Melissa Pan 表示，编程智能体的 harness 选择对成本的影响大于准确率
Melissa Pan 是加州大学伯克利分校 Sky Computing Lab 的博士生，也曾是 Arena 实习生。她比较了编程智能体 Claude Code、Codex 和 Pi，并考察了“harness tax”：围绕 AI 模型的系统如何影响其成本和表现。
她报告了三项发现。此处陈述的一项是，harness 的选择对成本的影响大于对准确率的影响。完整分析见视频。
相关AI快讯
Claude Sonnet 5.5（High）在 Code Arena WebDev 排名第四
Arena.ai 将 Anthropic 的 Claude Sonnet 5.5（High）排在 Code Arena: WebDev 第四，得分为 1,699 分，综合价格为每百万 token 8 美元，比 Sonnet 5（High）高 159 分。
GPT-6 Luna（Max）进入 Arena.ai 的 Agent Arena 帕累托前沿
Arena.ai 现将 OpenAI 的 GPT-6 Luna（Max）列入 Agent Arena 帕累托前沿，净提升为 +1.59%，每项任务的中位成本为 0.05 美元。它比 DeepSeek-V4.1-Flash 便宜 29%，比 Hy4 preview 便宜 76%，净提升分数分别落后 2.27 和 2.51 个百分点。
Arena.ai 将 GPT-6 Luna（Max）列为 Agent Arena 第 23 名
Arena.ai 报告，OpenAI 的 GPT-6 Luna（Max）在 8,000 次真实世界智能体会话中净提升 +1.6%，每项任务中位成本为 $0.05。它未达到 Agent Arena 的帕累托前沿。
Claude Sonnet 5.5 加入 Arena.ai 的 Agent Arena 与 Battle Mode
Arena.ai 已将 AnthropicAI 的 Claude Sonnet 5.5 加入 Agent Arena，以及面向 WebDev、Text、Vision 和 Document 的 Battle Mode。Claude 称，它是第二款 Claude 5.5 模型，运行速度比 Sonnet 5 快 30% 以上，多数工作的成本最多低 30%。
Claude Opus 5.5（High）以低 40%–56% 的成本超过此前的 Opus 5 版本
Arena.ai 将 Claude Opus 5.5（High）列为 Agent Arena 第 2 名，每项任务中位成本为 1.31 美元，净提升 +12.15%。其得分高于 Opus 5（Max）和 Opus 5（High），成本低 40%–56%。