Hugging Face Blog·· 1 天前
同一模型换 harness：CUGA、Hermes 与 Deep Agents 在 AppWorld 上的对比
Same Model, Different Harness: CUGA, Hermes, and Deep Agents — When to Pick CUGA?
AI 导读
IBM 团队用同一开源权重模型 GLM-5.3-flash 在 AppWorld 的 90 个任务上对比 CUGA、Hermes 和 Deep Agents，任务通过率分别为 81.1%、46.7% 和 30.0%，场景全通过率为 66.7%、26.7% 和 6.7%。
入选记录
门槛 60官方一手第一次 62第二次 58
入选两次之和 120 ≥ 门槛的两倍 120
- 信源等级
- 官方一手，这一级的门槛是 60 分
- 预筛
- 通过：对比AI Agent框架并评测任务完成率
- 推荐理由
- 同一模型换 harness 后任务完成率从 30% 到 81%，读者可据此理解 harness 选择对 Agent 实际表现的影响。
评分由模型按同一份标准独立打两次，满分 100；两次之和达到门槛的两倍才入选。门槛按信源等级设定。
来源：Hugging Face Blog · huggingface.co