Melissa Pan 表示，程式設計智能體的 harness 選擇對成本的影響大於準確率
Melissa Pan 是加州大學柏克萊分校 Sky Computing Lab 的博士生，也曾是 Arena 實習生。她比較了程式設計智能體 Claude Code、Codex 和 Pi，並檢視「harness tax」：圍繞 AI 模型的系統如何影響其成本與表現。
她報告了三項發現。此處陳述的一項是，harness 的選擇對成本的影響大於準確率。完整分析見影片。
相關AI快訊
Claude Sonnet 5.5（High）在 Code Arena WebDev 排名第四
Arena.ai 將 Anthropic 的 Claude Sonnet 5.5（High）排在 Code Arena: WebDev 第四，得分 1,699 分，綜合價格為每百萬 token 8 美元，較 Sonnet 5（High）高 159 分。
GPT-6 Luna（Max）進入 Arena.ai 的 Agent Arena 帕累托前沿
Arena.ai 現將 OpenAI 的 GPT-6 Luna（Max）列入 Agent Arena 帕累托前沿，淨提升為 +1.59%，每項任務的中位成本為 0.05 美元。它比 DeepSeek-V4.1-Flash 便宜 29%，比 Hy4 preview 便宜 76%，淨提升分數分別落後 2.27 和 2.51 個百分點。
Arena.ai 將 GPT-6 Luna（Max）列為 Agent Arena 第 23 名
Arena.ai 報告，OpenAI 的 GPT-6 Luna（Max）在 8,000 次真實世界智能體會話中淨提升 +1.6%，每項任務中位成本為 $0.05。它未達到 Agent Arena 的帕累托前沿。
Claude Sonnet 5.5 加入 Arena.ai 的 Agent Arena 與 Battle Mode
Arena.ai 已將 AnthropicAI 的 Claude Sonnet 5.5 加入 Agent Arena，以及面向 WebDev、Text、Vision 和 Document 的 Battle Mode。Claude 稱，它是第二款 Claude 5.5 模型，運行速度比 Sonnet 5 快逾 30%，大多數工作的成本最多低 30%。
Claude Opus 5.5（High）以低 40%–56% 的成本勝過先前的 Opus 5 版本
Arena.ai 將 Claude Opus 5.5（High）列為 Agent Arena 第 2 名，每項任務中位成本為 1.31 美元，淨提升 +12.15%。其得分高於 Opus 5（Max）和 Opus 5（High），成本低 40%–56%。