7 листопада Microsoft опублікувала технічний білій папір щодо системи виконання агентів, який містив серію трохи неочікуваних результатів тестування: при тому самому використанні Claude Opus 4.8, але з заміною Harness, що лежить в основі Copilot Studio, частка успішного виконання складних завдань зросла на 22,1 процентного пункта. Нова система майже подвоїла кількість викликів моделі на кожне завдання, але споживання вхідних токенів у перерахунку зменшилося на 21%.
Ще десять днів тому Microsoft оголосила про розширення єдиної платформи Copilot Harness на кілька своїх продуктів та пропозицію хмарних хостингових послуг для розробників.
5 листопада Moonshot AI випустила Kimi Hosted Agents і офіційно запровадила Harness as a Service. У серпні DeepSeek відкрила свій Harness; OpenAI та Anthropic ще раніше перетворили свої внутрішні системи на сервіси, які можуть використовувати розробники.
Операційна система, що стоїть за тим великим моделем, починає ставати ключовим гравцем у очах компаній, що розробляють моделі.
Зображення створено за допомогою ШІ
01 Захоплюйте Harness
Harness можна розуміти як систему запуску агентів, побудовану навколо великих моделей. Вона дозволяє моделі використовувати зовнішні інструменти, послідовно виконувати багатокрокові завдання та коригувати подальші дії на основі результатів виконання. Для агентів, які мають довготривалий час роботи, Harness також відповідає за збереження стану завдання, щоб робота могла продовжитися після перерви.
Він знаходиться на іншому рівні, ніж AI-застосунки. Наприклад, такі продукти, як Claude Code та WorkBuddy, безпосередньо орієнтовані на користувачів, тоді як базова платформа Harness може бути повторно використана різними застосунками або надаватися розробникам як самостійний сервіс. Зі зростанням складності завдань, які виконують агенти, Harness стає все більш важливим фактором, що впливає на успішність завдань, ефективність виконання та витрати на роботу.
Anthropic — одна з перших компаній, що вклалися у розробку Harness, спочатку для вирішення проблем, з якими стикався Claude Code під час тривалих програмних завдань.
Наприкінці 2025 року Anthropic виявила, що коли контекстне вікно Claude вичерпується, нова сесія діалогу часто не може продовжити попередню роботу. Інженери покращили Harness, що лежить в основі Claude Code, щоб агент зберігав прогрес перед завершенням кожного етапу, а на наступному етапі зчитував ці записи й продовжував незавершені завдання. Таким чином, навіть якщо сесія моделі завершується, ціле програмне завдання все ще може успішно просуватися.
У квітні цього року Anthropic додала Managed Agents, надавши розробникам можливість запускати ці агенти як хмарну послугу. Щоб дозволити підприємствам довгостроково та стабільно запускати агентів, Anthropic переробила базову архітектуру: Harness відповідає за виконання завдань, історію можна зберігати окремо, а середовище виконання AI можна замінювати в будь-який момент. Навіть якщо середовище вийде з ладу, агент зможе відновити свою попередню роботу.
Від внутрішньої системи виконання Claude Code до хостингових сервісів для зовнішніх розробників, Anthropic перетворила багаторічний досвід у самостійний продукт.
OpenAI також вирішила відкрити Harness, що лежить в основі Codex, для більшої кількості розробників. У лютому цього року OpenAI розкрила, що веб-версія Codex, командний рядок та плагіни IDE фактично використовують одну й ту саму систему виконання агента. У серпні було додатково позиціоновано Codex як відкриту платформу Harness, що дозволяє стороннім додаткам підключатися безпосередньо. У вересні було запущено Agents API, який OpenAI відповідає за хостинг та підтримку цієї системи, дозволяючи розробникам безпосередньо підключатися до середовища виконання агента.
Цей підхід дозволяє OpenAI одночасно надавати послуги користувачам безпосередньо через Codex та надавати базові виконавчі можливості іншим програмним компаніям. Розробники можуть зберігати власні інтерфейси продуктів та бізнес-процеси, поклавши на Codex виконання конкретних завдань у тлі.
DeepSeek 13 серпня відкрив повний код фреймворку Harness за ліцензією MIT, запропонувавши концепцію «Все є плагіном», розбивши майже всю систему виконання агента на плагіни, які можна вільно комбінувати. Розробники можуть не лише замінювати моделі та зовнішні інструменти, але й змінювати спосіб, яким агент викликає моделі та виконує завдання, навіть дозволяючи агенту самостійно писати та встановлювати нові плагіни.
Ця архітектура на основі Cordis дозволяє розробникам створювати різні типи агентів за своїми потребами, не побудовуючи систему з нуля.
5 листопада Kimi офіційно оголосила, що Hosted Agents надає круглосуточне хмарне середовище, дозволяючи компаніям розміщувати агентів у внутрішніх системах або вбудовувати їх у продукти для зовнішнього продажу, а також чітко визначила Harness as a service.
02 Еволюція Harness
Насправді, популярність Harness не почалася з компаній-розробників моделей.
На початку цього року популярність OpenClaw показала галузі, що компанія без базової моделі також може привернути велику кількість користувачів завдяки системі запуску агентів. У лютому OpenAI найняла засновника OpenClaw Пітера Штейнбергера для участі у розробці наступного покоління персональних агентів.
Після цього Nous Research запустила Hermes Agent, щоб спробувати зберігати досвід, накопичений агентом у вигляді повторно використовуваних навичок, і постійно покращувати їх у подальших завданнях.
Кінець березня, Стенфордський університет та інші установи запропонували Meta-Harness, який дозволяє ШІ безпосередньо змінювати код Harness на основі записів про невдачі та перевіряти ефективність за допомогою тестів. У експерименті з класифікацією тексту точність зросла на 7,7%, а споживання контекстних токенів зменшилося до чверті від початкового рівня.
Чому ці дослідження варто інвестувати компаніям, що розробляють моделі? У жовтні Університет Наньян у Сінгапурі протестував 66 моделей разом із Harness і виявив, що зміна Harness навіть може змінити рейтинг продуктивності між моделями.
FrontierHarness Eval також виявив, що той самий Kimi K3 має показник успішності завдань 66,7% за допомогою Codex, 63,3% за допомогою DeepSeek Harness Creator та 56,7% за допомогою Kimi Code.
Для компаній, що розробляють базові моделі, покращення продуктивності моделі все більше залежить від дизайну та оптимізації Harness, крім вдосконалення самої моделі.
Дослідники продовжують намагатися застосувати досвід, накопичений у Harness, до навчання моделей. Co-Harness, запропонований у липні, спочатку покращує Harness за допомогою записів про невдачі, а потім використовує оптимізовані дані виконання для навчання моделі. HarnessFlow, представлений у листопаді, намагається автоматично шукати кращі дизайни Harness, підвищуючи середній результат на 10,89 відсотка у шести класах завдань.
Проте автоматична оптимізація також несе ризики. Дослідження на початку листопада виявило, що в певному експерименті після оптимізації Harness для нової завдання його результат на SWE-bench впав з 94% до 32%. Оновлення моделі також може зробити попередньо ефективні дизайни неефективними.
Це означає, що технологічний досвід Harness важко закріпити раз і назавжди. Як зберігати стабільність різних завдань у процесі постійного вдосконалення, залишається нерозв’язаною проблемою.
За словами фахівців галузі, це також є однією з головних проблем при розгортанні відкритих моделей. Тому компанії, що розробляють моделі, вже почали продавати сервіси Harness. Відкриті фреймворки можна отримати безкоштовно, але для довгострокового стабільного функціонування Agent підприємства все ще повинні нести витрати на розгортання та обслуговування. Компанії, такі як Kimi та Anthropic, побачили можливість взяти на себе цю роботу і перетворили Harness на окремий бізнес, але підходи різних компаній значно відрізняються.
Прихована вартість 03 Harness
Harness став окремою платною послугою, але поточна цінова шкала показує, що інференс моделей залишається основним джерелом доходу.
Anthropic за кожну активну сесію на годину стягує 0,08 долара США, а токени — окремо. За прикладом програмування на одну годину, оголошеним офіційно, загальна вартість становить 0,58 долара США, з яких витрати на управління становлять лише близько 14%.
Кимі має три компоненти оплати: токени моделі, виконання в санітарній зоні та платні плагіни. Оцінка вартості однієї задачі з юридичного аналізу в інвестиційному банку становить близько 30 юанів, а витрати на санітарну зону менше 0,1 юаня. OpenAI не стягує додаткових послуг під час публічного тестування Agents API, а оплата здійснюється в основному за використання моделі та інструментів. DeepSeek відкрила Harness за ліцензією MIT і не має прямих схем оплати.
Отже, на цьому етапі прямі доходи компанії, що розробляє моделі, отримані за допомогою harness, можуть бути мінімальними.
Тоді чому вкладати величезні ресурси на дослідження та розробку?
Однією з головних причин є те, що після реального впровадження агентів компаніями попит на Harness може бути стабільнішим, ніж на певну модель.
Американська компанія з юридичними послугами ABC Legal спочатку розгорнула агента на комп’ютерах співробітників і запускала його за допомогою запланованих завдань. Зі збільшенням масштабів використання CTO Брендон Фуллер почав шукати платформу для централізованого управління цими агентами. Він порівняв кілька варіантів і нарешті обрав Managed Agents від Anthropic, оскільки компанія не хотіла продовжувати підтримку розподілених середовищ виконання.
За даними Anthropic, ABC Legal запустила понад 50 агентів у виробництво протягом місяця, і близько 310 співробітників щодня використовують Claude. Співробітникам навіть не потрібно володіти знаннями у сфері розробки програмного забезпечення, щоб створювати нові агенти за допомогою налаштувань.
Це свідчить про те, що привабливість хостингу Harness походить від реальних корпоративних потреб. Замість розробки, розгортання та довгострокового обслуговування системи з нуля, компанії можуть віддавати перевагу купівлі готових рішень, щоб перенаправити інженерні ресурси на власний бізнес.
Але підприємства не обов’язково хочуть зв’язуватися з однією компанією-розробником моделей.
У серпні цього року VentureBeat опублікував результати опитування 107 компаній. 85% опитаних компаній одночасно використовують дві або більше платформи оркестрування агентів. При виборі платформи 29% компаній найбільше цінують гнучкість моделей та інструментів, лише 10% пріоритезують нативну сумісність із певною лідируючою моделлю. Хоча вибірка переважно складається з великих технологічних компаній, вона вже відображає певну тенденцію до закупівлі: клієнти бажають зберегти свободу зміни моделей.
Це надає альтернативну бізнес-логіку для Harness. Якщо підприємство готове довгостроково використовувати певну систему, постачальник може отримувати постійний дохід від хостингу, підтримки та корпоративних розробок, навіть якщо не має ексклюзивного доступу до викликів моделей, а також встановлювати більш стабільні стосунки з клієнтами.
Таким чином, Harness отримує доступ до реальних процесів виконання завдань у підприємстві. У порівнянні з простими API моделей, Harness може фіксувати повний шлях виконання завдання — від початку до завершення, включаючи виклики моделей, виконання інструментів, повторні спроби при помилках та кінцевий результат. Ці записи допомагають підприємствам виявляти та усувати поломки, а також надають цінні зворотні зв’язки для розробки моделей.
Якщо компанії з моделями зможуть постійно отримувати перевірені реальні відгуки, вони зможуть швидше виявляти проблеми моделей у виробничому середовищі. Однак ця перевага буде чітко обмежена правами на дані.
Це також ставить перед компаніями, що розробляють моделі, нове питання: якщо підприємства зможуть вільно змінювати базову модель і одночасно зберігати контроль над власними даними, яку довгострокову перевагу зможе створити Harness?
Для компаній, що розробляють моделі, Harness може принести більш довгострокову вигоду, ніж прямі платежі. Коли компанії передають все більше завдань агентам, той, хто забезпечить надійну робочу систему, отримає можливість впливати на вибір моделей та те, як штучний інтелект участвуватиме у реальних бізнес-процесах.
Знайоме та застаріле слово: вхід.
Але це слово, глибоко закорінене в епоху Інтернету, завжди торкається чутливих нервів конкуренції в епоху ШІ. Зараз Harness у певній мірі несе на собі ці очікування та уяву.
Twitter: https://twitter.com/BitpushNewsCN
Телеграм-група BitPush: https://t.me/BitPushCommunity
Підписка на BitPush у TG: https://t.me/bitpush