同一个模型，在不同 Harness 中为何表现不同？

这篇记录整理自 2026 年 11 月 5 日的一条模型使用讨论。

观察到的差异

原帖描述：使用相同提示词和同名模型时，在 Codex 与 DeepSeek Harness 中得到不同的任务表现，并向读者询问原因。

这是使用过程中的观察，不是已经完成变量控制的对照实验；同名模型也不足以证明请求配置与执行环境完全一致。

需要进一步核对什么

• 实际模型路由、版本与生成参数。
• 宿主追加的系统提示词与上下文。
• 工具接口、权限和执行环境。
• 会话历史、错误信息和重复运行结果。

以上是后续调查方向，并非对这次差异根因的确认。

留下问题与证据

把任务输入、调用配置、工具日志与结果放在一起，才能逐步判断差异来自模型还是宿主环境。

原帖讨论

在 X 查看原始观察与讨论 ↗