Unreal Agent เปิดซอร์ส harness แบบ async ล้วน (MIT, Go) — tool call ทุกตัวคืนสถานะ "กำลังทำ" ทันทีแล้ววิ่งเบื้องหลัง อ้างถูกกว่า Codex สูงสุด 40% ที่คะแนนเท่ากัน

Unreal Labs สตาร์ตอัปที่ Sequoia กับ First Round หนุน ปล่อย Unreal Agent เมื่อ 22 ก.ย. 2026 เป็น harness สำหรับเอเจนต์ที่ตั้งใจแก้ปัญหาเดียวคือ “ภาษีจากการจัดการ tool” โค้ดอยู่บน GitHub ที่ unreallabsai/unreal-agent เขียนด้วย Go และใช้สัญญา MIT (repo สร้างเมื่อ 21 ก.ย. ตามเวลา UTC และได้ดาวราว 1,160 ดวงภายในวันเดียว)

บริษัทอ้างว่า harness นี้ ประหยัดค่าใช้จ่ายได้สูงสุด 40% เมื่อเทียบกับ Codex และสูงสุด 20% เมื่อเทียบกับ Pi โดยคะแนนไม่ลดลง เรื่องนี้เป็นหลักฐานเพิ่มอีกชิ้นหลังเปเปอร์ HarnessTax ว่าที่คะแนนเท่ากัน ต้นทุนจะต่างกันได้มากตามการออกแบบ harness แต่ตัวเลขทั้งหมดในโพสต์เป็นผลที่บริษัทวัดเอง

ไอเดียหลัก: tool call ไม่ต้องรอ

harness ทั่วไปจะหยุดโมเดลไว้จนกว่า tool จะทำงานเสร็จ ถ้า tool ใช้เวลานาน เช่นติดตั้ง dev environment หลายนาที โมเดลก็ต้องเสียเทิร์นไปกับการรอ poll หรือเช็กสถานะเป็นระยะ Unreal Agent เปลี่ยนวิธีนี้:

• ทุกครั้งที่มี tool call ระบบจะ เพิ่มบันทึกลง event log ทันทีว่า tool นั้นคืนค่าในสถานะ “in-progress” แล้วปล่อยให้ tool ทำงานต่อเบื้องหลัง
• เมื่อ tool ทำงานเสร็จจริง ผลลัพธ์จะถูกเพิ่มลง session log แล้วจึงเรียก LLM อีกรอบ
• ผลคือเอเจนต์ รับข้อความ steer จากผู้ใช้ได้ตลอดเวลา ไม่ต้องรอ tool และสั่งงานหนักหลายอย่างในเทิร์นเดียวได้ เช่นตั้ง environment ไปพร้อมกับอ่านโค้ดและค้นเว็บ

ทีมบอกว่าส่วนที่ยากคือ ทำแบบนี้โดยไม่ทำให้ prompt cache แตก เชิงอรรถในโพสต์ยังระบุว่าการมี tool result สองชิ้น (ชิ้น in-progress กับชิ้นผลจริง) ใน context เดียวกันเป็นเรื่องที่ Responses API ยังเขียนไว้ไม่ชัด และระหว่างทดสอบ มีบาง provider (ที่ไม่ใช่ OpenAI) ปฏิเสธรูปแบบนี้ ดังนั้นถ้าจะใช้กับโมเดลนอกกลุ่ม OpenAI ควรลองก่อน

สถาปัตยกรรมใน README แยกส่วนชัดเจน ได้แก่ Coordinator, Session store แบบ append-only ที่ fork ได้, Context builder ที่ไม่ทำ I/O, LLM adapter และ Operation manager ที่เปลี่ยน implementation ได้ ตัวอย่างที่ README ยกไว้คือการส่ง operation ไปให้ manager ที่รันอยู่ใน sandbox ระยะไกล ส่วน tool ที่มีมาในตัวมีแค่ Bash, ViewImage และ skill-use และตามโพสต์ ไม่มี sub-agent หรือ workflow

ตัวเลขเบนช์มาร์ก (วัดเองทั้งหมด บน GPT-6 Astra xhigh)

เบนช์มาร์ก	Unreal Agent	Codex	Pi
Terminal-Bench 4.0	57.9% / $1,428	57.9% / $2,350 (leaderboard)	55.0% / $1,827
SWE-Atlas Codebase QnA	65.8% / $936	63.3% / $1,303	64.0% / $1,033
DeepSWE 1.1	72.4% / $1,367	69.0% / $1,633	69.6% / $1,584
ALE-CLI (full pass)	30.0% / $217	29.0% / $292	29.0% / $262

ต้นทุนที่ต่างกันมาจาก input token ที่น้อยกว่ามาก เช่นบน Terminal-Bench ใช้ 1.73M input token ต่อ trial ใน 28 เทิร์น ส่วน Pi ใช้ 2.83M ใน 44 เทิร์น ทีมเองบอกว่าความต่างของ pass rate เป็น “marginal” และน่าจะมาจากความแปรปรวนของเบนช์มาร์ก จุดขายจริงจึงอยู่ที่ต้นทุน ไม่ใช่คะแนน

ข้อควรระวัง: ในตาราง Terminal-Bench ตัวเลขของ Codex มาจาก leaderboard ไม่ได้รันเอง ส่วนเบนช์มาร์กอื่นบริษัทรันเองทั้งหมด การรันบน Harbor มี job ID ให้ตามไปตรวจได้ แต่ ALE-CLI ไม่ได้รันบน Harbor

ใช้งานได้อย่างไร

ตอนนี้ SDK มีสามอย่าง: ไลบรารี Go สำหรับฝังในโค้ดของตัวเอง, runner ที่ใช้แบบเดียวกับ claude -p / codex exec และ benchmark runner ที่ใช้กับ Harbor ได้ ในโพสต์ Unreal Labs อธิบายด้วยว่าทำไมไม่ใช้ SDK ของผู้ให้บริการรายใหญ่ เช่น SDK ที่ออกแบบมาให้ใช้บน CLI อย่าง Claude Agent SDK มีสมมติฐานเรื่อง local session กับ subprocess ที่ใช้บน production ได้ไม่ค่อยดี และทีมเลือกทำความปลอดภัยในระดับ environment (host allowlist, token แบบจำกัดสิทธิ์, proxy ที่มีด่านอนุมัติ) แทนการใช้ hook ใน harness

มุมมอง AI Curator

ปีนี้เราเขียนเรื่อง harness บ่อยมาก ทั้ง HarnessTax, Pi 0.86 ที่ยิงคำขอเลี้ยง cache และ Strands harness ของ AWS ทุกเรื่องชี้ไปทางเดียวกันว่า โมเดลตัวเดียวกัน ถ้าวางใน harness ต่างกัน ต้นทุนอาจต่างกันเป็นหลักสิบเปอร์เซ็นต์ Unreal Agent เพิ่มแนวคิดที่ชัดเจนเข้ามาคือเลิกให้โมเดลรอ tool

ที่น่าสนใจที่สุดคือเชิงอรรถเรื่อง Responses API แนวคิด tool แบบ async ต้องให้ API ของ provider ยอมรับ tool result มากกว่าหนึ่งชิ้นต่อ call ตราบใดที่มาตรฐานนี้ยังไม่ชัด harness แบบนี้ก็จะผูกกับ provider บางรายโดยไม่ได้ตั้งใจ ทีมไทยที่ใช้โมเดลราคาถูกผ่าน OpenRouter หรือ provider จีนควรทดสอบกับโมเดลที่จะใช้จริงก่อน

ตัวเลข 40% ยังเป็นผลที่บริษัทวัดเองบนโมเดลเดียว (GPT-6 Astra) และบริษัทก็เขียนชัดว่ากำลังหางานรับจ้าง ถ้าจะนำไปใช้ ควรมองว่าเป็น ไลบรารีอ้างอิงที่อ่านแล้วได้แนวคิด ก่อน โค้ดเป็น MIT และแยก interface ไว้ชัด ทีมที่เขียน agent loop เองน่าจะหยิบแนวคิด event log แบบ append-only กับ operation manager ที่ย้ายไปรันใน sandbox ไปใช้ได้ทันที โดยไม่ต้องย้ายมาใช้ทั้ง stack

แหล่งข่าว

• Unreal Agent — Unreal Labs Blog (22 ก.ย. 2026)
• unreallabsai/unreal-agent — GitHub (MIT)
• HarnessTax — โพสต์ก่อนหน้าของเรา