AnswersPublished15 sources
HarnessPro zoekt de balans tussen AI-prestaties en kosten
HarnessPro analyseert uitvoeringssporen van een AI agent en gebruikt patronen in fouten en kosten om mogelijke verbeteringen aan de zogeheten harness voor te stellen.[3][11] Het framework bewaart drie varianten: Lite voor lagere kosten, Medium als middenweg en Heavy voor hogere prestaties.[11] Op Terminal Bench 2 ha...
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met GPT Image 2
Research answer
Key takeaways
- HarnessPro analyseert uitvoeringssporen van een AI agent en gebruikt patronen in fouten en kosten om mogelijke verbeteringen aan de zogeheten harness voor te stellen.[3][11]
- Het framework bewaart drie varianten: Lite voor lagere kosten, Medium als middenweg en Heavy voor hogere prestaties.[11]
- Op Terminal Bench 2 haalde Heavy met GPT 5.5 en Codex een slagingspercentage van 80,8% tegen $ 0,72 per taak; RHO kwam uit op 76,3% tegen $ 1,09.[16]
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is HarnessPro, released by researchers from Tsinghua University, Zhipu, Shanghai Jiao Tong University, the University of Warwick and Ku. Article summary: HarnessPro is a self-supervised framework for recursively improving an AI agent’s **harness**—the instructions, tools and runtime policies around it—while optimizing both task success and execution cost.[2][16] Its disti. Topic tags: general, academic, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake num
Een AI-agent is niet alleen het model dat antwoorden genereert. Ook de instructies, beschikbare tools en regels voor het uitvoeren van taken bepalen hoe de agent werkt. Dat geheel heet de harness. HarnessPro probeert die omgeving stap voor stap te verbeteren, met aandacht voor zowel prestaties als kosten.3
11
Wat HarnessPro aanpast
In plaats van de gewichten van het AI-model te veranderen, richt HarnessPro zich op de inrichting eromheen. Het framework analyseert uitvoeringssporen om terugkerende fouten en onnodige kosten op te sporen. Op basis daarvan stelt het aanpassingen aan de harness voor.3
11
Kandidaatversies worden beoordeeld met tests die voor de evaluatie zijn samengesteld. Volgens de projectbeschrijving zijn daarvoor tijdens de optimalisatie geen officiële tests of oplossingen met bekende antwoorden nodig.11 Het proces is iteratief: kandidaten kunnen in volgende rondes opnieuw worden beoordeeld en aangepast.
3
11
Geen enkele configuratie is altijd de beste
Meer prestaties kunnen extra kosten met zich meebrengen. Daarom probeert HarnessPro niet één universele configuratie als winnaar aan te wijzen. De selectie is gebaseerd op de afweging tussen prestaties en kosten en levert drie opties op:11
- Lite: gericht op lagere kosten.
- Medium: een middenweg tussen kosten en prestaties.
- Heavy: gericht op hogere prestaties.
Zo kunnen teams een variant kiezen die past bij hun toepassing, in plaats van ervan uit te gaan dat de hoogste score automatisch de beste keuze is.11
Wat de gerapporteerde resultaten laten zien
Op Terminal-Bench 2 behaalde HarnessPro Heavy met GPT-5.5 en Codex een slagingspercentage van 80,8% bij $ 0,72 per taak. In dezelfde vergelijking kwam RHO uit op 76,3% en $ 1,09 per taak.16
Over de gerapporteerde evaluatieopzet melden samenvattingen daarnaast gemiddeld 2,0 procentpunt meer geslaagde taken en 26,1% lagere kosten per taak dan bij RHO.7
20 Dit zijn resultaten voor specifieke combinaties van model, harness en benchmark. Ze tonen dus niet aan dat HarnessPro bij elke taak of toepassing dezelfde winst oplevert.
11
16
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "HarnessPro zoekt de balans tussen AI-prestaties en kosten"?
HarnessPro analyseert uitvoeringssporen van een AI agent en gebruikt patronen in fouten en kosten om mogelijke verbeteringen aan de zogeheten harness voor te stellen.[3][11]
What are the key points to validate first?
HarnessPro analyseert uitvoeringssporen van een AI agent en gebruikt patronen in fouten en kosten om mogelijke verbeteringen aan de zogeheten harness voor te stellen.[3][11] Het framework bewaart drie varianten: Lite voor lagere kosten, Medium als middenweg en Heavy voor hogere prestaties.[11]
What should I do next in practice?
Op Terminal Bench 2 haalde Heavy met GPT 5.5 en Codex een slagingspercentage van 80,8% tegen $ 0,72 per taak; RHO kwam uit op 76,3% tegen $ 1,09.[16]
Sources
arxiv.orgHarnessPro: Recursive Harness Self-Improvement with ...
github.comHarnessPro/README.md at main · pzs19/HarnessPro · GitHub
pzs19.github.ioHarnessPro · Recursive Harness Self-Improvement
alirezashamsoshoara.github.ioDaily AI Papers — October 20, 2026
dev.toAgents Write the Commits Now — This Week's Research Is ...