同一个模型，Agent 账单为何差两倍？读懂 Codex Harness 开源的真正信号

同一个模型，Agent 账单为何差两倍？读懂 Codex Harness 开源的真正信号

要点

• Agent 可以简化为 Model + Harness：模型提供推力，Harness 决定这股推力如何被治理成稳定任务。
• OpenAI 开放的是可复用的 agent loop 与接入能力，模型仍由 OpenAI 提供，云端服务没有随代码仓库一起开放。
• Databricks 的测试显示，相同模型、相同推理强度下，不同 Harness 的完成质量接近，但单任务成本最高相差两倍以上。
• Harness 开源降低的是执行层复用门槛，不等于产品自然拥有壁垒。

先看账单：同一模型，成本为何能差两倍以上

据文章引用的 Databricks 内部测试，测试在数百万行代码库上进行，任务来自公司内工程师真实完成过的工作，覆盖 Python、Go、TypeScript 和 Scala。在相同模型、相同推理强度下，他们分别用 Claude Code、Codex 和更轻量的 Pi 三种 Harness 完成同一任务。结果是：三者完成质量接近，但单任务成本最高相差两倍以上。

这个结果值得停一下。模型没换，推理强度没换，任务也没换，变的是 Harness。

成本差距来自哪里？Databricks 的测试显示，Pi 每轮送入模型的上下文量约为 Claude Code 或 Codex 的三分之一，所需轮次也更少。换句话说，差距不是模型“想得更多”造成的，而是执行层决定了一次任务要往模型里放入多少内容、要来回多少轮。

文章据此指出，Harness 会直接影响 Agent 的体验、成本和商业价值；更轻量的 Harness 可以在质量接近时降低 Token 消耗。

Harness 不是模型：它负责管理上下文、工具、权限和失败后的继续

用一个极简公式概括：Agent = Model + Harness。

文章把模型比作输出原始推力的“发动机”，把 Harness 比作把不确定推力转化为确定性输出的“传动系统”和“调压站”。这个比喻解释了分工：模型负责“想出下一步”，Harness 负责让下一步可控地发生。

具体来说，Harness 负责管理模型上下文、调用工具、保存状态、控制权限，并在任务失败后继续推进。它本身不生产智能，而是组织智能如何被使用。文章的核心判断是，Harness 的核心价值不再是智能，而是“治理”；同一模型放进不同 Harness，最终表现可能相差很大。

这也解释了上一节的账单。上下文怎么裁剪、工具怎么调用、失败后重试几次，都会变成 Token 和轮次，最终变成钱。

OpenAI 开源的到底是什么：可复用的 agent loop，不是模型和云服务

8 月 19 日，OpenAI 正式开源了 Codex Harness。官方文章用一句话概括本次开放的核心：The reusable part is the agent loop.

开放的是 Codex 用来持续执行任务的 Agent Loop，也就是支撑 Codex App、CLI 和 IDE Extension 运行的那一层 Harness。开发者可以查看实现，也可以通过 SDK 和 App Server 接入任务管理、工具调用、事件回传和人工审批等能力。

边界需要说清楚：Codex 使用的模型仍由 OpenAI 提供，云端服务没有随代码仓库一起开放。开源的是执行层的可复用部分，不是模型本身，也不是整套云端能力。

在 App Server 里，一项持续进行的任务叫 Thread，其中每一轮具体执行叫 Turn。文章给了一个示例：同一条 Thread 中，第一轮 Turn 只读检查文章，用户确认后，下一轮 Turn 生成修改稿。这个设计把“持续任务”拆成了可观察、可审批的步骤。

从 Demo 到企业流程：开源之后，开发者还需要自行设计什么

开发者可以保留已有控制台、编辑器、任务队列和审批流程，并决定 Agent 能读取哪些数据、调用哪些工具、在哪里运行，以及什么操作必须经过人工确认。文章记录了一个文章审核工作台 Demo：不到 20 分钟端到端跑通，页面通过本地 WebSocket 代理连接 codex app-server。

它的流程设计比跑通本身更值得看。第一轮 Turn 只读取文章和资料，不修改任何文件；审核完成、真正写入文件以前，产品把决定交还给用户。界面展示任务状态、审核结论、工具调用与执行事件、文件修改数量、写入前人工审批按钮。只有用户明确批准后，Codex 才能另存修改稿，不能覆盖原文。

第一轮保持只读时，Observer 中的事件、工具调用和文件修改数量从 0 开始，文件修改数量始终为 0；左侧持续输出审核判断，右侧展示已经发生的工具调用。

这里的分工很清楚：Codex Harness 已经解决了任务怎样持续执行、工具怎样被调用、权限怎样被控制等通用问题。开发者剩下要设计的，是审核标准、信息呈现和权限边界这些更靠近业务的部分。文章还提到，在不具备 Prompt 经验的非技术人员实测中，也能在无需指导的情况下完成任务。

企业侧的案例也在增加。Cisco 将 Codex 引入复杂的企业工程环境；Thrive Holdings 与 OpenAI 合作，把 Codex 应用到税务工作流，参与处理 7000 份报税材料，覆盖 30 多家会计师事务所，帮助从业者将准备工作时间缩短约三分之一。文章还展示了物流控制台 Relay：工作人员面对熟悉的订单、运输状态和异常处理按钮，Codex 在后台分析问题并调用应用提供的 MCP 工具，涉及生产数据写入时把决定交给工作人员。

通用执行层被开源之后，产品之间的差异更可能落在这些业务设计上。

##

来源：查看原文