AWS เปิดซอร์ส Strands harness — agent สำเร็จรูปแบบ Claude Code แต่เลือกโมเดลเองได้ อ้างว่าใช้ token น้อยกว่า 28% แต่ตัวเลขทั้งหมดมาจากผลทดสอบของ AWS เองและยังไม่มีเปเปอร์

วันที่ 21 ก.ย. 2026 ทีม Strands Agents ของ AWS (Arron Bailiss, Tim Moreton และ Albert Zhao) ปล่อย Strands harness เป็น agent ที่ประกอบเสร็จพร้อมใช้ และรันได้ทั้งบนเครื่องตัวเองหรือ deploy ขึ้น cloud ใช้ สัญญาอนุญาต Apache 2.0 มีทั้ง Python (pip install strands-harness, 0.1.1 ขึ้น PyPI วันเดียวกัน) และ TypeScript (npm install @strands-agents/harness) ทีมบอกว่าที่มาคือนักพัฒนาหลายคนสร้าง agent ต้นแบบบน Claude Code หรือ Codex แล้วใช้งานได้ดี แต่พอต้องเขียน loop เองเพื่อย้ายขึ้น production กลับทำให้ทำงานได้ดีเท่าเดิมไม่ได้

ตัวเลขที่ AWS ชูคือ ต้นทุนต่ำกว่า 28% เมื่อใช้โมเดล Claude หรือ GPT ตัวเดียวกัน วัดจาก 6 benchmark โดยความแม่นยำ “เกือบเท่ากัน” เมื่อเทียบกับ Claude Code, Codex และ harness อื่น และบอกว่ากับ Fable 5 ต้นทุนต่ำกว่า Claude Code ถึง 77% พร้อมทำคะแนน Terminal Bench 2.1 ได้สูงกว่า แต่ต้องบอกไว้ก่อนว่า ตัวเลขทั้งหมดนี้ AWS วัดเอง บน EC2 ด้วยเฟรมเวิร์ก Harbor และ AWS บอกว่าจะมีเปเปอร์ตามมา ตอนนี้จึงยังไม่มีใครตรวจสอบวิธีวัดได้

โค้ดบรรทัดเดียวได้อะไรบ้าง

from strands_harness import create_harness

agent = create_harness(model="anthropic/claude-opus-5")
agent("Research the top three vector databases, compare pricing and limits, and write it up in comparison.md")

ค่าที่ create_harness() ให้มาเลยมีดังนี้

• เครื่องมือพื้นฐานที่โมเดลรู้จักอยู่แล้ว คือ shell, อ่าน/เขียน/แก้ไฟล์ และ web ไม่ได้สร้างเครื่องมือเฉพาะให้แต่ละงาน
• จัดการ context เอง ผลลัพธ์จาก tool ที่ยาวจะถูกย้ายไปเก็บเป็นไฟล์ และใช้ prompt caching
• มี long-term memory ข้ามการรัน และกลับมาคุยต่อจากเดิมได้ด้วย session ID
• ส่งงานย่อยให้ helper agent ที่มีมาในตัว และมี checklist สำหรับงานหลายขั้น
• โหลด skills อัตโนมัติถ้ามี
• เลือกโมเดลได้จาก Amazon Bedrock, Anthropic, OpenAI, Google, Ollama (โมเดล local) หรือ LiteLLM

ส่วน deploy ได้ทุกที่ที่รัน Linux container ได้ ทั้ง Modal, Cloudflare Containers, Azure Container Apps, Google Cloud Run, Amazon ECS และ Bedrock AgentCore และยังมี Strands CLI (npm install -g @strands-agents/cli) ให้ทดลองสร้าง agent ด้วยภาษาธรรมดา แล้วใช้คำสั่ง /export เพื่อ export ออกมาเป็นโค้ด Python หรือ TypeScript

ประหยัดได้เพราะค่าเริ่มต้นที่เลือกมา

AWS อธิบายว่าความประหยัดส่วนใหญ่มาจากค่าเริ่มต้นของการจัดการ context ซึ่งเขียนไว้ชัด ได้แก่ ผลจาก tool ที่ยาวเกินราว 1,500 token จะถูกตัด, สรุป (compaction) เมื่อ context ใช้ไปเกิน 85% และถ้า context ล้นระหว่างทำงานก็มีขั้นตอนกู้คืนใน loop ข้อดีคือเป็นค่าที่เปิดเผยและเปลี่ยนเองได้ แต่ขั้นตอนที่ช่วยประหยัด token ก็เป็นที่เดียวกับที่ข้อมูลสำคัญอาจหายได้ เช่น log ที่บรรทัดสำคัญอยู่หลัง token ที่ 1,500

บทความของ AWS ยังยอมรับเองว่า harness ของ DeepSeek ประหยัด token ที่สุดในการทดสอบ แต่ได้คะแนนความแม่นยำต่ำที่สุด ซึ่งแสดงให้เห็นว่าการประหยัดต้นทุนกับความแม่นยำขัดกันจริง และ AWS ยืนยันว่าไม่ยอมลดความแม่นยำเพื่อให้ถูกลง

มุมมอง AI Curator

ปี 2026 การแข่งขันย้ายจากตัวโมเดลมาที่ harness ชัดเจนแล้ว ก่อนหน้านี้ไม่นาน NVIDIA ก็เปิด SoL-Pi (โค้ดออก 7 ก.ย. และเปเปอร์ออก 17 ก.ย.) ซึ่งเป็นส่วนเสริมของ Pi ที่อ้างว่าลด token ลง 44.7–49.0% บน EdgeBench โดยไม่เสียผลลัพธ์ พอมาถึง Strands harness ของ AWS ก็เห็นว่าทั้งสองค่ายพูดเรื่องเดียวกัน คือ ต้นทุนของ agent ส่วนใหญ่มาจากการส่ง context เดิมซ้ำ ไม่ใช่มาจากการคิด ใครจัดการผลลัพธ์จาก tool และ compaction ได้ดีกว่าก็ประหยัดได้เป็นสิบเปอร์เซ็นต์โดยไม่ต้องเปลี่ยนโมเดล สำหรับทีมไทยที่จ่ายค่า API เป็นดอลลาร์ ตัวเลขระดับนี้มีผลกับงบประมาณโดยตรง

แต่ให้มอง 28% เป็นแค่สมมติฐาน ไม่ใช่ข้อเท็จจริง ผู้ผลิตวัด harness ของตัวเองเทียบกับคู่แข่ง ยังไม่มีเปเปอร์ ยังไม่เปิดชุดทดสอบให้รันซ้ำ และตัวเลข 77% ที่เทียบกับ Claude Code บน Fable 5 เป็นแค่โมเดลเดียวกับ benchmark เดียว สิ่งที่ควรทำคือนำงานจริงของทีมเองมารันเทียบ ซึ่ง Strands ทำให้ง่ายเพราะเปลี่ยนโมเดลได้ด้วยสตริงเดียว อีกเรื่องที่ควรรู้คือถึงจะเป็น Apache 2.0 และรองรับ Ollama แต่ตัวอย่างและเส้นทาง deploy หลักยังพาไปที่ Bedrock และ AgentCore ซึ่งเป็นธุรกิจของ AWS ดังนั้นให้มองว่านี่คือช่องทางที่ AWS ใช้ดึงนักพัฒนาเข้า Bedrock แบบหนึ่งด้วย

แหล่งข่าว

• Introducing Strands harness: frontier performance with 28% lower token cost — Strands Agents Blog (21 ก.ย. 2026)
• strands-harness — PyPI
• strands-agents/harness-sdk — GitHub
• NVlabs/SoL-Pi — GitHub (บริบทเปรียบเทียบ)