Fancy harnesses make coding agents more expensive but not better, study finds

研究发现，使用不同的编码代理套件对模型性能影响极小，差异可与单次重复运行的噪音相提并论；OpenCode 在大规模任务中因输出限制落后约 9 点，且无法通过续写提示词修复。套件的主要成本驱动在于系统提示词与工具描述，Claude Code 的系统提示词约 16,600 字符，使单次任务成本最高可达 mini-SWE-agent 的 3 倍，但这并未转化为性能提升。