GitHub Copilot 团队发布 Agent Bake Off，横向评测多模型与 harness 组合

GitHub Copilot 团队发布 Agent Bake Off 视频，使用统一任务横向比较多个模型与 harness 组合。评测涉及 GPT-5.5、Copilot、Codex、Claude Haiku 5.5、GPT-6 Luna、MAI-Code-11-Flash 等，用于观察同一模型在不同 harness 下的表现差异。