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

L'article examine les performances d'un petit modèle de codage (GPT-5.1-Codex-Mini) sur Terminal-Bench 2.0, atteignant un score de 61,6 % en optimisant son "harnais" plutôt qu'en utilisant un modèle plus grand. Cela met en évidence le rôle crucial de l'enveloppe du modèle dans les performances, surtout avec des modèles plus petits où les erreurs du harnais sont plus impactantes.