共 5 篇文章
清华与微软亚研提出HarnessMM：用可执行决策图存储Agent已解决的决策，工具反馈满足守卫条件时直接复用，不再回调模型。DeepSeek Harness在HumanEval上成功率从71.43%升到85.71%，每任务token从9.6万降到1.16万，省87.93%。本文分析它对银行Agent harness的成本与效率意义。
2026年10月17日，DeepSeek上线V4.1-Flash-1017并全端切换。新模型在多项智能体与编程基准上提升，同时缩短任务运行时间与输出、降低单位成本，称在多个Harness下达到新的性能-费用帕累托最优；强化“许愿式”端到端开发；权重开源并开放Search/Fetch搜索接口。本文核验事件，拆解模型与Harness协同、搜索工具化对银行的价值、风险与落地启示。
第九届《State of AI Report 2026》10月8日发布（244页）。报告显示Anthropic、OpenAI、Google三强、基准饱和，两家合计年化收入1050亿美元、固定性能年降约13倍、harness影响比模型大7.8倍、开源模型处理62.7%的token。本文从金融行业角度重算成本、建设、路线、自主、客户、采购估值、安全合规七笔账，并给出落地建议。
arXiv:2610.04433 论文用 5 个模型 × 3 个生产级 Harness × SWE-bench Verified 447+45 任务，以重跑校准噪声、统一价格表核算成本，实证回答：换 Harness 对通过率的影响约等于重跑噪声，换模型翻转 22% 任务、换框架仅 13%；Harness 真正决定的是最多 3 倍的 Token 账单。并给出金融业选型、成本与评测纪律启示。
张慧敏在《企业Agent工程方法论：从企业现实到可演进Harness的构建与治理》中提出：企业Agent落地的主要挑战，正从单轮生成与局部推理，转向在既有系统、授权结构与审计要求中实现可靠行动与可控演进，其核心结论是'模型能力不会自动转化为企业行动资格'。银行是'企业现实'密度最高的行业——账户状态、授信敞口、风控规则、授权矩阵与审计轨迹数十年沉淀，恰是该方法论最典型的适用场域。本文论证该观点在银行业的成立性，给出银行落地Harness的原因、六步路径与分层风险防范，主张银行智能体的核心竞争力不在单一模型，而在以Harness为控制层、以Harness Cell为演进边界、以Learning Runtime为治理机制的可演进工程体系。