待验证50% 置信基准精确时间

LangChain 的 Deep Agents 在 GPT-5.2-Codex 上仅通过重构 harness，将 Terminal-Bench 2.0 成绩从 52.8% 提升到 66.5%。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/24

首次发现

有效期至：2027/1/22

来源

同一模型跑分差22分：Agent Harness才是关键变量

涉及实体

Deep Agentsproduct LangChaincompany GPT-5.2-Codexmodel Terminal-Bench 2.0concept

相关事实

待验证在 Terminal-Bench 2.0 基准上，同一模型 GPT-5.5 在不同 harness 下得分从 66.07% 到 88.09% 不等（相差约 22 个百分点）。74% 相似待验证TwinCheck 完整策略将 GPT-5.6 Sol 模型的任务成功率从 45.3% 提升到 58.5%，95%任务自助法置信区间为[8.2, 18.8]64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1094310

API

curl https://kongchang.com/api/v1/knowledge/claims/1094310

MCP

get_claim(id=1094310)