同样的模型，用不同的harness区别会有多大？ Composio把自己之前的测试（网页链接 ）完善了一下。都用Kimi K3模型+不同的harness测试完成同样的任务。这三张图分别是三个维度：任务成功率、平均费用（因为模型相同其实就是token数了）、任务完成时间（中位数）。

结论是Claude Code最费token（不是一般的费啊），Codex成功率最低其他几个各有优劣，差不太多。How I AI