Agent 框架 · Hourahead

HOURAHEADAI情报

登录 / 注册

9 月 24 日Agent 框架

环节

Agent 框架

多步 agent 编排框架，能否被模型原生能力吸收

带到 ChatGPT 带走

更多

也送到 Claude 也送到 Gemini

来源 Hourahead
数据截止 2026-09-23
窗口 30 天
共 6 条
档位 public

# Agent 框架（技术节点）

来源 Hourahead /o/agent_framework

> 多步 agent 编排框架，能否被模型原生能力吸收

## 断言

- 公开演示集满分到底算模型还是整栈框架
  - NVIDIA：AVO在公开演示集100%清183关，称满分需全栈调优与安全
  - François Chollet：公开集只演示环境格式，质疑把100%写成通用编码agent得分
- 智能体改进究竟主要靠框架还是更强模型
  - Harrison Chase：agent改进是harness改进不是模型改进，干预常在工具边界
  - Together AI：GLM-5.3不换基座，加长程环境后训练即在agentic基准超过Fable 5
- 更强模型会否继续上移测试改动的权限闸
  - Nathan Labenz：转述：Fable前改测试须先申请，Fable后可先改后告知
  - Elvis Saravia：用Jev给harness的/goal做自定义verifier，查目标是否真完成
- 现成智能体套件是否过臃肿因而必须自建
  - Elvis Saravia：开箱harness过臃肿，自建可再压成本，停用后token大降
  - Aravind Srinivas：Computer长时程多模型harness；A/B中工具调用失败相对降21.2%
- 多智能体自组织是否已不需要再编排框架
  - Ethan Mollick：高估编排难度，Fable协调器在Claude Projects可自发组织并互传消息
  - Teortaxes：Agent Teams还需1-2代才成熟，当前子代理无法按消息寻址
- 智能体集群行为是框架诱发还是模型涌现
  - Gary Marcus：业内源：Dwarkesh所述集群文明更可能由harness诱发，而非自发
  - Teortaxes：OpenAI已在长时程多智能体协作突破，2026年5月Sol级即自发成群

## 负面约束

只报告改变了已记录值的条目；每条给出处、时间、说话人；
不得生成买卖建议、目标价、持仓建议；
「到期仍待核对」不得读成「未发生」；厂商自测不得当第三方。

比上次：有变化 4

在跟的事 · 3 件	最新说法
有变化公开演示集满分到底算模型还是整栈框架	François Chollet9/1 公开集只演示环境格式，质疑把100%写成通用编码agent得分𝕏 NVIDIA8/21 AVO在公开演示集100%清183关，称满分需全栈调优与安全
有变化智能体改进究竟主要靠框架还是更强模型	证据范围不同（定量 / 定性）· 无法比较 Harrison Chase9/10 agent改进是harness改进不是模型改进，干预常在工具边界𝕏 Together AI8/31 GLM-5.3不换基座，加长程环境后训练即在agentic基准超过Fable 5
有变化更强模型会否继续上移测试改动的权限闸	Elvis Saravia9/20 用Jev给harness的/goal做自定义verifier，查目标是否真完成 Nathan Labenz9/18 转述：Fable前改测试须先申请，Fable后可先改后告知

另有 3 件未展开

有变化公开演示集满分到底算模型还是整栈框架

何时见分晓：半私有集核验尚未公布

NVIDIA 与 François Chollet 说法不一

NVIDIA · 8月21日

AVO在公开演示集100%清183关，称满分需全栈调优与安全

François Chollet · 9月1日

公开集只演示环境格式，质疑把100%写成通用编码agent得分

NVIDIA · 8月21日　NVIDIA 称 ARC-AGI-3 满分证明需全 agent 栈调优与安全 𝕏

NVIDIA · 8月22日　NVIDIA AVO coding agent scored 100% on ARC-AGI-3, clearing 183 levels across 25 environments without instructions or sta𝕏

François Chollet · 9月1日　François Chollet 质疑 Intel 在 ARC-AGI-3 上 100% 得分的声明，指出公开集仅用于演示环境格式𝕏

有变化智能体改进究竟主要靠框架还是更强模型

何时见分晓：下一次后训练对照观测

Harrison Chase 与 Together AI 说法不一

Harrison Chase · 9月10日

agent改进是harness改进不是模型改进，干预常在工具边界

Together AI · 8月31日

GLM-5.3不换基座，加长程环境后训练即在agentic基准超过Fable 5

Harrison Chase · 9月10日　Harrison Chase 认同智能体改进是 harness 改进而非模型改进，干预常在工具边界𝕏

Together AI · 8月31日　Together AI：GLM-5.3 在智能体基准上超越 GPT-5.6 Sol 和 Claude Fable 5，5.3 Flash 紧随其后 𝕏

Harrison Chase · 9月22日　Harrison Chase 称 jev 代表 decision models 方向，SemIf 基于 qwen3.5 已在 LangSmith Gateway 免费托管一周 𝕏

Elvis Saravia · 9月23日　Elvis Saravia：同一 GPT-5.5 在 Claude Code 与 Codex 两个 harness 下跑 1000 任务，结果差异显著𝕏

有变化更强模型会否继续上移测试改动的权限闸

何时见分晓：下一代模型权限闸观测

Nathan Labenz 与 Elvis Saravia 说法不一

Nathan Labenz · 9月18日

转述：Fable前改测试须先申请，Fable后可先改后告知

Elvis Saravia · 9月20日

用Jev给harness的/goal做自定义verifier，查目标是否真完成

Nathan Labenz · 9月18日　Nathan Labenz 转述 Prakash 的 AGENTS.md 规则：Fable 之前改测试需先申请，Fable 之后可先改后告知 𝕏

Elvis Saravia · 9月20日　Elvis Saravia 用 Jev 为 agent harness 的 /goal 功能构建自定义 verifier 𝕏

我们只标出对不上的地方，不下结论。出处是中文摘要。由模型梳理后经引用校验，未逐条人工复核。

这页的完整内容订阅后可见。去订阅

HOURAHEAD关于 · 往期 · 2026-09-24 12:03