แท็ก

#Agent Harness

8 บทความ

Claude Code ส่ง transcript ของ background agent ให้โมเดลทุก ~30 วินาทีเพื่อเขียนสถานะ 3–5 คำ ผู้วัดรายงานกินราว 16% และยังปิดแบบทางการไม่ได้
เครื่องมือนักพัฒนา

Claude Code ส่ง transcript ของ background agent ให้โมเดลทุก ~30 วินาทีเพื่อเขียนสถานะ 3–5 คำ ผู้วัดรายงานกินราว 16% และยังปิดแบบทางการไม่ได้

รายงานอิสระพบว่าฟีเจอร์ agent_summary ของ Claude Code ส่ง transcript เต็มของ background agent ไปถามสถานะทุก ~30 วินาที คิดเป็น 16.4% ของค่าใช้จ่ายในระบบของผู้วัด Issue เปิดมาตั้งแต่ ส.ค. ยังไม่มีสวิตช์ปิดที่รองรับ เราตรวจพบโค้ดนี้ใน 2.1.314 และพบกฎใหม่เรื่องเกมที่ไม่อยู่ใน changelog

· อ่าน 4 นาที
Microsoft Research เปิดซอร์ส Agensh: harness ที่ให้ agent 1,024 ตัวแบ่งงานกันเองโดยไม่มี orchestrator — สร้าง pandoc ใหม่ได้ผ่านเทสต์ 55% เทียบกับ 34% ของ agent ตัวเดียว แต่ไม่รายงานต้นทุนโทเคนเลย และจาก 1 เป็น 8 ตัวได้เพิ่มแค่ 1.4 แต้ม
งานวิจัย

Microsoft Research เปิดซอร์ส Agensh: harness ที่ให้ agent 1,024 ตัวแบ่งงานกันเองโดยไม่มี orchestrator — สร้าง pandoc ใหม่ได้ผ่านเทสต์ 55% เทียบกับ 34% ของ agent ตัวเดียว แต่ไม่รายงานต้นทุนโทเคนเลย และจาก 1 เป็น 8 ตัวได้เพิ่มแค่ 1.4 แต้ม

Microsoft Research ปล่อยโค้ด Agensh (MIT) เมื่อ 22–24 ต.ค. 2026 ต่อจาก preprint เดือน ก.ย. เป็น harness แบบไม่มีศูนย์กลาง ที่ให้ agent จองงานเอง คุยกันผ่าน Mattermost และ merge งานผ่าน Gitea ใน 5 โจทย์ที่ยากที่สุดของ ProgramBench คะแนนเฉลี่ยขึ้นจาก 19.31% (1 ตัว) เป็น 28.78% (128 ตัว) และ pandoc ขึ้นเป็น 55.06% ที่ 1,024 ตัว แต่เปเปอร์ไม่บอกต้นทุนโทเคน และไม่เทียบกับ agent ตัวเดียวที่ได้ compute เท่ากัน

· อ่าน 5 นาที
Pi ออกเวอร์ชัน 1.0 อย่างเป็นทางการ พร้อมแยก "Pi Durable" เป็นแพ็กเกจทดลองสำหรับสร้างเอเจนต์ที่รันได้นานและทนต่อ process crash — checkpoint ทุกขั้น, fork บทสนทนา, compaction เบื้องหลัง
เครื่องมือนักพัฒนา

Pi ออกเวอร์ชัน 1.0 อย่างเป็นทางการ พร้อมแยก "Pi Durable" เป็นแพ็กเกจทดลองสำหรับสร้างเอเจนต์ที่รันได้นานและทนต่อ process crash — checkpoint ทุกขั้น, fork บทสนทนา, compaction เบื้องหลัง

1 ต.ค. 2026 Earendil ปล่อย Pi 1.0 ซึ่งรวม Codemode, MCP, virtual models, deferred tool loading และ cache warming ไว้เป็นชุดที่เสถียร พร้อมเปิดตัว Pi Durable เป็นเฟรมเวิร์ก harness แยกต่างหากที่ checkpoint ทุก task ลง SQLite/JSONL ทำให้เอเจนต์กลับมาทำงานต่อได้หลัง process ตาย ทั้งสองตัวใช้ไลเซนส์ MIT

· อ่าน 5 นาที
Pi 0.99 กลับลำ รองรับ MCP ในตัวหลังเคยประกาศว่าจะไม่ทำ — tool จาก MCP ถูกซ่อนหลัง "Codemode" sandbox JavaScript ที่โมเดลเขียนสคริปต์เรียก tool ขนานกันได้ ไม่ต้องยัด tool ทั้งหมดลง context
เครื่องมือนักพัฒนา

Pi 0.99 กลับลำ รองรับ MCP ในตัวหลังเคยประกาศว่าจะไม่ทำ — tool จาก MCP ถูกซ่อนหลัง "Codemode" sandbox JavaScript ที่โมเดลเขียนสคริปต์เรียก tool ขนานกันได้ ไม่ต้องยัด tool ทั้งหมดลง context

29 ก.ย. 2026 Earendil ปล่อย Pi 0.99 ที่รองรับ MCP เป็นฟีเจอร์ในตัว ทั้งที่ pi.dev เคยประกาศชัดว่าไม่รองรับ แต่ไม่ได้เอา tool ไปวางให้โมเดลเห็นตรง ๆ ค่าเริ่มต้นคือซ่อนไว้หลัง Codemode ซึ่งเป็น sandbox QuickJS ที่โมเดลเขียน JavaScript ค้นหาและเรียก tool เอง ส่วน 0.99.2 ที่ออกวันถัดมาก็เลิกให้เซิร์ฟเวอร์ MCP บล็อก prompt แรกแล้ว

· อ่าน 5 นาที
AWS เปิดซอร์ส Strands harness — agent สำเร็จรูปแบบ Claude Code แต่เลือกโมเดลเองได้ อ้างว่าใช้ token น้อยกว่า 28% แต่ตัวเลขทั้งหมดมาจากผลทดสอบของ AWS เองและยังไม่มีเปเปอร์
เครื่องมือนักพัฒนา

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

21 ก.ย. ทีม Strands Agents ของ AWS ปล่อย Strands harness (Apache-2.0, Python และ TypeScript) เป็น agent สำเร็จรูปที่เรียกได้ด้วยโค้ดบรรทัดเดียว มี shell, file, web tools, memory, sub-agent และ skills มาให้ ใช้ได้กับ Bedrock, Anthropic, OpenAI, Google, Ollama และ LiteLLM อ้างว่าใช้ต้นทุนน้อยกว่า harness อื่นเฉลี่ย 28% ที่ความแม่นยำใกล้เคียงกันใน 6 benchmark แต่เป็นผลทดสอบที่ AWS วัดเอง ส่วนเปเปอร์ยังไม่ออก

· อ่าน 5 นาที
Pi 0.86 เพิ่ม "cache warming" เปิดเป็นค่าเริ่มต้น — ยิงคำขอ 1 โทเคนเลี้ยง prompt cache ไม่ให้หมดอายุระหว่างรอ tool ยาว ๆ และจะยิงก็ต่อเมื่อคาดว่าประหยัดได้อย่างน้อย $0.05
เครื่องมือนักพัฒนา

Pi 0.86 เพิ่ม "cache warming" เปิดเป็นค่าเริ่มต้น — ยิงคำขอ 1 โทเคนเลี้ยง prompt cache ไม่ให้หมดอายุระหว่างรอ tool ยาว ๆ และจะยิงก็ต่อเมื่อคาดว่าประหยัดได้อย่างน้อย $0.05

19 ก.ย. 2026 Pi ซึ่งเป็น agent harness แบบ MIT ที่มีดาวบน GitHub เกือบ 108,000 ดวง ออกเวอร์ชัน 0.86.0 พร้อมฟีเจอร์ cache warming ที่ส่งคำขอซ้ำแบบจำกัด output ไว้ 1 โทเคนก่อน prompt cache จะหมดอายุ ตัดสินใจจากต้นทุนที่คาดว่าจะประหยัดได้ และเปิดโหมด streaming เป็นค่าเริ่มต้น เราคำนวณจากราคา cache ของ Anthropic ได้ว่าการ refresh หนึ่งครั้งมีต้นทุนราว 8% ของการเขียน cache ใหม่

· อ่าน 6 นาที
HarnessTax จาก Berkeley วัด 21 คู่ model–harness แล้วพบว่า harness แทบไม่ขยับความสำเร็จ แต่ขยับค่าใช้จ่ายได้ถึง 5 เท่า — และโมเดล Claude อาจไม่ต้องใช้ Claude Code
เครื่องมือนักพัฒนา

HarnessTax จาก Berkeley วัด 21 คู่ model–harness แล้วพบว่า harness แทบไม่ขยับความสำเร็จ แต่ขยับค่าใช้จ่ายได้ถึง 5 เท่า — และโมเดล Claude อาจไม่ต้องใช้ Claude Code

16 ก.ย. ทีมจาก UC Berkeley Sky Lab (รวม Ion Stoica และ Matei Zaharia) เผยแพร่ HarnessTax วัด 21 คู่ระหว่าง 7 โมเดลกับ 3 harness — Claude Code, Codex CLI และ Pi — บน SWE-bench Lite และ Terminal-Bench 2.0 ผลคือ harness แทบไม่เปลี่ยนอัตราสำเร็จ (±2% และ ±5%) แต่เปลี่ยนค่าใช้จ่ายได้ถึง 5 เท่า และใน 9 จาก 12 การเปรียบเทียบ โมเดลทำคะแนนสูงสุดบน harness ที่ไม่ใช่ของผู้ผลิตตัวเอง

· อ่าน 8 นาที
ARC Prize เปิดตารางเต็มของ GPT-6 Astra — โมเดลเดียวกัน เบนช์มาร์กเดียวกัน ได้ 62.7% กับ 99.9% ต่างกันแค่ที่ harness และตัวเลขที่ทุกคนพาดหัวคือตัวหลัง
งานวิจัย

ARC Prize เปิดตารางเต็มของ GPT-6 Astra — โมเดลเดียวกัน เบนช์มาร์กเดียวกัน ได้ 62.7% กับ 99.9% ต่างกันแค่ที่ harness และตัวเลขที่ทุกคนพาดหัวคือตัวหลัง

ARC Prize เผยแพร่ผลทดสอบ GPT-6 Astra บน ARC-AGI-3 เมื่อ 3 ก.ย. เป็นตาราง 12 ช่อง (6 ระดับ reasoning x 2 harness) แล้วเห็นชัดว่าคะแนนขึ้นกับ harness มากกว่าขึ้นกับปริมาณการคิด — Standard harness ที่เป็นกลางให้ 62.7% ขณะที่ Provider Adapter ให้ 96.7-99.9% ในทุกระดับ แม้แต่ระดับที่ปิดการคิดทั้งหมด

· อ่าน 7 นาที