三种 Agent Harness 同模型任务完成率差距显著
热点事件持续更新
三种 Agent Harness 同模型任务完成率差距显著
2 篇报道2 个报道来源2 小时前更新
先了解这件事
AI 综述
Hugging Face 博客以 IBM 的 CUGA 团队在 AppWorld 上的评测，对比 CUGA、Hermes 与 Deep Agents：三种 Harness 均使用开源模型 GLM-5.3-flash，完成相同的 30 个场景、90 项多步任务且每项仅尝试一次，任务完成率从 30.0% 升至 81.1%。 测试覆盖 9 款应用和 457 个 API，但三者的具体配置并不相同，也未加入策略，因此结果不能直接泛化到其他任务或用于衡量策略执行能力。Hugging Face 认为，Harness 选型应结合工具调用密集度、长程规划、记忆需求及部署场景。
AI 根据报道生成 · 1 小时前更新
最新进展11月3日 23:57
Hugging Face 对比 CUGA、Hermes 与 Deep Agents 的 Harness 选型报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- AGI HuntHugging Face 对比 CUGA、Hermes 与 Deep Agents 的 Harness 选型
Hugging Face 官方博客对比了 CUGA、Hermes 与 Deep Agents 三种 agent harness，指出同一底层模型在不同 harness 下表现存在明显差异。文章进一步分析三者的架构差异，并依据工具调用密集度、长程规划和记忆需求提供选型建议。
- Hugging Face Blog精选CUGA、Hermes 与 Deep Agents 的 AppWorld 评测：相同模型任务完成率从 30.0% 升至 81.1%
IBM 的 CUGA 团队使用同一模型 GLM-5.3-flash 和 90 个 AppWorld 任务，对比 CUGA、Hermes 与 Deep Agents 的表现。
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。