待验证50% 置信基准精确时间

在ARC-AGI-3基准上，同一个GPT-5.6模型仅更换Codex Harness两个配置项，得分从13.3%提升到38.3%，输出token降低六倍

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/11

首次发现

有效期至：2026/12/10

来源

OpenAI开源Codex Harness深度解析：智能体运行时架构之战

涉及实体

ARC-AGI-3concept GPT-5.6model Codex Harnessproduct

相关事实

待验证在完全相同的模型下，仅靠Harness策略优化，ARC-AGI-3得分从13.3%提升到38.3%，同时输出Token节省约六倍72% 相似待验证Opus 5在ARC-AGI 3上的得分是次优模型的三倍68% 相似待验证最强配置GPT-5.5配合Codex在Harbor-Index上的通过率仅为28.0%67% 相似待验证初代Codex在HumanEval基准测试上的pass@1指标达到28.8%，而直接使用GPT-3仅为0%66% 相似待验证Opus 4.7每次解题的中位输出token数为60,000，而GPT 5.5仅需16,00065% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/908811

API

curl https://kongchang.com/api/v1/knowledge/claims/908811

MCP

get_claim(id=908811)