热点事件持续更新

同模型换 Harness：CUGA 完成率 81.1% 领先

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

CUGA 团队公布对比结果：同一开放权重模型 GLM-5.3-flash 在 AppWorld 的 90 个任务（30 个场景、每任务一次尝试）上只更换 Agent Harness，CUGA 任务完成率 81.1%，Hermes 46.7%，Deep Agents 30.0%。CUGA 是 IBM 开源的企业级 Harness，可在自有环境与气隙环境部署，并用策略层执行规则，而不只依赖提示词。该团队同时说明，三个 Harness 的配置并不完全相同，CUGA 使用了其他两者没有启用的 AppWorld 配置，且对比由 CUGA 团队自己运行；结果仅来自单一基准的 90 个任务样本，未必适用于其他任务。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月3日

23:57
Hugging Face Blog
同模型不同 Harness：CUGA、Hermes 与 Deep Agents 对比，何时选 CUGA？
在 AppWorld 的 90 个任务中，同一 GLM-5.3-flash 模型只更换 Harness，CUGA 任务完成率达 81.1%，高于 Hermes 的 46.7% 和 Deep Agents 的 30.0%。CUGA 是 IBM 开源的企业级 Harness，可在自有环境与气隙部署，并用策略层执行规则而非只依赖提示词。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。