Білий папір Microsoft показує, що переключення Harness збільшує продуктивність Claude на 22,1%

iconTechFlow
Поділитися
AI summary iconКороткий зміст
Microsoft опублікувала технічний білий папір 7 листопада 2026 року, який показує, що перехід на систему Harness у Copilot Studio покращив продуктивність Claude Opus 4.8 на 22,1%. Оновлення майже подвоїло кількість викликів моделі на завдання, зменшивши використання вхідних токенів на 21%. Технічні індикатори підкреслюють зростання ефективності, а дані ланцюга відображають вищі показники виконання для складних завдань.

Автор: Tencent Tech

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 відсоткового пункта. Нова система майже подвоїла кількість викликів моделі на кожне завдання, але в розрахунку на вхідні токени споживання 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 розробники можуть використовувати.

Система, що працює за цим великим моделем, починає ставати ключовим фактором для компаній, що розробляють моделі.

Захоплюйте Harness

Harness можна розуміти як систему запуску агентів, побудовану навколо великих моделей. Вона дозволяє моделям використовувати зовнішні інструменти, виконувати багатокрокові завдання та адаптувати подальші дії на основі результатів виконання. Для агентів, які мають довготривалий час роботи, Harness також відповідає за збереження стану завдання, щоб роботу можна було продовжити після перерви.

Він знаходиться на іншому рівні, ніж додатки штучного інтелекту. Наприклад, такі продукти, як Claude Code та WorkBuddy, спрямовані безпосередньо на користувачів, тоді як базова платформа Harness може бути повторно використана різними додатками 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 стикається 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 потім у наступній сесії зчитував ці записи й продовжував незавершені завдання. Таким чином, навіть якщо сесія моделі завершується, ціле програмне завдання все ще може продовжуватися.

У квітні цього року Anthropic додала Managed Agents, надавши розробникам можливість запускати ці агенти як хмарну послугу. Щоб забезпечити довгострокову та стабільну роботу агентів для бізнесу, Anthropic переробила базову архітектуру: Harness відповідає за запуск 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 хостинг-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 користувачам прямий доступ 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 тилі.

DeepSeek відкрила повний код фреймворку Harness 13 серпня 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 про надання Hosted Agents із круглодобовою хмарною середовищем, дозволяючи компаніям розміщувати агентів у внутрішніх системах або вбудовувати їх у продукти для зовнішнього продажу, а також чітко визначивши Harness as a service.

Harness еволюція

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 агентів. У лютому OpenAI запропонувала засновнику OpenClaw Пітеру Штейнбергеру приєднатися до розробки 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 для одного й того ж Kimi K3 показник успішності завдань становить 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 моделей все більше залежить від дизайну та оптимізації Harness, крім вдосконалення самих моделей.

Діаграма: Порівняння частоти успішного виконання завдань і витрат для одного й того ж Kimi K3 при різних конфігураціях Harness

Дослідники продовжують намагатися застосувати досвід, накопичений у Harness, до навчання моделей. Co-Harness, запропонований у липні, спочатку вдосконалює 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 типах завдань.

Діаграма: Хронологія розвитку технологій Harness (кінець 2025 року — листопад 2026 року)

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 раніше 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 пропонувати послуги 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 перетворити Harness на окремий бізнес, але підходи різних компаній суттєво відрізняються.

Прихована цінність Harness

Harness почав ставати окремою платною послугою, але поточна цінова схема показує, що інференс моделей залишається основним джерелом доходу.

Anthropic стягує 0,08 долара США за кожну активну годину сесії з управління агентами, додатково стягується плата за токени; згідно з прикладом офіційної годинної програмної задачі, загальна вартість становить 0,58 долара США, з яких плата за управлений запуск становить лише близько 14%.

Кимі має три складові ціноутворення: 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 під час публічного тестування Agents API не стягує додаткових послуг, а оплачується лише використання моделі та інструментів. DeepSeek відкрила Harness за ліцензією MIT і не має прямих схем оплати.

Діаграма: Порівняння моделей ціноутворення та бізнес-позицій шести компаній Harness

Отже, на цьому етапі пряма дохідність моделей компаній від harness може бути мінімальною.

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 агентів на комп’ютерах співробітників і запускала їх 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 протягом місяця запустила в продуктивне використання понад 50 агентів, і приблизно 310 співробітників щодня використовують Claude. Співробітникам навіть не потрібно володіти знаннями у сфері розробки програмного забезпечення, щоб створювати нові агенти за допомогою конфігурації.

Це свідчить про те, що привабливість хостингу Harness походить від реальних корпоративних потреб. Замість розробки та довгострокового обслуговування системи з нуля, компанії можуть віддавати перевагу купівлі готових рішень, щоб зосередити інженерні ресурси на власному бізнесі.

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 оркестрації 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 іншу комерційну логіку для Harness. Якщо компанія готова довгостроково використовувати певну систему, провайдер може отримувати постійний дохід від хостингу, підтримки та корпоративних розробок, навіть якщо не має ексклюзивного доступу до викликів моделей, і 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 дані для розробки моделей.

Рисунок: Чотири категорії даних виконання корпоративних завдань, зафіксованих Harness

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 побудувати 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 систему виконання, отримає можливість впливати на вибір моделей та на те, як AI участвує 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.

Відмова від відповідальності: Інформація на цій сторінці може бути отримана від третіх осіб і не обов'язково відображає погляди або думки KuCoin. Цей контент надається лише для загального інформування, без будь-яких запевнень або гарантій, а також не може розглядатися як фінансова або інвестиційна порада. KuCoin не несе відповідальності за будь-які помилки або упущення, а також за будь-які результати, отримані в результаті використання цієї інформації. Інвестиції в цифрові активи можуть бути ризикованими. Будь ласка, ретельно оцініть ризики продукту та свою толерантність до ризику, виходячи з ваших власних фінансових обставин. Для отримання додаткової інформації, будь ласка, зверніться до наших Умов використання та Розкриття інформації про ризики.