How Far Can a Small Coding Model Go With a Better Harness?

Der Artikel untersucht die Leistung eines kleinen Codierungsmodells (GPT-5.1-Codex-Mini) auf Terminal-Bench 2.0, das durch Optimierung seines „Harness“ statt durch Verwendung eines größeren Modells 61,6 % erreicht. Dies unterstreicht die entscheidende Rolle des Modell-Wrappers für die Leistung, insbesondere bei kleineren Modellen, wo Harness-Fehler stärker ins Gewicht fallen.