैरनेस की तकनीकी निकाय को एक बार में हल करना मुश्किल है। विभिन्न कार्यों की स्थिरता को निरंतर सुधार के दौरान कैसे बनाए रखा जाए, अभी तक एक अनसुलझी समस्या है।

एक उद्योग विशेषज्ञ ने कहा कि यह ओपन सोर्स मॉडल लॉन्च करने का एक बड़ा चुनौतीपूर्ण पहलू भी है। इसलिए, मॉडल कंपनियाँ हार्नेस सेवाएँ बेचना शुरू कर चुकी हैं। ओपन सोर्स फ्रेमवर्क मुफ्त में उपलब्ध हैं, लेकिन व्यवसायों को एजेंट को लंबे समय तक स्थिर रूप से चलाए रखने के लिए अभी भी डिप्लॉयमेंट और रखरखाव लागत का खर्च उठाना पड़ता है। किमी, एंथ्रोपिक आदि कंपनियों ने इन कार्यों को संभालने का मौका देखा है और हार्नेस को एक स्वतंत्र व्यवसाय बना दिया है, लेकिन विभिन्न कंपनियों के तरीके में काफी अंतर है।

Harness का छिपा हुआ मूल्य

Harness अब एक अलग शुल्क वाली सेवा के रूप में शुरू हो रहा है, लेकिन वर्तमान में मॉडल इन्फरेंस ही मुख्य शुल्क स्रोत है।

Anthropic के मैनेज्ड एजेंट्स के लिए प्रति सक्रिय सेशन घंटे 0.08 डॉलर शुल्क लिया जाता है, और टोकन अलग से, आधिकारिक रूप से प्रकाशित एक घंटे के प्रोग्रामिंग कार्य के उदाहरण के अनुसार, कुल शुल्क 0.58 डॉलर है, जिसमें मैनेज्ड रनिंग शुल्क केवल लगभग 14% है।

किमी का शुल्क मॉडल टोकन, सैंडबॉक्स रन और पेड प्लगइन्स पर आधारित है। इसने एक निवेश बैंकिंग कानूनी विश्लेषण कार्य की लागत लगभग 30 युआन और सैंडबॉक्स शुल्क 0.1 युआन से कम बताया है। OpenAI Agents API के पब्लिक बीटा अवधि के दौरान अतिरिक्त सेवा शुल्क नहीं लेता है, और मुख्य रूप से मॉडल और टूल के उपयोग के आधार पर शुल्क लेता है। DeepSeek ने Harness को MIT लाइसेंस के तहत ओपन सोर्स किया है, और इसका कोई सीधा शुल्क लॉजिक नहीं है।

चित्र: छह मॉडल कंपनियों के हारनेस शुल्क और व्यावसायिक स्थिति की तुलना

इसलिए, मॉडल कंपनियाँ वर्तमान में हार्नेस से प्राप्त सीधी आय बहुत कम हो सकती है।

तो, फिर भी बड़े पैमाने पर अनुसंधान और विकास संसाधन क्यों लगाए जा रहे हैं?

एक महत्वपूर्ण कारण यह है कि जब उद्यम वास्तविक रूप से एजेंट को लागू करते हैं, तो उनकी हारनेस की मांग एक विशिष्ट मॉडल की तुलना में अधिक स्थिर हो सकती है।

अमेरिकी लीगल सर्विसेज कंपनी ABC Legal ने मूल रूप से एजेंट को कर्मचारियों के कंप्यूटर पर डिप्लॉय किया था, जो टाइमर टास्क के माध्यम से चलता था। उपयोग के विस्तार के साथ, CTO Brandon Fuller ने इन एजेंट्स को एकीकृत रूप से प्रबंधित करने के लिए एक प्लेटफॉर्म ढूंढना शुरू कर दिया। उन्होंने कई समाधानों की तुलना की और अंततः Anthropic के Managed Agents का चयन किया, क्योंकि कंपनी विखरे हुए रनटाइम वातावरण को बनाए रखना जारी रखना नहीं चाहती थी।

एंथ्रोपिक के अनुसार, ABC Legal ने एक महीने में 50 से अधिक एजेंट्स को उत्पादन में लाया, जिनका दैनिक उपयोग लगभग 310 कर्मचारी करते हैं। कर्मचारियों को सॉफ्टवेयर डेवलपमेंट का ज्ञान होना आवश्यक नहीं है, क्योंकि वे कॉन्फ़िगरेशन के माध्यम से नए एजेंट्स बना सकते हैं।

यह बताता है कि हार्नेस के होस्टिंग की आकर्षकता वास्तविक उद्यमिक आवश्यकताओं से आती है। व्यवसाय अपने बिजनेस के लिए इंजीनियरिंग संसाधनों को केंद्रित करने के लिए, शायद एक नए सिस्टम को शुरू से विकसित करने और लंबे समय तक उसकी रखरखाव करने के बजाय, तैयार सेवा खरीदना पसंद करेंगे।

लेकिन व्यवसाय इसके लिए एक मॉडल कंपनी से बंधे रहने को तैयार नहीं हो सकते।

इस साल अगस्त में, वेंचरबीट ने 107 कंपनियों की सर्वेक्षण की घोषणा की। उत्तरदाता कंपनियों में से 85% दो या अधिक एजेंट ऑर्केस्ट्रेशन प्लेटफॉर्म्स का एक साथ उपयोग कर रही हैं। प्लेटफॉर्म चुनने में, 29% कंपनियाँ मॉडल और टूल्स की लचीलापन को सबसे महत्वपूर्ण मानती हैं, जबकि केवल 10% प्रमुख मॉडल के साथ मूल समायोजन को प्राथमिकता देती हैं। हालाँकि नमूना बड़ी तकनीकी कंपनियों की ओर झुका हुआ है, लेकिन यह एक खरीदारी प्रवृत्ति को दर्शाता है: ग्राहक मॉडल बदलने की स्वतंत्रता बनाए रखना चाहते हैं।

यह हैरन की प्रतिस्पर्धा के लिए एक अलग व्यावसायिक तर्क प्रदान करता है। यदि उद्यम एक निरंतर ऑपरेटिंग सिस्टम का दीर्घकालिक उपयोग करने को तैयार है, तो प्रदाता चाहे मॉडल कॉल का एकाधिकार न प्राप्त कर सके, तो भी होस्टिंग, रखरखाव और उद्यम विकास सेवाओं से लगातार आय प्राप्त कर सकता है और ग्राहकों के साथ अधिक स्थिर सहयोग स्थापित कर सकता है।

इस तरह, Harness को उद्यमों के वास्तविक कार्यों की निष्पादन प्रक्रिया तक पहुँच मिलती है। सिर्फ मॉडल API की तुलना में, Harness एक कार्य की शुरुआत से लेकर पूरा होने तक की पूरी यात्रा को रिकॉर्ड कर सकता है, जिसमें मॉडल कॉल, टूल निष्पादन, विफलता पर पुनः प्रयास और अंतिम परिणाम शामिल हैं। ये रिकॉर्ड न केवल समस्याओं के निदान में सहायता करते हैं, बल्कि मॉडल विकास के लिए मूल्यवान प्रतिक्रिया भी प्रदान करते हैं।

चित्र: हार्नेस द्वारा रिकॉर्ड किए गए चार प्रकार के उद्यम कार्य निष्पादन डेटा

यदि मॉडल कंपनियाँ लगातार सत्यापित वास्तविक कार्य प्रतिक्रिया प्राप्त कर सकती हैं, तो वे उत्पादन पर्यावरण में मॉडल की समस्याओं को तेजी से पहचानने का अवसर प्राप्त कर सकती हैं। हालाँकि, इस लाभ को डेटा अधिकारों द्वारा स्पष्ट रूप से सीमित किया जाएगा।

यह मॉडल कंपनियों के लिए एक नया प्रश्न उठाता है: यदि उद्यमी स्वयं के डेटा को नियंत्रित रखते हुए नींव के मॉडल को आज़ादी से बदल सकते हैं, तो हारनेस कितना लंबे समय तक लाभ प्राप्त कर सकता है?

मॉडल कंपनियों के लिए, हैरनेस सीधे शुल्क से अधिक दीर्घकालिक मूल्य ला सकता है। जब उद्यम अपने बड़े हिस्से को एजेंट पर सौंपते हैं, तो जो कोई विश्वसनीय ऑपरेशन सिस्टम प्रदान करता है, वह मॉडल के चयन और AI के वास्तविक व्यावसायिक कार्यों में शामिल होने के तरीके पर प्रभाव डालने का अवसर प्राप्त करता है।

एक परिचित और पुराना शब्द: एंट्री।

लेकिन, इंटरनेट युग में गहराई से जड़े इस शब्द को एआई युग की प्रतिस्पर्धा की संवेदनशील नसों को छू जाता है। अब, हैरनेस इस उम्मीद और कल्पना को किसी न किसी तरह से संभाल रहा है।

डिस्क्लेमर: इस पेज पर दी गई जानकारी थर्ड पार्टीज़ से प्राप्त की गई हो सकती है और यह जरूरी नहीं कि KuCoin के विचारों या राय को दर्शाती हो। यह सामग्री केवल सामान्य सूचनात्मक उद्देश्यों के लिए प्रदान की गई है, किसी भी प्रकार के प्रस्तुतीकरण या वारंटी के बिना, न ही इसे वित्तीय या निवेश सलाह के रूप में माना जाएगा। KuCoin किसी भी त्रुटि या चूक के लिए या इस जानकारी के इस्तेमाल से होने वाले किसी भी नतीजे के लिए उत्तरदायी नहीं होगा। डिजिटल संपत्तियों में निवेश जोखिम भरा हो सकता है। कृपया अपनी वित्तीय परिस्थितियों के आधार पर किसी प्रोडक्ट के जोखिमों और अपनी जोखिम सहनशीलता का सावधानीपूर्वक मूल्यांकन करें। अधिक जानकारी के लिए, कृपया हमारे उपयोग के नियम और जोखिम प्रकटीकरण देखें।