В AI-агентах важна уже не только модель, но и обвязка…

В AI-агентах важна уже не только модель, но и обвязка вокруг неё

В разговорах про AI-агентов всё чаще всплывает слово harness. По-простому — это вся система управления вокруг модели: как агент планирует задачу, делит её на шаги, проверяет себя, переходит между сессиями и понимает, когда пора остановиться.

Модель задаёт потолок возможностей. А harness решает, доберётся ли агент до финиша на длинной задаче или уверенно развалится где-то посередине.

Раньше это выглядело как инженерная деталь. Сейчас — как главный рычаг. Топовые модели становятся менее доступными: Claude Fable 5 уходит под экспортные ограничения, GPT-5.6 дают только проверенным партнёрам. А вот harness бизнес может строить и улучшать сам.

Свежий пример — Zenith от Intelligent Internet. Они прогнали свой harness на Frontier SWE: это 17 сложных long-horizon задач по разработке, где агенту дают до 20 часов на одну задачу.
Результат показательный:
— GPT-5.5 на стандартном Codex-harness — 5-е место
— та же GPT-5.5 внутри Zenith — 1-е место
— на длинных implementation-задачах разрыв ещё сильнее: 7.40 против 1.60 по среднему рангу

Модель та же. Бюджет тот же. Изменили только контур управления.

Что докрутили: поиск пробелов в решении, пересматриваемое планирование, независимую проверку, адаптивную оркестрацию и нормальные критерии остановки. Важная находка — агенты часто сдаются слишком рано не из-за тупика, а из-за самоуверенности: пишут слабые тесты, сами их проходят и радостно объявляют победу.

Ещё один слой — Meta-Zenith, который сам собирает harness под новую задачу. Потому что вручную писать оркестрацию под каждый сценарий быстро превращается в отдельную работу.

Для бизнеса вывод неприятно практичный: если агент почти справляется, не всегда нужно сразу менять модель на более мощную. Иногда выгоднее вложиться в планирование, независимое тестирование и дисциплину выполнения.

Похоже, следующая гонка AI-агентов будет не только про «чья модель умнее». Победит тот, кто лучше научит модель не бросать задачу, не верить себе на слово и дожимать работу до конца.