Разбор обвязок кодинг-агентов: как архитектура harness влияет на результат больше, чем модель

Автор разобрал исходники кодинг-агентов Codex (v0.144.5), OpenCode (v1.18.3) и Pi (v0.80.10), а также собственного агента agent-core, чтобы показать, как архитектурные решения обвязки (harness) вокруг модели влияют на результат. Формула Agent = Model + Harness введена Вивом Триведи из LangChain; harness — это всё, что не модель: системные промпты, инструменты, оркестрация, хуки и т.д. Эксперименты показывают: на SWE-bench Pro замена обвязки с SEAL на Claude Code поднимает результат Claude Opus 4.5 с 45.9% до 55.4%; на SWE-bench Verified Mini та же модель Sonnet 4.5 в scaffold от SWE-Agent даёт 68%, а в generalist-scaffold от HAL — 34%. Контролируемый эксперимент на 100 задачах SWE-bench Verified показал, что разброс от смены обвязки в 7.8 раза больше, чем от смены модели, хотя работа IBM Research (arXiv 2602.22953) на универсальных архитектурах даёт обратное соотношение (модель важнее в 50 раз). Автор делает вывод: на универсальной обвязке решает модель, на вылизанной под задачу — обвязка. Рассмотрены агентные циклы: у agent-core ручной диспетчер на графе Pydantic AI с счётчиком глубины, у Codex — loop с флагом needs_follow_up на Rust, у OpenCode — while с очередью задач, у Pi — цикл без памяти. Инструменты в agent-core разделены на мозги и руки (HTTP с HMAC), опасные операции заблокированы. Сжатие контекста: у Pi суммаризует голову, у Claude Code сжатие + 5 последних файлов. Права и песочница: у Codex песочница в ядре на 3 ОС, у Claude Code OS-песочница для Bash. Субагенты: у Codex нативные дочерние потоки, у OpenCode в том же процессе, у Claude Code — свой контекст с возвратом summary. Особое внимание уделено проблеме ложного завершения задачи: модель склонна объявлять работу сделанной, даже если она не завершена или качество посредственное, что описано в инженерном разборе Anthropic.