LinkForschung
Modellevaluationen bei Programmieraufgaben lassen sich nicht isoliert vom eingesetzten Harness und dem Test-Time-Compute betrachten. Ein Modell, das im einfachen Standard-Setup durchfällt, kann mit einem optimierten Agenten-Harness die Spitzenklasse erreichen – erkauft diesen Sprung jedoch mit vervielfachtem Token-Verbrauch.
Der Autor dokumentiert die Diskrepanz zwischen Hersteller-Benchmarks und unabhängiger Replikation, die oft auf spezifisch abgestimmten Harness-Umgebungen beruht. Während GLM 5.2 eine hohe inhärente Problemlösungskompetenz besitzt und bereits ohne starkes Harness solide abschneidet, entfaltet DSV4F-0731 sein volles Potenzial erst im Zusammenspiel mit OMP. Da DSV4F rund viereinhalbmal schneller generiert, kompensiert die hohe Durchsatzrate den zusätzlichen Token-Bedarf der Multi-Turn-Iterationen weitgehend.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Artikel:Meng Li
Im August 2026 stellten OpenAI und DeepSeek jeweils ihre Harness-Frameworks für KI-Agenten vor. Meng Li analysiert die gegensätzlichen Ansätze beider Systeme für Ausführungsumgebungen.
Link:deepseek-ai
DeepSeek-AI hat DeepSeek-V4-Flash-0731 offiziell auf Hugging Face veröffentlicht. Das 304-Milliarden-Parameter-Modell ersetzt die Preview-Version und bringt integrierte spekulative Decodierung (DSpark) sowie deutlich verbesserte Agenten-Fähigkeiten mit.
Artikel:DeepInfra
Ein Leitfaden von DeepInfra vergleicht Modelle mit offenen Gewichten für den autonomen Agenten OpenClaw. Im Fokus stehen Kriterien wie zuverlässige Tool-Aufrufe, Kontextstabilität und reale Kosten pro Aufgabe.
Artikel:Mehdi Allahyari
Nach Prompt- und Context-Engineering bildet Harness Engineering die dritte Phase im Bau autonomer KI-Systeme. Mehdi Allahyari beschreibt die Software-Infrastruktur um das Sprachmodell als entscheidenden Erfolgsfaktor für Zuverlässigkeit und Selbstkorrektur.
Link:Z.ai
Z.ai hat auf Hugging Face das Modell GLM-5.1 unter MIT-Lizenz bereitgestellt. Das MoE-Modell mit 754 Milliarden Parametern zielt auf anspruchsvolle Programmier- und Agenten-Workflows ab und soll über lange Sessions hinweg stabil arbeiten.
Link:clickrank.ai
Ein Leitfaden von ClickRank AI analysiert den Stand der LLM-Ranglisten im Jahr 2026. Da traditionelle Tests wie MMLU und HumanEval übersättigt sind, stützen sich Vergleiche heute auf anspruchsvollere Benchmarks, menschliche Blindvergleiche und kombinierte Metriken aus Leistung, Geschwindigkeit und Token-Preisen.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
