竞争前沿移到模型外部:记忆、工具、规划、评估与失败恢复共同决定真实表现。
同一模型在不同 Harness 下的分数差距,已经大于相邻模型之间的差距。
状态说明(产品化):进入生产流程,成本与可靠性可被度量