看了ARC-AGI-3 对比 模型一个参数没动，只调两项 harness 设置，得分 13.3% 干到 38.3%，输出 token 少 6 倍。 模型差距快被抹平，接下来比的是调度。Coding Agent 不光是写代码工具了，OpenAI 想当平台卖。 模型差距越来越小，harness 就是下一个战场 #CodexHarness开源# ​