Harness 榜
Harness 是驅動模型完成程式設計任務的那層程式，比如 Claude Code、Codex、Pi、OpenCode。 任何一個來源測過的 harness 都在這裡佔一行，每個來源各佔一列，不折算成總分。每格是它在該來源上最好的一組成績，並寫明驅動的是哪個模型：harness 的分數，有一部分是模型掙來的。空格表示該來源沒有測過這個 harness，不是零分。點選列名可按該列排序，展開一行可檢視它的全部成績。
| Harness | ||||
|---|---|---|---|---|
 Pi | 83.3%GPT 5.6 Sol · $0.42 每任務 | 96.7%Claude Fable 5 · $0.67 每任務 | — | — |
 Codex | 78.9%GPT 5.6 Sol · $0.76 每任務 | 96.7%Claude Fable 5 · $0.89 每任務 | 0.629GPT 6.1 Sol · xhigh 強度 · $1.04 每任務 | 58.2%GPT 6 Astra · max 強度 · $9.90 每任務 |
 Claude Code | 75.6%Claude Fable 5 · $1.55 每任務 | 97.8%Claude Fable 5 · $1.33 每任務 | 0.684Claude Sonnet 5.5 · max 強度 · $14.19 每任務 | 64.8%Claude Opus 5.5 · max 強度 · $14.30 每任務 |
 Antigravity CLI | — | — | 0.638Gemini 4 Argon · $5.84 每任務 | — |
 Devin Fusion CLI | — | — | 0.617Claude Fable 5.1 XHigh + SWE-2 Medium · $7.90 每任務 | — |
 Grok Build | — | — | 0.563Grok 4.7 · xhigh 強度 · $8.82 每任務 | 37.6%Grok 4.7 · xhigh 強度 · $11.16 每任務 |
 Muse Code | — | — | 0.543Muse Spark 1.3 · max 強度 · $3.98 每任務 | 14.6%Muse Spark 1.3 · xhigh 強度 |
 OpenCode | — | — | 0.536GLM 5.3 · $4.24 每任務 | — |
 Kimi Code CLI | — | — | 0.519Kimi K3 · $5.05 每任務 | — |
 Antigravity SDK | — | — | 0.419Gemini 3.8 Flash · Antigravity SDK v0.1.12 · high 強度 · $2.47 每任務 | — |
 mini-SWE-agent | — | — | — | 19.1%Gemini 3.8 Flash · high 強度 · $5.54 每任務 |