OpenVLHarness
一种多模态推理框架（harness），通过统一异构工具接口、证据渲染和持久多模态记忆，将外部证据转化为可寻址工件，支持视觉智能体在多步推理中获取、检查和组合证据。
时间轴 (近 90 天)
OpenVLHarness 团队在 22 个基准上进行了控制实验，发现单纯增加基础模型的推理预算带来的提升有限。
OpenVLHarness 是一个多模态推理 harness，核心由能力层和持久多模态记忆两部分组成。
能力层将任务级工具接口与证据渲染结合，把工具返回结果转换为模型可读的观测格式。
持久多模态记忆在整个查询过程中保留图像、结构化数据和网页引用，作为可寻址工件存储。
OpenVLHarness 提供编码接口，允许模型对存储的数据执行生成的程序。
在 22 个基准、八种开源与专有骨干模型的评测中，OpenVLHarness 相比匹配的无工具基线平均提升 9.7–12.6 分。
Qwen3-VL-8B 使用 OpenVLHarness 提升 11.2 分。
Kimi K3 使用 OpenVLHarness 提升 9.7 分。
以 GPT-6 Luna 中等推理强度运行 OpenVLHarness，其表现超过基础模型、Codex 和 Visual Sketchpad 在最高推理强度下的成绩，领先 7.7–8.5 分。
全部知识事实 (9)
OpenVLHarness 团队在 22 个基准上进行了控制实验，发现单纯增加基础模型的推理预算带来的提升有限。
50%待验证OpenVLHarness 是一个多模态推理 harness，核心由能力层和持久多模态记忆两部分组成。
50%待验证能力层将任务级工具接口与证据渲染结合，把工具返回结果转换为模型可读的观测格式。
50%待验证持久多模态记忆在整个查询过程中保留图像、结构化数据和网页引用，作为可寻址工件存储。
50%待验证OpenVLHarness 提供编码接口，允许模型对存储的数据执行生成的程序。
50%待验证在 22 个基准、八种开源与专有骨干模型的评测中，OpenVLHarness 相比匹配的无工具基线平均提升 9.7–12.6 分。
50%待验证Qwen3-VL-8B 使用 OpenVLHarness 提升 11.2 分。
50%待验证Kimi K3 使用 OpenVLHarness 提升 9.7 分。
50%待验证以 GPT-6 Luna 中等推理强度运行 OpenVLHarness，其表现超过基础模型、Codex 和 Visual Sketchpad 在最高推理强度下的成绩，领先 7.7–8.5 分。
50%