Автор: Tencent Technology

7 ноября Microsoft опубликовала технический белый документ о системе выполнения агентов, включающий ряд неожиданных результатов тестирования: при использовании того же Claude Opus 4.8, но замене Harness, лежащего в основе Copilot Studio, процент успешного выполнения сложных задач увеличился на 22,1 процентных пункта. Новая система почти вдвое увеличивает количество вызовов модели на задачу, однако потребление входных токенов с учетом пересчета снижается на 21%.
Всего десять дней назад Microsoft объявила о распространении единой платформы Copilot Harness на несколько своих продуктов и о предложении управляемых услуг разработчикам через облачную платформу.
5 ноября «Луна в тени» выпустила Kimi Hosted Agents и официально представила Harness as a Service. В августе DeepSeek открыла свой собственный Harness; OpenAI и Anthropic еще раньше превратили свои внутренние системы в сервисы, доступные для разработчиков.
Система, стоящая за этой большой моделью, начинает становиться ключевым игроком в глазах компаний, разрабатывающих модели.
Захватывайте Harness
Harness можно понимать как систему запуска агентов, построенную вокруг крупных моделей. Она позволяет модели использовать внешние инструменты, выполнять многошаговые задачи непрерывно и корректировать последующие действия на основе результатов выполнения. Для агентов, требующих длительного выполнения, Harness также отвечает за сохранение состояния задачи, позволяя возобновить работу после прерывания.
Он находится на другом уровне по сравнению с приложениями ИИ. Например, такие продукты, как Claude Code и WorkBuddy, напрямую ориентированы на пользователей, в то время как базовая платформа Harness может быть повторно использована различными приложениями или предоставляться разработчикам в виде отдельной службы. По мере того как агенты берут на себя все более сложные задачи, Harness постепенно становится важным фактором, влияющим на успешность выполнения задач, эффективность и стоимость работы.
Anthropic — одна из первых компаний, вложившихся в разработку Harness, изначально для решения проблем, с которыми столкнулся Claude Code при выполнении длительных программных задач.
В конце 2025 года Anthropic обнаружила, что при исчерпании контекстного окна Claude новые сессии диалога часто не могут продолжить предыдущую работу. Инженеры улучшили Harness, лежащий в основе Claude Code, чтобы агент сохранял прогресс перед завершением каждого этапа и считывал эти записи в следующей сессии, продолжая незавершенные задачи. Таким образом, даже если сессия модели завершается, вся программная задача может продолжать продвигаться вперед.
В апреле этого года Anthropic дополнительно запустила Managed Agents, предоставив разработчикам возможности выполнения агентов в виде облачной службы. Чтобы предприятия могли долго и стабильно запускать агентов, Anthropic также адаптировала базовую архитектуру: Harness отвечает за выполнение задач, история может сохраняться отдельно, а песочница для работы ИИ может быть заменена в любое время. Даже при сбое песочницы агент может восстановить предыдущую работу.
От внутренней системы выполнения Claude Code до хостинг-сервисов для внешних разработчиков, Anthropic превратила накопленные годы опыта в самостоятельный продукт.
OpenAI также решила открыть Harness, лежащий в основе Codex, для большего числа разработчиков. В феврале этого года OpenAI сообщила, что веб-версия Codex, командная строка и плагины IDE используют одну и ту же систему выполнения агентов. В августе Codex был дополнительно позиционирован как открытая платформа Harness, позволяющая сторонним приложениям напрямую подключаться. В сентябре была запущена Agents API, при этом OpenAI берет на себя хостинг и поддержку этой системы, позволяя разработчикам напрямую подключаться к среде выполнения агентов.
Этот подход позволяет OpenAI как напрямую обслуживать пользователей через Codex, так и предоставлять базовые исполнительные возможности другим программным компаниям. Разработчики могут сохранить свои собственные интерфейсы продуктов и бизнес-процессы, поручив Codex выполнение конкретных задач за кулисами.
DeepSeek открыл 13 августа весь код фреймворка Harness по лицензии MIT, предложив концепцию «Всё — это плагин», разбив практически всю систему выполнения агента на свободно комбинируемые плагины. Разработчики могут не только заменять модели и внешние инструменты, но и изменять способ, которым агент вызывает модели и выполняет задачи, а также заставить агента самостоятельно писать и устанавливать новые плагины.
Эта архитектура на основе Cordis позволяет разработчикам создавать различные типы агентов в соответствии со своими потребностями, не начиная с нуля.
5 ноября Kimi официально объявила о предоставлении Hosted Agents с круглосуточной облачной средой, позволяя компаниям размещать агентов внутри своих систем или встраивать их в продукты для внешней продажи, а также четко обозначив модель Harness as a service.
Harness эволюционирует
На самом деле, популярность Harness не началась с модельных компаний.
В начале этого года популярность OpenClaw показала отрасли, что компания без базовой модели также может привлечь большое количество пользователей благодаря системе агентов. В феврале OpenAI наняла основателя OpenClaw Питера Штейнбергера для участия в разработке следующего поколения персональных агентов.
Затем Nous Research выпустила Hermes Agent, попытавшись заставить агента сохранять накопленный опыт в виде переиспользуемых навыков и постоянно улучшать их в последующих задачах.
В конце марта исследовательские институты, включая Стэнфордский университет, предложили Meta-Harness — систему, позволяющую ИИ напрямую изменять код Harness на основе записей об ошибках и проверять эффективность через тесты. В эксперименте по классификации текстов точность повысилась на 7,7%, а потребление токенов контекста сократилось до четверти от исходного уровня.
Почему эти исследования стоят того, чтобы компании, разрабатывающие модели, вкладывали в них ресурсы? В октябре Национальный университет Сингапура протестировал 66 моделей в сочетании с Harness и обнаружил, что замена Harness может даже изменить рейтинг производительности между моделями.
FrontierHarness Eval также обнаружил, что для одного и того же Kimi K3 процент успешного прохождения задач с использованием Codex составляет 66,7%, с использованием DeepSeek Harness Creator — 63,3%, а с использованием Kimi Code — 56,7%.
Для компаний, занимающихся базовыми моделями, повышение производительности модели все чаще зависит от проектирования и оптимизации Harness, помимо улучшения самой модели.

График: Сравнение成功率 и стоимости задач для одного и того же Kimi K3 при различных конфигурациях Harness
Исследователи продолжают применять опыт, накопленный в Harness, для обучения моделей. Co-Harness, предложенный в июле, сначала улучшает Harness на основе записей о неудачах, а затем использует оптимизированные данные выполнения для обучения модели. HarnessFlow, представленный в ноябре, пытается автоматически искать более эффективные конструкции Harness, повысив средний результат на 10,89 процентных пункта по шести категориям задач.

Рисунок: Хронология эволюции технологии Harness (конец 2025 года — ноябрь 2026 года)
Однако автоматическая оптимизация также несет риски. Исследование в начале ноября выявило, что в определенном эксперименте после оптимизации под новую задачу результат Harness на SWE-bench упал с 94% до 32%. Обновление модели также может сделать ранее эффективные решения неактуальными.
Это означает, что технологический опыт Harness трудно закрепить раз и навсегда. Как сохранять стабильность различных задач при постоянном совершенствовании, остается нерешенной проблемой.
Некоторые отраслевые эксперты отмечают, что это также одна из главных проблем при развертывании открытых моделей. Поэтому компании-разработчики моделей начали продавать услуги Harness. Хотя открытые фреймворки доступны бесплатно, предприятия все еще несут расходы на развертывание и обслуживание для долгосрочной и стабильной работы агентов. Компании, такие как Kimi и Anthropic, увидели возможность взять на себя эти задачи и превратить Harness в отдельный бизнес, однако подходы различных компаний сильно различаются.
Скрытая ценность Harness
Harness начинает выступать в качестве отдельной платной услуги, но текущие тарифы показывают, что моделирование вывода остается основным источником дохода.
Anthropic взимает 0,08 доллара США за каждый активный час сессии для управляемых агентов, плюс дополнительная плата за токены. Согласно официальному примеру задачи программирования на один час, общая стоимость составляет 0,58 доллара США, из которых плата за управляемое выполнение составляет около 14%.
Кими взимает плату за модельные токены, выполнение в песочнице и платные плагины. Оценка стоимости одной задачи по юридическому анализу от инвестиционного банка составила около 30 юаней, при этом стоимость выполнения в песочнице менее 0,1 юаня. OpenAI в период публичного тестирования Agents API не взимает дополнительную плату за услуги, а основная оплата производится по объему использования модели и инструментов. DeepSeek открыл Harness под лицензией MIT и не имеет прямой логики взимания платы.

Рисунок: Сравнение моделей ценообразования и бизнес-позиционирования шести компаний Harness
Таким образом, прямой доход, полученный модельными компаниями на данном этапе за счет harness, может быть ничтожно мал.
Тогда зачем тратить столько ресурсов на разработку?
Одной из важных причин является то, что после реального внедрения агентов предприятиями спрос на Harness может быть более стабильным, чем спрос на какую-либо конкретную модель.
Американская компания по предоставлению юридических услуг ABC Legal изначально развертывала агентов на компьютерах сотрудников с использованием запланированных задач. По мере расширения масштабов использования CTO Брендон Фуллер начал искать платформу для централизованного управления этими агентами. Он сравнил несколько решений и в итоге выбрал Managed Agents от Anthropic, поскольку компания не хотела продолжать поддерживать распределенную среду выполнения.
Согласно данным Anthropic, ABC Legal запустила более 50 агентов в производство за один месяц, и около 310 сотрудников ежедневно используют Claude. Сотрудникам даже не нужно обладать знаниями в области разработки программного обеспечения — они могут создавать новые агенты с помощью настройки.
Это означает, что привлекательность хостинга Harness обусловлена реальными корпоративными потребностями. Вместо того чтобы разрабатывать и поддерживать системы с нуля, компании предпочитают приобретать готовые решения, перенаправляя инженерные ресурсы на развитие собственного бизнеса.
Однако компании не обязательно хотят привязываться к одной модели-компании.
В августе этого года VentureBeat опубликовал результаты опроса 107 компаний. 85% опрошенных компаний одновременно используют две или более платформы оркестровки агентов. При выборе платформы 29% компаний наиболее важной считали гибкость моделей и инструментов, тогда как только 10% отдали приоритет нативной совместимости с определенной ведущей моделью. Хотя выборка в основном состоит из крупных технологических компаний, уже прослеживается тенденция к закупкам: клиенты хотят сохранять свободу смены моделей.
Это предоставляет альтернативную бизнес-логику для конкуренции с Harness. Если компания готова долгосрочно использовать определенную систему, провайдер может получать постоянный доход от хостинга, обслуживания и услуг по корпоративной разработке, даже не будучи эксклюзивным по вызовам моделей, и устанавливать более стабильные отношения с клиентами.
Таким образом, Harness получает доступ к реальным процессам выполнения задач в компании. В отличие от простых API моделей, Harness может записывать траекторию выполнения задачи от начала до завершения, включая вызовы моделей, выполнение инструментов, повторные попытки при сбоях и итоговые результаты. Эти записи помогают компаниям выявлять и устранять неполадки, а также предоставляют ценные обратные связи для разработки моделей.

Рисунок: Данные о выполнении четырех типов корпоративных задач, зафиксированные Harness
Если компания может постоянно получать проверенные и достоверные отзывы о задачах, она имеет возможность быстрее выявлять проблемы модели в производственной среде. Однако это преимущество также строго ограничено правами на данные.
Это также ставит перед компаниями, разрабатывающими модели, новый вопрос: если компании могут свободно менять базовые модели и при этом сохраняют контроль над своими данными, насколько значительным может быть долгосрочное преимущество Harness?
Для компаний, разрабатывающих модели, Harness может принести более долгосрочную ценность, чем прямая оплата. Когда компании передают все больше задач агентам, тот, кто предоставит надежную систему выполнения, получит возможность влиять на выбор моделей и на то, как ИИ будет участвовать в реальном бизнесе.
Знакомое и устаревшее слово: вход.
Однако это слово, глубоко укоренившееся в эпоху интернета, всегда задевает чувствительные нервы конкуренции в эпоху ИИ. Сейчас Harness во многом несет на себе эти ожидания и воображение.

