- Equinchaos2026-08-07
工欲善其事，必先利其器，于是我就测试了一下各个主流Harness
提示词
创建一个HTML，内容是SVG绘制一个鹈鹕骑自行车的2D动画。
用的是常用的鹈鹕骑自行车。
统一使用GPT-5.6-luna (max)
以下就是各个harness的成绩了，佬友们自行评价吧
首先上场的是Codex
接下来是第三方评测中很强的老牌Cursor
还有oh-my-pi（感觉它有个好处就是问题很详细）
Hermes竟然还不错
接下来是Opencode
再而外测试了一下deepseek v4 flash
这是Codex
**这是Opencode，不该这么拉吧
结果发现都打不过哈基米3.6flash
作为对照，这是5.6sol-xhigh直出
以下是用量
啥都没标的是Hermes，Cursor约1.2M
得出结论：模型大于harness
主楼 - linjinpeng2026-08-07
大差不差的，我的评价是只要模型好，哪个省token用哪个，需要啥自己再搓一个就行
- 阿发2026-08-07
佬，再测测，加skills后效果会不会好点，希望能对skills祛魅
- Ys_Ltr2026-08-07
我感觉这些harness都差不多，都是你抄我我抄你，没有什么本质上的不同，无法体现harness的效果提升能力。
- NascentSoul2026-08-07
- 林夕2026-08-07
话说怎么没有这行的开创者 claude code
- imdoge2026-08-07
测harness应该测复杂多轮agent任务，跑个oneshot画svg干嘛
- neroZac2026-08-07
既然已经测了omp，不顺手就测下pi么