harness4 篇实战文章

先贴一个 tool call。模型发给我的： 我声明的参数叫 oldcontent。它填的是 oldstring。 schema 写得明明白白，required 里我还写了三遍。模型没看。不是没看见——它压根不按 schema 调工具，它按训练轨迹里的形状调。它见过太多长这样的调用，照着敲了一遍。

8 月 28 号早上，arXiv 挂出来一篇 2608.27969。openJiuwen 团队，Tao Yu 领衔，19 个作者，cs.AI，正文 6 MB，连 TeX 源码都给了，DOI 还挂在 DataCite 那边没注册。 我做综述有个毛病：拿到一篇新论文，先扫标题里哪个词是"新"的。

速评：8 月 26 日 arXiv 挂了篇 24 页的论文，编号 2608.26218v1，标题直白得像句废话——《Same Model, Different Harness》。判断先摆这儿：过去两年所有"我们的模型在 SWEbench 上刷到 XX%"的通稿，这篇一次性判了缓刑。 先看数字。

八月的最后十天，NVIDIA 报了个数字：Claude Opus 5 在 ARCAGI3 公开集上得分 100.00。一个多月前，ARC Prize 官方验证同一个模型的成绩是 30.16%。同一个模型，同一个公开集，相差 70 分。 我第一反应是 ARC Prize 那边测错了。