Google mở nguồn Harness², điểm số GLM-5 tăng 11.5 điểm

Google Research đã mở nguồn công cụ AI Harness², cho phép AI Agent tự động điều chỉnh các hệ thống nhắc nhở, bộ nhớ, kỹ năng, quy tắc công cụ cũng như kịch bản và plugin mà không cần phải đào tạo lại mô hình. Dự án này sử dụng giấy phép Apache 2.0, hỗ trợ OpenCode và Codex. Cơ chế cốt lõi của nó là cho phép Agent tự thử nghiệm, khi gặp nhiệm vụ mới sẽ đề xuất một vài phương án cải tiến, sau đó các phiên bản khác nhau của Agent sẽ thực hiện và so sánh hiệu suất, cuối cùng kết hợp ra phương án phù hợp hơn.

Ngay cả khi không có câu trả lời chuẩn, hệ thống cũng có thể tìm kiếm hướng cải tiến dựa trên quá trình thực hiện thực tế. Sau khi nhiệm vụ kết thúc, hệ thống sẽ ghi nhớ những thay đổi nào là hiệu quả và lý do, để tham khảo cho các vấn đề tương tự lần sau. Google đã sử dụng GLM-5 và Gemini 3.5 Flash để thử nghiệm. Trên WorkBuddy-Bench, GLM-5 kết hợp với OpenCode, chỉ sau một vòng tối ưu hóa, điểm trung bình đã tăng từ 64.2 lên 75.7, vượt qua Gemini 3.5 Flash chưa được tối ưu hóa với 72.4 điểm.

Trong thử nghiệm nhiệm vụ pháp lý, tỷ lệ thông qua của GLM-5 theo một số tiêu chí đánh giá đã tăng từ 59.6% lên 71.4%. Trong thí nghiệm, Claude Opus 4.8 được mặc định chịu trách nhiệm đề xuất và thực hiện cải tiến, trong khi GLM-5 và Gemini chủ yếu chịu trách nhiệm thực hiện nhiệm vụ, không hoàn toàn dựa vào khả năng tự tiến hóa. Nhà phát triển trong nước Joseph Zhou đã trình diễn thí nghiệm Harness² kết nối với Jev 1.14, cho biết hiệu suất trong các nhiệm vụ thị giác đang cải thiện liên tục.