AI工程圈大辩论：Big Model VS Big Harness？

一个交易员赚了300万美元，到底是因为他本人厉害，还是因为他坐的那个位置厉害？

平台重要还是个人能力重要？在AI工程领域，最近也掀起了一场这样的争论。

一边是Big Model派，认为模型本身才是王道；另一边是Big Harness派，坚信框架工程才是关键。

latent space近日梳理了两派的观点，我们来看看。

Big Model 派的观点：Harness 越薄越好

Big Model派代表人物Claude Code的创始人Boris Cherny说得很直白："我们的秘诀都在模型里，框架只是最薄的那层包装。我们写得不能再简单了，这就是最精简的东西。"他们每隔几周就重写一次代码，但核心思想始终如一：让模型发挥最大能力。

OpenAI的Noam Brown更是直接："推理模型出现后，那些复杂的脚手架就没必要了。你直接把问题给推理模型，它自己就能搞定。那些脚手架最终都会被更强大的模型替代。"

数据似乎也支持这个观点。METR的测试显示，Claude Code和Codex并不比基础脚手架表现更好。

Scale AI的SWE-Atlas发现，Opus 4.6在Claude Code中比在通用SWE-Agent中好2.5分，但GPT 5.2的情况正好相反——选择哪个框架，在误差范围内基本没区别。

Image

Image

Big Harness派的反击：姿势不对一切白费

但Big Harness派不同意。他们认为，Harness就是产品本身。

每个生产级Agent都遵循同一个核心循环：

while (模型返回工具调用):
  执行工具 → 捕获结果 → 添加到上下文 → 再次调用模型

就这么简单。Claude Code、Cursor的Agent、Manus的架构都在这个循环里。

LlamaIndex创始人Jerry Liu说得更直接："模型框架就是一切——从AI获取价值最大的障碍，就是你自己对模型进行上下文和工作流工程的能力。工具越通用，这一点就越重要。"

更有说服力的是，有人在一个下午内通过优化框架，让15个LLM的编码能力都有了显著提升——模型没变，只是框架变了。

当然，卖框架的会说框架重要，卖模型的会说模型重要。AI行业一直有这种"复合AI系统"的讨论，告诉你两者都有价值。

但情况可能正在改变。随着Agent Labs的理论得到验证（Cursor估值已达500亿美元），我们不得不承认"Harness Engineering"确实有价值。AIE Europe甚至开设了全球首个Harness Engineering专题。

小结

很显然，这个辩论把观点推向了极端，好马配好鞍，才能跑得更远。从趋势看，模型能力越来越强，围绕细节的harness配套肯定是会消亡的，就比如你教一个小学生一步步做算术题是有必要的，但你对一个大学生也如此培养，那自然费力不讨好。

这让笔者又想拿工业革命说事，过去对于工厂工人，管理上要求标准化，打卡计时，统统都用上有利于提升效率和质量。但是，面对当下知识型，甚至创意型工作时，你还用那一套就会适得其反。就拿字节企业文化来讲，context not controll，本质上也是管理手段的进化。对于，AI来讲，我们也要适应AI能力提升以及环境不同，采用不一样的Harness措施，才是真正有意义的事情。