同样的 DeepSeek 模型，换个 Harness，差距有多大？

有人用 DeepSeek-V4.1-Flash-1017，在 Terminal-Bench 2.0 上对比了三套 Harness，20 个任务各测两轮。

结果挺有意思：

任务成功率：
• Claude Code：75%
• Hermes：75%
• DeepSeek Harness：70%

统计上没有显著差异。

但执行成本差别不小：

• 输入 Token：Claude Code 2321 万，DeepSeek Harness 3868 万，前者少约 40%
• 工具交互：Claude Code 平均 18 轮，DeepSeek Harness 29 轮
• 整批执行：DeepSeek Harness 最快，但 Claude Code 受到服务端缓存问题影响，速度对比并不完全公平

同一个模型，Harness 没有拉开任务成功率，却明显改变了 Token 消耗和执行方式。

看来 Coding Agent 的竞争，不只是模型的竞争。

大家实际体验呢？同一个模型，换不同 Harness，效果差异大吗？

主楼