云馨 (@yunxin0_0) 在 现在有很多model的排行榜，有什么排行榜是 harness的吗？ 中发帖

从各位使用 DeepSeek Flash 的蹬友,请立即更换 harness 到 opencode 请看测评继续讨论： 
如题，现在很多很多LLM的排行榜， deepswe， swe-bench,   arc-agi, 等等，但是我发现现在并没有不同模型在同一个harness的对比排行榜：比如这里的 deepseek-v4-flash-0731 在 claude code,pi,opencode等不同的harness的表现。 
harness的选择就好像model的选择一样，萝卜青菜各有所爱，这是肯定的。但我还是想要知道不同的harness对model的影响。 
在发出这个话题之前，我问了问gemini,gemini给出的答案是 Terminal-Bench,确实这里有一些，但是没有看到pi,opencode，同时还有一些非常少见的harness.
 
 
Back to Top