Nu är det verktygslådan runt modellen – inte modellen – som är hjälten
NVIDIAs senaste demonstration fick TechCrunch att dra en tydlig slutsats: det är harnesset runt modellen som avgör resultatet. Här är vad skiftet betyder.
NVIDIAs senaste demonstration fick TechCrunch att dra en slutsats som säger mycket om läget: det är verktygslådan runt modellen – det som kallas harness – som är hjälten, inte modellen i sig. Analysen publicerades den 21 augusti och fångar en bredare trend.
Vad harness egentligen är
En modell svarar på en fråga. En agent gör något: läser filer, kör kommandon, minns kontext och tar flera steg. Allt som ligger mellan modellen och den färdiga uppgiften – verktyg, minne, planering, återkoppling – är harnesset. Ju mer agenten gör, desto mer avgör det lagret resultatet.
Varför fokus flyttar dit
Modellerna har blivit bra på att resonera, men en bra modell räcker inte för att leverera ett avklarat jobb. Skillnaden mellan ett bra och ett dåligt agentverktyg syns i hur pålitligt det hanterar verktyg och kontext. När själva modellen inte längre är flaskhalsen flyttar konkurrensen till infrastrukturen runt den.
Vad det betyder för den som bygger
Att välja modell är fortfarande viktigt, men det är inte längre det enda beslutet. Den som bygger agenter behöver välja och utforma harnesset med samma omsorg: vilka verktyg får agenten, hur håller den kontext, hur återhämtar den sig när ett steg misslyckas. Det är där skillnaden mellan en demo och något som fungerar i drift uppstår.
Vad ett bra harness innehåller
Ett harness som fungerar i drift har flera delar. Verktyg som agenten kan anropa, med tydliga gränser för vad varje verktyg får göra. Minne som håller rätt kontext utan att svälla. Planering som delar upp långa uppgifter i steg. Och återhämtning som gör att ett misslyckat steg kan köras om i stället för att hela körningen faller.
Det är den samlade kvaliteten på de delarna som avgör om agenten fungerar i skarp miljö eller stannar vid en imponerande demo. En bra modell bakom ett slarvigt harness räcker sällan i drift.
För den som väljer mellan modeller är slutsatsen enkel: bedöm inte bara modellens benchmark, utan hela systemet runt den. Det är där de flesta skillnader mellan ett pålitligt och ett opålitligt agentverktyg uppstår. Och det är det lagret som framöver kommer att skilja de som bara testar agenter från de som faktiskt kör dem i produktion. Den förflyttningen är redan igång.