guanlan 团队发布 FrontierHarness 排行榜 v1.1：换模型是否也该换 harness？

guanlan 团队发布 FrontierHarness 排行榜 v1.1，以最多 1000 亿 token、26040 次 agent 运行评估更换模型时是否也应更换 harness。v1.1 覆盖 21 个 harness × 5 个模型 × 62 个任务 × 4 次尝试，规模是仅在单一模型上排行的 v1.0 的 72 倍，结果正陆续实时公布。