同一个模型换个 harness，编码成本差 3 倍：钱烧在上下文，不在轮数

山东大学的一个研究团队做了个很实在的实验：固定模型不动，只换 3 种生产级 harness，在近 500 个软件工程任务上对比。结论是——最复杂和最简洁的 harness，成功率统计上等价（差距在 5 个百分点内），但每个任务的成本最高能差 3 倍。

更扎心的是 45 个最难任务上的发现：换 harness 改变解题结果的概率（13%）和单纯重跑一次差不多。这等于说，harness 主要决定的是账单，不是能力。

机制解释呼应了 9 月那篇 HarnessTax 论文：钱烧在"每个 turn 携带的超长上下文"上，而不是多跑了几轮。举个直观的数字：Claude Code 首轮调用携带的上下文，是 Pi 这类轻量 harness 的 10 倍以上。

为什么值得看：这是对"看榜单选 agent"习惯的直接挑战。选型的时候，应该看"每解决一个任务的成本"，而不是单轮 benchmark 分数。对按 API 计费的用户，直接影响的是账单；对订阅制用户，影响的是"每周能跑多少任务"的配额。

独立分析：重上下文的策略（Claude Code 路线）和轻上下文的策略（Pi 路线），在能力上没有代差，在成本上有代差。小团队如果走 API 计费，自建一个极简 harness 可能比换更贵的模型划算得多——先做"每任务成本表"，再做选型。

（可信度：多方印证——山东大学研究 + VentureBeat 10-24 独立报道 + HarnessTax 论文及早期覆盖互相印证；VentureBeat 引用的论文原文尚未直接核验，数字引用标注"据报道"。）