發生什麼事
FrontierHarness v1.1 是一個比較「agent harness」(把模型包成能讀寫檔案、執行指令的程式代理的外層框架)的評測。據 LavX News 在 2026 年 11 月 15 日轉述 Pandaily 的報導,這一版涵蓋 21 種 harness 設定(包括 Claude Code、Codex CLI、OpenCode)、五個開放模型、62 項涵蓋軟體工程、科學、資料、系統、機器學習與資安的任務,每項任務每個組合有四次計分嘗試,通過需經驗證。完成後的榜單共 26,040 次計分試驗。
獨立開發者 yetone 開發的 Alma,在 11 月 11 日的中途快照排第三(通過率 72.7%,單次成功成本約 0.80 美元),最終在完成的榜單排第六,通過率 59.7%,最佳單一搭配是 Kimi-K3 的 64.1%。

完成榜單
報導列出的前段名次:ZCode 61.9%、Codex CLI 61.1%、KimiCode 60.2%、Grok Build 60.0%、Hermes Agent 59.9%,Alma 第六。21 個 harness 的通過率全部落在 50.6% 到 61.9% 之間。榜單預設按每次通過的成本排序,這個指標下 Alma 是第 13 名(1.22 美元);Codex CLI 為 0.937 美元、Claude Code 為 1.55 美元。
怎麼讀這個結果
中途快照與完成榜單差很多(Alma 從約 72.7% 降到 59.7%),報導也提醒榜單每天都在變,早期名次不能代表最終結果。名次也取決於指標:看通過率是第六,看成本是第 13。最高與最低差約 11 個百分點,名次差距不大,看單一排名不要過度解讀。這篇報導屬二手轉述,我們沒有自行查驗榜單。
對你的影響
評測只涵蓋開放模型,不是 Claude 或 GPT 的原生組合,所以不能直接用來決定你該用哪個工具。選工具時,更實用的做法是用自己的任務跑小規模比較,同時看通過率與每次通過的成本。