- Harness² es un marco que deja sin cambios el propio modelo de IA y, en cambio, ajusta para cada tarea la configuración que lo rodea (instrucciones del sistema, memoria, guía de herramientas, habilidades, etc.) para que los agentes trabajen mejor. El repositorio se publicó en la organización google-research de GitHub, y el README indica que no es un producto oficial de Google.
- En la fase de tareas, crea propuestas de ajuste de la configuración, las aplica a la misma tarea, compara las diferencias en los resultados y combina las nuevas configuraciones. Según el README, este proceso se basa solo en las diferencias entre ejecuciones, sin retroalimentación sobre respuestas correctas.
- El README informa que, en una ejecución de un solo paso con tres bancos de pruebas especializados y cuatro combinaciones de modelos y configuraciones, GLM-5 y Gemini 3.5 Flash mejoraron respecto a sus configuraciones anteriores. Las mayores mejoras son de 11.5 puntos en WorkBuddy-Bench, 4.5 puntos en JobBench y 11.8 puntos porcentuales en la tasa de aprobación parcial de LAB.
- Su ejecución requiere un entorno con Linux y Python 3.12. Los bancos de pruebas que usan modelos generan costos de API, y también se ofrece una demostración local que funciona sin credenciales de modelo.
O: Los desarrolladores que encargan tareas de oficina a agentes de IA pueden dividir sus instrucciones y su guía de herramientas en dos versiones, ejecutarlas con la misma tarea y comparar las diferencias en los resultados.
X: Las cifras de mejora de rendimiento del README las reportó el equipo de desarrollo y no son resultados de una verificación independiente, así que primero hay que revisar el costo de las llamadas al modelo y las condiciones de medición.