研究发现复杂的编程智能体框架会增加成本但不会提升表现

一项新研究指出，不同的编程智能体框架（harness）在任务通过率上表现相近，但由于系统提示词和工具描述的差异，会导致数倍的成本差距。研究人员通过测试 Claude Code、OpenCode 和 mini-SWE-agent 发现，框架差异带来的性能波动大多在统计噪声范围内，而复杂的框架主要增加了 Token 消耗而非解题成功率。