7 Kasım'da Microsoft, Agent yürütme sistemiyle ilgili bir teknik beyanname yayınladı ve bu beyanname, beklenmedik bir dizi test sonucu içeriyordu: Aynı Claude Opus 4.8 kullanılırken, Copilot Studio'nun arkasındaki Harness değiştirildiğinde, karmaşık görevlerin başarı oranı %22,1 arttı. Yeni sistem, her görevde modeli neredeyse iki kat daha fazla çağırdı, ancak hesaplanan giriş Token tüketimi %21 azaldı.
On gün önce, Microsoft, tekil Copilot Harness'ini çeşitli ürünlerine yaymayı ve bulut platformu üzerinden geliştiricilere barındırılmış hizmetler satmayı duyurdu.
5 Kasım'da, Ay'ın Karanlık Yüzü, Kimi Hosted Agents'ı (yönetilen akıllı ajanlar) piyasaya sürerek resmen Harness as a Service'i ilan etti. Ağustos'ta, DeepSeek, kendi Harness'ini açık kaynak hale getirdi; OpenAI ve Anthropic, daha önce iç sistemlerini geliştiricilerin kullanabileceği hizmetlere dönüştürmüştü.
Arka plandaki büyük modelin "çalışma sistemi", model şirketleri için kilit bir figür haline geliyor.
Resim AI tarafından oluşturuldu
01 Harness'e Sıçrayın
Harness, büyük model etrafında kurulan bir Agent çalışma sistemi olarak anlaşılabilir. Bu sistem, modelin dış araçları kullanmasına, çok adımlı görevleri sürekli olarak yürütmesine ve yürütme sonuçlarına göre sonraki eylemleri ayarlamasına olanak tanır. Uzun süre çalışan Agent'lar için Harness, görev durumunu kaydederek işlerin kesintiden sonra devam etmesini sağlar.
Bu, AI uygulamalarından farklı bir seviyede yer alır. Örneğin, Claude Code ve WorkBuddy gibi ürünler doğrudan kullanıcıya yöneliktir, ancak temeldeki Harness, farklı uygulamalar tarafından yeniden kullanılabilir veya geliştiricilere bağımsız bir hizmet olarak sunulabilir. Agent'ların üstlendiği işler giderek daha karmaşık hale geldikçe, Harness, görev başarı oranını, yürütme verimliliğini ve çalışma maliyetini etkileyen önemli bir faktör haline gelmektedir.
Anthropic, Claude Code'in uzun süreli programlama görevlerinde karşılaştığı sorunları çözmek amacıyla erken dönemde Harness geliştirme çalışmalarına dahil olan model şirketlerinden biridir.
2025 yılının sonunda, Anthropic, Claude'nin bağlam penceresi tükenince yeni bir diyalogun önceki çalışmaları sürdüremediğini fark etti. Mühendisler, Agent'in her aşamanın sonunda ilerlemeyi kaydedip, sonraki turda bu kayıtları okuyarak tamamlanmamış görevleri sürdürmesini sağlayan Claude Code'un arka planındaki Harness'i geliştirdi. Böylece, bir model oturumu bitsen bile, tüm programlama görevi ilerlemeye devam edebilir.
Nisan 2024'te Anthropic, Managed Agents'ı daha da ileriye taşıyarak bu Agent çalışma yeteneklerini geliştiricilere bulut tabanlı bir hizmet olarak sundu. Kurumların Agent'larını uzun vadeli ve kararlı bir şekilde çalıştırmalarını sağlamak amacıyla Anthropic, alt yapıyı da düzenledi: Harness görev yürütmesini yönetiyor, geçmiş veriler ayrı olarak saklanabiliyor ve AI çalışma ortamı (sancak) her zaman değiştirilebiliyor. Sancak arızalansa bile, Agent önceki çalışmalarını geri yükleyebiliyor.
Claude Code'in dahili çalışma sisteminden dış geliştiricilere yönelik barındırma hizmetlerine kadar, Anthropic yıllarca birikmiş harness yeteneklerini bağımsız bir ürün haline getiriyor.
OpenAI, Codex'in arkasındaki Harness sistemini daha fazla geliştiriciye açtı. Bu yıl Şubat'ta OpenAI, Codex'in web sürümünün, komut satırı ve IDE eklentilerinin aslında aynı Agent çalışma sistemini kullandığını açıkladı. Ağustos'ta Codex'i, üçüncü parti uygulamaların doğrudan bağlanmasına izin veren açık bir Harness platformu olarak konumlandırdı. Eylül'de tanıtılan Agents API, OpenAI tarafından barındırılan ve bakılan bu sistemi geliştiricilerin doğrudan kullanmasına olanak tanır.
Bu rota, OpenAI'nin Codex aracılığıyla doğrudan kullanıcılara hizmet vermesini ve alt seviye yürütme yeteneklerini diğer yazılım şirketlerine sağlamasını sağlar. Geliştiriciler, kendi ürün arayüzlerini ve iş akışlarını koruyabilir, Codex ise arka planda belirli görevleri yerine getirebilir.
DeepSeek, 13 Ağustos'ta MIT lisansı altında Harness'in tüm framework kodunu açtı ve "Her şey bir eklentidir" ilkesini öne sürdü; bu sayede tam Agent çalışma sistemini serbestçe birleştirilebilir eklentilere ayırdı. Geliştiriciler, model ve dış araçları değiştirmekle kalmaz, Agent'ın modeli çağırma ve görev yürütme yöntemlerini de değiştirebilir, hatta Agent'ın kendi kendine yeni eklentiler yazıp kurmasını bile sağlayabilir.
Cordis tabanlı bu mimari, geliştiricilerin farklı türde Agent'leri kendi ihtiyaçlarına göre oluşturabilmesi için sistemleri baştan kurmalarına gerek kalmadan çalıştırılmasını sağlar.
5 Kasım'da Kimi, Hosted Agents'in 24/7 bulut ortamını sunduğunu duyurdu; şirketler, Agent'leri iç sistemlerine entegre edebilir veya dış satım ürünlerine gömebilir ve açıkça Harness as a service belirtti.
02 Harness gelişiyor
Aslında, Harness'in popülaritesi model şirketleri tarafından başlamadı.
Bu yıl başlarında, OpenClaw'ın popülerliği, temel bir modeli olmayan bir şirketin Agent çalışma sistemiyle büyük kullanıcı kitlesini çekebileceğini sektörün gözlerine gösterdi. Şubat'ta, OpenAI, OpenClaw'un kurucusu Peter Steinberger'i, bir sonraki nesil bireysel Agent geliştirme çalışmalarına dahil etti.
Daha sonra, Nous Research, Hermes Agent'ı tanıtarak, Agent'ın işte birikmiş deneyimleri yeniden kullanılabilir Beceriler olarak kaydetmesini ve sonraki görevlerde sürekli iyileştirmesini sağlamayı amaçladı.
Martın sonunda, Stanford Üniversitesi ve diğer kurumlar, AI'nın başarısızlık kayıtlarına dayanarak Harness kodunu doğrudan düzeltmesini ve testlerle etkisini doğrulamasını sağlayan Meta-Harness'ı sundu. Bir metin sınıflandırma deneyinde, doğruluk oranı %7,7 arttı ve bağlam Token tüketimi orijinal miktarın dörtte birine düştü.
Bu araştırmalar neden model şirketlerinin yatırımı değerlidir? Ekim'de Singapur'daki Nanyang Teknoloji Üniversitesi, 66 modeli Harness ile test etti ve Harness'in değiştirilmesinin hatta modeller arasındaki performans sıralamasını değiştirebileceğini buldu.
FrontierHarness Eval, aynı Kimi K3 için Codex kullanıldığında görev geçme oranının %66,7, DeepSeek Harness Creator kullanıldığında %63,3 ve Kimi Code kullanıldığında %56,7 olduğunu tespit etti.
Temel model şirketleri için, model performansını artırmak, modelin kendisini geliştirmenin yanı sıra Harness tasarımının ve optimizasyonuna da giderek daha fazla bağımlı hale gelmektedir.
Araştırmacılar, Harness'ten elde edilen deneyimleri model eğitimi için kullanmaya devam ediyor. Temmuz'da önerilen Co-Harness, önce başarısızlık kayıtlarını kullanarak Harness'i iyileştiriyor, ardından optimize edilmiş yürütme verileriyle modeli eğitiyor. Kasım'da duyurulan HarnessFlow ise daha iyi Harness tasarımları aramayı otomatikleştirmeyi hedefliyor ve altı farklı görevde ortalama performansı %10,89 artırıyor.
Ancak otomatik optimizasyonun da riskleri vardır. Kasımın başındaki bir araştırma, belirli bir deneyde bir Harness'in yeni bir görev için optimize edildikten sonra SWE-bench üzerindeki performansının %94'ten %32'ye düştüğünü buldu. Model yükseltmeleri, daha önce etkili olan tasarımların işlevini kaybetmesine de neden olabilir.
Bu, Harness'in teknik birikiminin bir kez çözülebilir olmadığını anlamına gelir. Sürekli iyileştirmede farklı görevlerin kararlılığını nasıl koruyacağımız, hâlâ çözülmemiş bir sorundur.
Bazı sektör içi uzmanlar, bu durumun açık kaynak modellerinin dağıtımı için büyük bir zorluk olduğunu belirtiyor. Bu nedenle, model şirketleri Harness hizmetlerini satmaya başlamıştır. Açık kaynak çerçevesi ücretsiz olarak elde edilebilir, ancak şirketlerin Agent’leri uzun vadeli ve kararlı bir şekilde çalıştırmak için dağıtım ve bakım maliyetlerini karşılaması gerekir. Kimi, Anthropic gibi şirketler bu işleri üstlenme fırsatını görerek Harness’i bağımsız bir iş haline getirdi, ancak farklı şirketlerin yaklaşımları büyük ölçüde farklılık gösteriyor.
03 Harness'in gizli değeri
Harness, ayrı bir ücretli hizmet olarak başlıyor, ancak şu anki fiyat listesi, model çıkarımının hala ana gelir kaynağını oluşturduğunu gösteriyor.
Anthropic'in Yönetilen Ajanları, etkin oturum saat başına 0,08 dolar ve ek olarak token ücreti alır. Resmi olarak yayınlanan bir saatlik programlama görevi örneğine göre toplam maliyet 0,58 dolar olup, yönetilen çalışma ücreti yalnızca yaklaşık %14'ü oluşturmaktadır.
Kimi'nin ücretlendirme modeli, model tokenları, sandbox çalıştırma ve ücretli eklentilerden oluşur. Yayınlanan bir yatırım bankası hukuk analizi görevi, yaklaşık 30 yuanlık bir maliyet tahmin ederken, sandbox ücreti 0,1 yuanın altındadır. OpenAI, Agents API'nin genel deneme döneminde ek hizmet ücretleri almaz ve ana olarak model ve araç kullanımına göre ücretlendirir. DeepSeek, Harness'i MIT lisansı altında açık kaynak kodlu hale getirmiş ve doğrudan bir ücretlendirme mantığına sahip değildir.
Yani, şu aşamada model şirketlerin harness üzerinden elde ettiği doğrudan gelirler çok düşük olabilir.
Peki, neden büyük ölçüde araştırma ve geliştirme kaynakları harcanıyor?
Bir önemli neden, şirketlerin gerçek bir Agent dağıttıktan sonra belirli bir modele göre daha istikrarlı bir Harness ihtiyacına sahip olmalarıdır.
Amerikalı hukuki hizmet şirketi ABC Legal, Agent'leri önce çalışan bilgisayarlarına dağıtarak zamanlanmış görevlerle çalıştırmıştı. Kullanımın genişlemesiyle birlikte CTO Brandon Fuller, bu Agent'leri merkezi olarak yönetebilecek bir platform aramaya başladı. Birden fazla çözümü karşılaştırdıktan sonra, şirketin dağıtılmış çalışma ortamlarını sürdürmek istememesi nedeniyle Anthropic'in Yönetilen Agent'lerini seçti.
Anthropic'a göre, ABC Legal bir ay içinde 50'den fazla Agent'i üretim ortamına aldı ve yaklaşık 310 çalışan Claude'ı günlük olarak kullanıyor. Çalışanlar, yeni Agent'ler oluşturmak için yazılım geliştirme bilgisi sahibi olmak zorunda değil.
Bu, Harness'in barındırılmasının gerçek şirket ihtiyaçlarından kaynaklandığını gösterir. Şirketler, sistemleri baştan geliştirip uzun vadeli olarak sürdürmek yerine, hazır hizmetleri satın alarak mühendislik kaynaklarını kendi işlerine odaklamayı tercih edebilir.
Ancak şirketler, bu nedenle bir model şirketi bağlamak isteyebilir.
Bu yıl Ağustos'ta VentureBeat, 107 şirket üzerinde bir anket gerçekleştirdi. Katılımcı şirketlerin %85'i aynı anda iki veya daha fazla Agent düzenleme platformu kullanıyor. Platform seçerken, %29'u model ve araç esnekliğini en önemli kriter olarak görüyor; sadece %10'u bir lider modele native uyumunu öncelikli tutuyor. Örneklem büyük teknoloji şirketlerine eğilimli olsa da, müşterilerin model değiştirmek için serbestlik bırakma isteğini yansıtan bir satın alma eğilimi ortaya çıkıyor.
Bu, Harness'in rekabetini başka bir ticari mantıkla sağlar. Bir şirket uzun vadeli olarak bir çalışma sistemi kullanmaya istekliyse, sağlayıcı model çağrılarını tekelleştiremese bile, barındırma, bakım ve kurumsal geliştirme hizmetleri gelirleriyle devam edebilir ve müşterilerle daha istikrarlı bir iş ilişkisi kurabilir.
Bu sayede Harness, işletmelerin gerçek iş süreçlerine erişebilir. Basit bir model API'sinden farklı olarak, Harness bir görevin başlangıcından tamamlanmasına kadar olan iş akışını kaydeder; bu akış, model çağrısı, araç yürütme, hata durumunda yeniden deneme ve nihai sonuçları içerir. Bu kayıtlar, hem arızaların tespitine yardımcı olur hem de model geliştirme için değerli geri bildirimler sunar.
Model şirketleri, doğrulanmış gerçek görev geri bildirimlerini sürekli olarak alabiliyorsa, modellerin üretim ortamındaki sorunlarını daha hızlı tespit etme fırsatına sahip olur. Ancak bu avantaj, veri haklarının açıkça sınırlanması nedeniyle sınırlı kalır.
Bu, model şirketleri için yeni bir soruyu da ortaya çıkarıyor: Eğer işletmeler altta yatan modeli serbestçe değiştirebiliyor ve kendi verilerini kontrol altında tutuyorsa, Harness uzun vadeli olarak ne kadar bir avantaj kurabilir?
Model şirketleri için Harness, doğrudan ücret alma yerine daha uzun vadeli bir değer sunabilir. Şirketler işlerinin giderek artan bir kısmını Agentlere bırakırken, güvenilir bir çalışma sistemi sunan taraf, model seçimini ve AI'nın gerçek işlerde nasıl yer alacağını etkileme fırsatına sahip olur.
Bilinen ve eski bir kelime: giriş.
Ancak, internet çağına kök salmış bu kelime, AI çağındaki rekabetin hassas sinirlerini her zaman harekete geçirmektedir. Şimdi Harness, bu beklentiyi ve hayal gücü kısmen üstlenmektedir.
Twitter: https://twitter.com/BitpushNewsCN
BitPush TG iletişim grubu: https://t.me/BitPushCommunity
BitPush TG aboneliği: https://t.me/bitpush