Harness Engineering

起源、八类可编辑文件的演进、Harness² 机制详解

TL;DR

  • Harness Engineering 这个术语源自 2026 年 2 月的 Mitchell Hashimoto 与 OpenAI 的 Ryan Lopopolo;Google 的贡献是提出 "Agent = Model + Harness" 的白皮书以及真正的论文 Harness²(arXiv:2610.14224)。
  • harness 层的八类文件是逐类长出来的,四条主线贯穿:确定性逻辑出 prompt、上下文按需加载、从人写到机器进化、从私有格式到跨 harness 标准。
  • Harness² 的核心不是「让 agent 自己改提示词」,而是两层递归:任务层用 Propose–Probe–Compose 做有行为证据的对比改进,跨任务层用反思器把经验蒸馏进可检索的经验库——改进 harness 的方法本身也在进化,所以叫「平方」。

一、为什么讨论 harness

Google 白皮书《The New SDLC With Vibe Coding》(Addy Osmani 等,2026-05)给出的公式是 Agent = Model + Harness,并有一个被反复引用的说法:约 10% 靠模型、90% 靠驾驭层。这里的 harness,指包裹模型的一切:提示词、工具、记忆、技能、护栏、子代理与编排逻辑。


二、Harness Engineering 起源

三样与文本相关的东西:

  1. 「harness engineering」这个术语:2026 年 2 月流行,Mitchell Hashimoto(2/5)与 OpenAI 的 Ryan Lopopolo《Harness engineering: Codex in an agent-first world》(2/11)是主要起点,不是 Google 造词。
  2. Google 的白皮书:《The New SDLC With Vibe Coding》(2026-05),贡献是 "Agent = Model + Harness" 公式与「90% 在驾驭层」的判断。白皮书,不是论文。
  3. Google 真正的论文:《Harness²: Recursive Agent Harnessing for an Open World》(arXiv:2610.14224,2026-10-09,Google Cloud AI Research + Northwestern University,作者含 Ruiyao Xu、Bhavana Dalvi Mishra、Tomas Pfister;代码 Apache-2.0 开源于 google-research/harness2)。

一个需要点名的坑:网上流传一份带 Google 标志的 9 页 PDF《Harness Engineering — The 6-Layer Production Playbook》,并非 Google 出品——封面自注「独立汇编,与 Google/OpenAI/Anthropic 无关联或背书」,其中 GAIA 提升数据被标注未经源头验证。别拿它当引用依据。


三、八类可编辑文件的优化趋势

Harness² 把 harness 层列为 8 类可编辑文件:system prompt、guardrails、memory、skills、tool guidance、scripts、subagents、middleware(部分来源把第 8 类写作 plugins,口径不一,引用前需核对原文)。它们不是同时诞生的——从 2023 年的概念雏形到 2026 年被统一当作「优化目标」,是逐类长出来的:

文件类 诞生形态 至今的优化趋势
System prompt 一段手写大提示词 → 模块化组装 → 按上下文预算动态装配。模型厂商把越来越多行为训进权重,提示词反而变薄;从「写得好」变成「装配得省」
Guardrails 提示词里的软约束("请不要…") → hooks 确定性拦截 → OS 级沙箱 → 模型外硬执行 + 多目标优化。Harmony Harness 把安全性变成与正确性并列的进化目标(SecRepoBench 50.0→86.7)
Memory 会话内聊天记录 → CLAUDE.md / AGENTS.md 持久项目事实(AGENTS.md 已进 6 万+ 仓库)→ 自动压缩/自动记忆 → 结构化经验库回写(Harness² 的 EXPERIENCE.md)。从被动留痕变成主动策展
Skills 提示词里的 few-shot 示例 → 斜杠命令 → SKILL.md 渐进披露(2025-10 起源、12 月开放规范,社区对具体月份口径不一)→ 跨工具共享标准 + 清单预算制。实测 Claude Code 技能清单上限为上下文 1%、Codex 2%;300+ 技能时仅清单就吃掉约 2.2 万 token
Tool guidance 每个工具一段 JSON schema 描述 → MCP 标准化发现(2026-04 已约 9400 个 server)→ 工具按需加载/检索 → PTC 程序化工具调用(模型写代码编排工具)。核心转变:从「写清楚」变成「库存管理」问题
Scripts 临时 shell 片段 → 技能内附带的可复用脚本 → 确定性工作移出模型(省 token、可复现)→ 被 Harness² 列为一等可进化资产。能用代码做的绝不让模型推理
Subagents 单循环 → 并行多智能体(Anthropic 研究系统,约 15× token 成本)→ 反弹(Cognition《Don't Build Multi-Agents》,2025-06)→ 重新定位为上下文隔离手段(2025-09)→ 跨 harness 子代理(dsh 把 Claude Code/Codex 收编为 Profile Bundle)
Middleware 几乎不存在这个概念 → hooks → 拦截器 + 可观测性(dsh 的 append-only 日志 + Trajectory 回放)→ 一等可编辑层。横切关注点(路由、重试、审计)从隐式变显式、可版本化

贯穿八类的四条主线

  1. 从散文到代码:确定性逻辑不断从 prompt 迁往 scripts / middleware,模型只保留真正需要判断的部分。
  2. 从常驻到按需:渐进披露成为所有层的统一原则,且出现了可量化的预算纪律(1% / 2% 技能清单上限)。上下文是最稀缺资源,这已是共识。
  3. 从人写到机器进化:2026 年研究前沿(Harness²、RRSI、OO-Harness)把同一组文件当作优化目标函数,并立刻发现过拟合需要专门正则化——「harness 会自己变好,也会自己变坏」成为新课题。
  4. 从私有到标准:SKILL.md、AGENTS.md、MCP 相继进入 Linux Foundation 的 Agentic AI Foundation,跨 harness 可移植性本身成了优化方向。范式话语也随之迭代:prompt engineering → context engineering → harness engineering(2026-02)→ loop engineering(2026-06)。

不同 harness 的侧重:同一组文件,不同的押注

Harness 定位 侧重层 标志性机制
Claude Code 打磨好的产品(绑定 Anthropic) 上下文管理 + 分层扩展点 CLAUDE.md 常驻 / Skills 按需 / MCP 连接 / hooks 自动化的清晰分层;1% 技能预算;子代理隔离;技能生态最大
Codex 闭源产品(绑定 OpenAI) 分发治理 + 仓库集成 插件市场 + 强制 manifest;插件 hooks 默认不可信、须审查后启用;AGENTS.md 层级合并;apps 一等公民
dsh(DeepSeek Harness) 开放框架/运行时(MIT,2026-08-13 开发者预览版,模型可换) 架构开放性 + 自进化底座 Cordis 微内核「一切皆插件」,连 agent 循环本身可换;四种模式(Standard / Code-PTC / Minimal / Creator);append-only 会话日志 + Trajectory 回放;Profile Bundle 收编其他 harness 作子代理
研究型 harness 论文产物 各挑一个目标函数 Harness² 押自我改进、Harmony 押安全多目标、OO-Harness 押按工作负载进化专用子类、RRSI 押防过拟合

一个有分量的佐证:有研究(arXiv 2610.32483,转引)测得同一模型在不同 harness 下 token 消耗可差一个数量级——「选 harness」与「调 harness」不是玄学,是实打实的成本与能力变量。


四、Harness²:让「改进 harness 的方法」也进化

4.1 为什么叫「平方」

普通 harness engineering 是一层:人(或模型)改进 harness → agent 变强。Harness² 加了第二层递归:harness 的改进过程本身也被外层循环改进——每次任务的经验被蒸馏进持久经验库,反过来指导下一轮怎么改 harness。「harness」和「改进 harness 的方法」一起进化,所以是平方。它属于 RSI(递归自我改进)研究线,但改的是外壳不是权重——这是它能立刻工程化的关键。

前提:模型权重完全冻结,不微调、不 RL;执行器(OpenCode / Codex,冻结 Gemini 3.5 Flash 与 GLM-5)不动;编辑器模型默认 Claude Opus 4.8。

4.2 内层(任务层):Propose–Probe–Compose 对比式改进

  1. 基准运行:用当前 harness 先跑一遍任务,留下参考轨迹;
  2. Propose:编辑器生成两个候选 harness——一个「通用不变量」版(修跨领域通病:规划混乱、工具调用死循环、上下文爆炸),一个「领域特定」版(针对当前任务类型);
  3. Probe:两个候选在相同设置下重跑同一任务,对轨迹做行为对比——不需要真值标注,靠「哪个候选行为更好」的对比证据裁决;
  4. Compose:合成器只合并有行为证据支撑的编辑,可以解冲突、只采纳一方、或维持原样。

预算参数 k 控制递归深度:k=1 是一步对比;k=K 并行模式生成 K 通用 + K 领域候选再合成,串行模式连续迭代 K 步。

4.3 外层(跨任务层):反思器 + 经验库

每个任务结束后,Experience Reflector 复盘完整改进记录(参考运行、候选、探测、合成决策),把教训写入 Harness Improvement Library。每条经验 = 一个可执行的 harness + 一份 EXPERIENCE.md(适用情境、为什么有效、生效条件、后果、支撑证据),建索引供后续任务按需检索。三条纪律:

  • 证据不足不入库——没有执行对比支撑的「感悟」直接丢弃;
  • 多个编辑纠缠、无法归因时,必须显式标注「不可归因」;
  • 旧任务里的事实性结论,在新任务中要重新验证。

一个容易误读的细节:每个新任务仍从基础 harness 出发,经验库是按需检索注入,不是把历史补丁无限叠加——这是它防漂移的设计。更新可记作 R(t+1) = Update(R(t), H*(t), D(t)):经验库由上一轮库、被选中的 harness 与本次改进记录共同更新。

4.4 数据与消融(3 次运行均值)

  • 单步 PPC:WorkBuddy-Bench 最高 +11.5(GLM-5/OpenCode 64.2→75.7)、JobBench +4.5(Gemini 31.5→36.0)、Harvey 法律基准 LAB +11.8pp;k=5 并行再叠加约 2.6–6.7 分;经验库可跨基准迁移(+0.6 / +0.5 / +2.9),说明学到的是可复用方法而非背题。
  • 机制消融(WorkBuddy / JobBench):去掉经验库 −3.1 / −1.8;去掉通用+领域双编辑器分工 −2.9 / −3.7;去掉合成 −1.6 / −1.9——三个部件都真实贡献,不是堆料。
  • 组件消融:skills −5.3、scripts −3.7、分组提示文件 −1.5(非线性可加)——技能和脚本是最值钱的编辑对象。
  • 对比基线含 ReasoningBank、Meta-Harness 等(LAB 上 Gemini/Codex 组合仍领先)。

4.5 代价与局限(论文与社区自曝)

  • 成本:k 并行时每任务约 4k 次执行 + 3k 次改进会话;
  • 对比是证据,不是正确性验证——行为更好 ≠ 结果正确,且执行随机性会污染对比;
  • 评测泄漏风险:执行器网络不受限、Codex 沙箱关闭,公开评分标准可能被在线访问;
  • 仓库声明「非 Google 官方支持产品」;社区发现 cost_usd 字段从未落账(PR #127),executor 花费被记成 $0,成本数据须自行补测;
  • 自我改进过拟合,由同团队后续 RRSI 专门处理。

五、回到工程

Harness² 给的三样东西:

  1. 方向佐证:90% 价值在驾驭层、八类全部是插件层资产——继续把工程投入押在 dsh 定制而非换模型,是有实验依据的。
  2. 组件优先级:消融数据指明先改 skills / tool guidance / scripts(对连接器的工具描述、参数指引、确定性辅助脚本),guardrails 永远人工把关。工具一多就上渐进披露/分组加载——1%/2% 的实测数据说明清单本身会吃垮上下文。
  3. 离线 PPC 回路:收集遗留模块适配器的失败轨迹 → 让编辑器提出 tool guidance / skill 的候选修订 → 在契约测试集上 probe → 只合并有证据的修订;reflector 写「每个遗留模块一份经验档案」(哪些字段有坑、状态机顺序不能乱)。已有社区移植可评估复用:Bear0117/dsh-plugin-recursive-harness(WIP,把 PPC + 跨任务经验库做成 dsh 插件)与厂商无关的 20genesis14-sys/perfect-harness。

开回路的三个前提,缺一不可:契约测试能充当 probe 的判据;probe 只跑只读调用与影子库(论文环境沙箱是关的,生产遗留系统必须反过来做);留一组不参与改进的保留任务防过拟合,并接受数倍 token 成本。

一句话:论文佐证方向、提供接入之后的调优方法论;接入、分发、版本治理仍是要自己做的工程。把它当接入方案会失望,当调优方法论正合适。


六、证据边界

  • 本轮 arXiv 原文页与官方仓库在所处环境被网络策略拦截、未能直读;机制与数字来自 arXiv HTML 检索摘录、官方 README 摘录及多家独立二手解读的交叉一致,对外引用前请对照原文复核。
  • 引用所用 URL 均为检索结果返回的真实来源,未做任何代理地址替换。
  • 已知口径冲突:SKILL.md 起源 2025-10 vs 开放规范 2025-12;八类组件清单第 8 项 middleware / plugins 说法不一;个别对比文章自相矛盾,具体版本号与 star 数随时间变化。
  • 「arXiv 2610.32483 token 差异一个数量级」为二手转引,未核原文。

Sources

Harness² 论文与方法

术语、演进与各 harness 侧重

美国媒体为何封堵大模型爬虫?——动机分层与”授权经济”转向

结论先行

美国媒体封堵大模型爬虫,表层是"版权维权",深层是"夺回内容定价权"——它们担心的不只是被白嫖,更是整个"流量→广告"商业模式被 AI 摘要架空。

而"关闭爬取"和"基于内容收费"是两个动作,不是一回事:封锁是防御/谈判筹码,收费是部分媒体走到的结果。趋势确实是从"免费抓取"走向"授权经济",但并非所有封爬的媒体都拿到了钱。

一、为什么封?五层动机(由内到外)

动机 核心担心 关键证据
版权保护(最核心) 内容被无偿用于训练盈利模型 《纽约时报》诉 OpenAI、Condé Nast 等 14 家诉 Cohere、Ziff Davis 诉 OpenAI、Reddit 诉 Anthropic;截至 2025 年相关版权诉讼逾 50 起;《纽约时报》2024 年在生成式 AI 诉讼上花费约 1,080 万美元
训练不可逆 内容一旦编入模型权重,几乎无法"撤回" 不同于搜索引擎索引更新 robots.txt 就能"遗忘";NeurIPS 2024《Consent in Crisis》审计:C4 语料中超 5% token 已被 robots.txt 限制,新闻网站 token 近 45% 被限制
保护付费墙 AI 直接吐原文,读者绕墙 Bing Chat 曾复制 NYT 文章"前 396 字中除 2 字外全部";GPT "合成搜索结果"复制的表达性内容远多于传统搜索
护流量与广告 AI 搜索"零点击",广告没着落 Cloudflare 2025.6:OpenAI 每爬约 1,700 次才带来 1 次访问,Anthropic 高达约 73,000:1;行业测算 AI 搜索送出的流量较传统搜索少约 96%
降基础设施成本 爬虫白吃带宽算力 维基媒体基金会:2024.1 起机器人/AI 爬虫致基础设施成本升约 50%;Cloudflare 统计 AI 挖矿行为年增 18%

手段上,多数媒体是 robots.txt 拒绝 + RSL 标准(更强技术层)+ Cloudflare 网络层封禁 三件套,目的很明确——"形成联合阵线,把科技巨头逼回谈判桌"。

二、是基于内容收费吗?——是,但分两层

第一层:单纯防御,不收费。 大量中小媒体只封不谈,属于维权姿态(怕被白用,但没议价能力谈成授权)。

第二层:回到谈判桌,签付费授权(licensing deals)。 这部分确实在"按内容收费",且金额已达数千万美元级:

协议 形态 公开金额参考
OpenAI × 美联社(2023.7) 双向授权,历史档案用于训练 未披露
OpenAI × 新闻集团(2024.5) 五年合作,含 WSJ/巴伦/纽约邮报等十余家 逾 2.5 亿美元 / 五年(WSJ)
Amazon × 纽约时报(2025.5) 多年期,训练 + 产品内使用 年 2,000–2,500 万美元(WSJ)
Reddit × Google(2024.2) Reddit Data API 实时结构化内容 约 6,000 万美元 / 年(Reuters)
Meta × 新闻集团(2026.3) Meta AI 检索当前文章 + 训练档案 最高 5,000 万美元 / 年,至少三年(WSJ)
Google × 美联社(2025.1 起) Gemini 实时新闻 未披露

新计费机制也在出现:Cloudflare 推出"按爬取付费(Pay Per Crawl)"让内容方自主定价;Perplexity 的 Comet Plus 订阅(月 5 美元,出版商分 80%,设 4,250 万美元收入池);部分媒体试水区块链稳定币微支付。行业正从"流量经济"转向"数据资产化 / 授权经济"。

三、两个必须提醒的坑

1. 双刃剑:封了爬虫虽保住内容,却也失去在 AI 答案里的曝光;OtterlyAI 数据显示 ChatGPT 引用来源中企业官网(36%)已超媒体(29%)。封锁 ≠ 赢,中小媒体议价能力尤其弱。

2. Google 的捆绑争议:2025 底 Google 把"AI 训练权"捆绑进付款条件,不配合就终止 News Showcase 补贴,已招致欧盟反垄断调查与英国 CMA 干预。说明"收费"本身也可能变成平台霸权的新形态。

四、对内容聚合与自媒体从业者的启示

对于自建资讯聚合、自媒体或任何需要抓取新闻内容的从业者,美国媒体的这轮博弈给出三条可落地的合规边界:

  • 优先用 RSS / 官方 feed 直连,而非"裸爬"网页。RSS 是出版方主动开放的订阅通道,通常不属于 robots.txt 拒绝范畴,合规风险最低。
  • 只做聚合展示 + 跳转原文,不把全文喂进训练。真正的高风险雷区是"训练权"——把受版权保护的全文纳入模型训练,这正是 NYT 等诉讼的核心争议点。
  • 若必须抓取非 RSS 网页源,抓取前先查对方 robots.txt 与 RSL 声明,确认其对 AI / 训练爬虫的态度,避免无意中踩线。

内容生产成本由生产者承担、收益却流向模型一侧,这是本轮冲突的本质。无论平台还是创作者,尽早把"内容授权与合规"纳入工作流,比事后应对诉讼更划算。

Google 各款大模型发布时间与性能概况

整理时间:2026-11-11 | 数据来源:Google DeepMind / Google AI 官方文档、各模型技术报告及公开排行榜(LMArena、Artificial Analysis 等) 说明:Google 模型迭代极快、命名非线性,小版本(point release)有时会反超上一档;并非所有版本当前仍可调用。下文以主线 + 代表性版本为主。

一、整体脉络

Google 的大模型演进可概括为三条线:

1. PaLM 系列(2022–2023,Gemini 前身):确立 scaling 与 Pathways 训练基建。

2. Gemini 系列(2023 至今,闭源旗舰):原生多模态、长上下文、Agent 化,是当前绝对主力。

3. Gemma 系列(2024 至今,开放权重):面向开发者本地/自部署的轻量开放模型。

除此外还有大量垂直/端侧衍生模型(Med-PaLM、CodeGemma、PaliGemma、Gemini Nano 端侧、Gemini Robotics 等),不在本表"大模型"主线下展开。


二、PaLM 系列(Gemini 前身)

模型 发布时间 规模 / 形态 性能概况
PaLM 2022-04(论文 04-05) 540B(另有 8B / 62B),Pathways 架构 在 BIG-Bench 等 58 项任务显著优于 GPT-3;5-shot 部分任务超过人类平均。
PaLM 2 2023-05-10(Google I/O) 四档:Gecko / Otter / Bison / Unicorn(参数未公开) 强调多语言(100+ 语言)与推理、更高效推理;GSM8K 等数学推理 >70%;当天即驱动 Bard 及 25+ 款谷歌产品。

三、Gemini 系列(闭源旗舰,多模态)

1.0 时代确立"三档尺寸";1.5 时代转向 MoE + 百万级上下文;2.5 时代把显式推理(thinking)折进基座;3.x 以小数点小版本快速迭代。

模型 发布时间 定位 / 关键特性 性能概况
Gemini 1.0(Nano / Pro / Ultra) 2023-12-06 发布;Ultra 2024-02-08 上线 Gemini Advanced 初代原生多模态(文本/图/音/视频) Ultra 在 MMLU 上 90.0%(CoT + 32 samples)/83.7%(5-shot)——首个百分点需特别注明评测条件,否则易误读。
Gemini 1.5 Pro 2024-02-15 MoE 架构;100 万 token 上下文(后预览扩至 200 万) 长上下文检索近满分(needle-in-haystack),是 1.5 时代的卖点。
Gemini 1.5 Flash 2024-05-14 1.5 家族低时延蒸馏档(原 Nano 改名) 免费档主力,快而便宜。
Gemini 2.0 Flash(实验) 2024-12-11;GA 2025-02-05 原生工具调用 + 多模态输出,主打 Agent 开启 Agent 化叙事(Project Astra / Mariner 同期亮相)。
Gemini 2.0 Pro 2025-02-05 2.0 时代的强推理档 过渡型号,数月后被 2.5 取代。
Gemini 2.5 Pro 2025-03-25(实验);5–6 月普遍可用 首个把显式推理折进基座的 2.5 模型,可控"思考预算" 详见下方旗舰性能对比表(MMLU 88.9%、GPQA Diamond 86.4%、SWE-bench 63.2% 等)。
Gemini 2.5 Flash 2025-04-17 低时延档也带思考预算 性价比主力。
Gemini 3 Pro 2025-11-18 稀疏 MoE、原生多模态推理模型;100 万输入 / 6.4 万输出 token 首个公开模型 LMArena 文本榜破 1500 Elo(首发 1501);详见对比表。
Gemini 3 Flash 2025-12-17 基于 3 Pro,低时延 成为 Gemini App 与 Search AI Mode 默认模型。
Gemini 3.1 Pro 2026-02-19 3 Pro 的价位不变小升级 ARC-AGI-2 公司自报 77.1%(3 Pro 为 31.1%)。
Gemini 3.5 Flash 2026-05-19(I/O) 3.5 首款 Google 称低时延 Flash 档在多数编程/Agent 评测上反超更大的 3.1 Pro,且快约 4 倍。
Gemini 3.6 / 3.7 / 3.8 Flash 2026-07 至 2026-09 持续小版本,主打编码、知识、多模态与 token 效率 截至 2026-08,最新为 3.6 Flash 组(含 3.5 Flash-Lite / Flash Cyber)。
Gemini 4 Argon 2026-10-13 面向 AI Pro / Ultra 订阅用户 4 系开端(资料尚少)。

四、Gemma 系列(开放权重,Apache 2.0)

模型 发布时间 规模 / 形态 性能概况
Gemma 1 2024-02-21 2B / 7B 初代开放权重模型。
Gemma 2 2024-06-27 2B / 9B / 27B 单卡可跑,社区基础模型。
Gemma 3 2025-03-12 1B / 4B / 12B / 27B(含预训练 + 指令版) 多模态(文+图)、128K 上下文、140+ 预训练语言;27B 在 LMArena 达 1338 Elo(开放紧凑模型第一档)。27B:MMLU-Pro 67.5%、LiveCodeBench 29.7%、GPQA Diamond 42.4%、MATH 89.0%(均相对 Gemma 2 大幅跃升)。
Gemma 4 2026-03-31 E2B / E4B / 31B / 26B A4B 等 新一代开放权重(含端侧与统一架构版本)。

五、旗舰模型性能对比(关键基准,厂商自报为主)

模型 发布 MMLU GPQA Diamond MMMU(-Pro) SWE-bench Verified 数学 / 推理亮点 备注
Gemini 1.0 Ultra 2024-02 90.0%* — — — — *CoT+32 samples;5-shot 仅 83.7%,评测条件差异极大
Gemini 2.5 Pro 2025-03 88.9% 86.4% 79.6% 63.2% AIME 2025 ≈ 83%;HumanEval 88.2% 首个"思考"基座
Gemini 3 Pro 2025-11 91.8% 91.9% 81.0%(Pro) 76.2% AIME 2025 95%;HLE 37.5%;Video-MMMU 87.6%;LMArena 1501 Deep Think 模式:GPQA 93.8%、HLE 41.0%、ARC-AGI-2 45.1%(启用代码执行)
Gemma 3 27B(开放) 2025-03 — 42.4% — — MATH 89.0%;MMLU-Pro 67.5% 单卡最强开放紧凑模型之一

注: - 上表除特别说明外,均为 Google 自家技术报告数字,评测协议(few-shot、是否 CoT、是否启用代码执行/工具)会影响结果,跨模型直接比较需谨慎。 - Gemini 3 Pro 相对 2.5 Pro 的提升:GPQA Diamond +7.9%、HLE +15.9%、SWE-bench +12.4%。 - Gemini 3 起同时上架 Gemini App / AI Studio / Vertex AI / Search,消费者侧与开发者侧不再有数周时差。


六、一句话结论

  • 性能天花板:Gemini 3 Pro(2025-11)是当前 Google 最强闭源模型,LMArena 首发破 1500、在多数学/科学/代理基准领先;Deep Think 进一步拉高推理上限。
  • 性价比/低时延:Gemini 2.5/3.x Flash 档在"够用且快"的场景是主力,3.5 Flash 甚至宣称反超更大的 Pro 档。
  • 开放权重:Gemma 3 / 4 是 30B 以下参数区间最实用的自部署选择,27B 单卡可跑、多语言强。
  • 命名陷阱:Gemini 的版本号不线性,小版本可能反超上一档,且并非所有版本仍在线,引用具体数字时务必核对当前可用性。

Claude 产品线与发布时间线

> 数据来源:Wikipedia 模型列表 + Anthropic 官方 system card,检索于 2026-11-10。

> 说明:Claude 并非从最开始就有四条产品线。2023-03 首发时只有单一产品;2024-03 的 Claude 3 才首次分出 Opus/Sonnet/Haiku 三条档位线;2026 年新增 Fable/Mythos 作为新系列。严格说当前有五条命名线(Opus、Sonnet、Haiku、Fable、Mythos),若把 Fable+Mythos 视为"一条新系列"则为四条。

一、经典三条档位线

Opus(旗舰 / 最强)

版本 发布日期 知识截止 状态
Opus 3 2024-03-04 2023-08 已退役
Opus 4 2025-05-22 2025-03 已停用
Opus 4.1 2025-08-05 — 已停用
Opus 4.5 2025-11-24 2025-05 活跃
Opus 4.6 2026-02-05 2025-05 活跃
Opus 4.7 2026-04-16 2026-01 活跃
Opus 4.8 2026-05-28 2026-01 活跃
Opus 5 2026-07-24 2026-05 活跃
Opus 5.5 2026-09-22 2026-06 活跃

Sonnet(主力 / 均衡)

版本 发布日期 知识截止 状态
Sonnet 3 2024-03-04 2023-08 已停用
Sonnet 3.5 2024-06-20 2024-04 已停用
Sonnet 3.5 (new) 2024-10-22 2024-04 已停用
Sonnet 3.7 2025-02-24 2024-10 已停用
Sonnet 4 2025-05-22 2025-03 已停用
Sonnet 4.5 2025-09-29 2025-07 活跃
Sonnet 4.6 2026-02-17 2025-05 活跃
Sonnet 5 2026-06-30 2026-01 活跃
Sonnet 5.5 2026-09-28 2026-06 活跃

Haiku(轻量 / 最快最便宜)

版本 发布日期 知识截止 状态
Haiku 3 2024-03-13 2023-08 已停用
Haiku 3.5 2024-10-22 2024-07 已停用
Haiku 4.5 2025-10-15 2025-02 活跃
Haiku 5.5 2026-10-07 2026-06 活跃

二、第四条产品线:Fable / Mythos 系列(2026 新线)

2026 年才出现的全新系列,定位不同于上面三条档位线(更偏推理 / 特殊用途)。Fable 与 Opus 属于不同产品线,不可直接横比。

版本 发布日期 知识截止 状态
Mythos (Preview) 2026-04-07 — 限量可用
Fable 5 2026-06-09 2026-01 活跃
Mythos 5 2026-06-09 2026-01 限量可用
Fable 5.1 2026-09-01 2026-06 活跃
Mythos 5.1 2026-09-01 2026-06 限量可用

三、最早的单产品线(背景,2024 年前)

版本 发布日期 状态
Claude 1 2023-03-14 已停用
Claude 2 2023-07-11 已停用
Claude Instant 1.2 2023-08-09 已停用
Claude 2.1 2023-11-21 已停用

演进小结

  • 1 条 → 3 条 → 5 条命名:2023 单一产品 → 2024-03 分 Opus/Sonnet/Haiku → 2026 加 Fable/Mythos。
  • 若按"四条产品线"口径,对应:Opus、Sonnet、Haiku + Fable/Mythos 系列。
  • 媒体中出现的"Fable 5.2 / Opus 5.5 登顶世界第一、斩杀 Opus"属夸张横比措辞,Fable 与 Opus 是不同产品线,不宜直接比较。

极简解决“Office无法验证此应用程序的许可证”

出现的问题是,Office打开后报错,然后就自动关闭。报错提示如下:

Microsoft Office无法验证此应用程序的许可证。修复尝试失败或者已被用户取消。应用程序将立即关闭。

解决只需3步
  1. 打开这个目录
    C:\Program Files\office2010\MShared\ospp64
    把目录下的 OSPPSVC.exe复制一份重命名为OSPPSVC1.exe
    (这个目录也有可能在 common files\microsoft shared 内,自行寻找吧)
  2. 打开注册表找到
    计算机\HKEY_LOCAL_MACHINE\SYSTEM\ControlSet001\Services\osppsvc
    把该项下 ImagePath 的数据改为
    C:\Program Files\office2010\MShared\ospp64\OSPPSVC1.exe
    (按你自己找到的真实目录改哦)

完事。不用重启,也能打开Office了。

参考链接:https://blog.csdn.net/sinolover/article/details/82049330

香会,殖民者在亚洲的执念

亚太两大顶级安全论坛,向来是观察区域防务格局的窗口。新加坡香格里拉对话(简称“香会”)与北京香山论坛遥相呼应,二者的此消彼长,不仅是国际对话平台的竞争,更折射出根植于殖民思维的旧式防务理念,正在亚洲逐步走向没落。

香格里拉对话脱胎于西方智库,长期由欧美主导议程,自带浓厚的殖民时代防务烙印。主办方是英国国际战略研究所,其主要资金渠道包括:新加坡政府、巴林王国、日本政府(主要资助核裁军议题)、美国国务院、英国国防部、英国外交部、澳大利亚国防部、北约以及全球顶级的军工巨头和科技公司,比如洛克希德·马丁、雷神、波音、空客、英国BAE Systems、诺斯罗普·格鲁曼、罗尔斯·罗伊斯、谷歌、亚马逊、帕兰提尔等等。英国国际战略研究所的理事会与顾问委员会成员多为西方及盟国的前政客、情报首脑和军工高管,例如前《经济学人》主编、前美国中央情报局(CIA)局长、前法国国防部长、美国军工巨头通用原子公司(General Atomics,生产死神无人机)的首席执行官、前空客集团首席执行官等等。

所以,香格里拉对话的的理念核心也不免极度直白:信奉零和博弈,以军事结盟划分阵营,依靠强权制衡维系秩序,本质是“强者支配弱者”。峰会过往议题多聚焦大国对抗、军事威慑,西方国家借此炒作地区冲突、制造对立,延续殖民时期分而治之的操控手段,试图掌控亚洲安全话语权。

长久以来,这种防务模式深刻影响亚洲。近代殖民历史中,域外国家通过军事驻军、缔结排他同盟,割裂地区国家关系,将自身战略利益强加于亚洲安全之上。此类秩序从未兼顾地区国家真实诉求,只服务于霸权国家,也埋下领土争端、阵营对立等诸多安全隐患,与亚洲各国发展需求背道而驰。

时代浪潮之下,旧式霸权防务理念早已水土不服,香山论坛的崛起便是最好佐证。不同于香会的对抗底色,香山论坛由中国主办,践行共同、综合、合作、可持续的新型安全观。论坛摒弃军事结盟与阵营对抗,兼顾传统安全与粮食、反恐、公共卫生等非传统安全议题,平等接纳全球南方国家发声。

这一变化贴合亚洲历史大势。当今亚洲,多数国家曾饱受殖民掠夺之苦,深知集团对抗与强权霸权的危害。各国普遍不愿被迫选边站队,更拒绝重回被域外势力操控的旧格局。相较于依附强权换取片面安全,各国更青睐平等协商、互利共赢的安全模式,追求自主掌控发展与安全命运。

两大论坛地位的变迁,揭示浅显却深刻的道理:殖民思维早已跟不上现代亚洲的发展节奏。排他结盟、武力威慑的陈旧模式,无法化解复杂的区域安全难题。唯有摒弃零和思维,尊重各国主权与诉求,通过多边对话化解分歧,才能筑牢安全根基。

殖民主义防务观念的没落已成定局。亚洲正挣脱霸权枷锁,探索适配自身的安全治理之路以及一个自主、包容、共赢的区域安全新秩序。

穿越回去看今天【052】

历经52周,终于一篇不落地写满了一年。接下来要做的是重复的工作,就不需要在这里发布了。

2026年5月18日至5月24日

2026年5月18日

今天是中国历法四月二日,1038年此日,欧阳修在舟中作《游鲦亭记》。“游鲦”音同“油条”,亭子主人是欧阳修同父异母的哥哥欧阳昺。欧阳修夸哥哥虽困于位卑“然其胸中亦已壮哉矣”。在哥哥眼中,苏轼评欧阳修“事业三朝之望,文章百世之师”,才是真勇者吧?

夫视富贵而不动,处卑困而浩然其心者,真勇者也。

2026年5月19日

今天是中国历法四月三日,晚清文人王家枚看起来心情不错,柳树随风摇摆也能被他看作送迎。据江苏通志,王家枚殁于京邸,年四十二。

绿树阴阴覆客程,清和天气畅游行。多情最是堤边柳,解折轻腰学送迎。

2026年5月20日

今天是中国历法四月四日,南宋状元郎王十朋、扳倒当朝宰相的人,有着“我亦是行人”的境界与觉悟。这样的人才能名垂青史,那些只为门户私计的门阀们,还是做好恶名昭彰的准备吧。

祀罢灯花喜,山游晓色新。江头送归客,我亦是行人。

2026年5月21日

今天是中国历法四月五日,明代官员祁顺游武夷山。祁顺在山海关任职期间亡弟亡妻夭子,同时也结识了挚友萧显。 萧显又与李东阳、程敏政是朋友,所以,祁顺也算是“程敏政宇宙”的一员吧。

自有棹歌遗响在,不许游客谩留题。

2026年5月22日

今天是中国历法四月六日,这一天,晚清诗人俞明震泛舟鉴湖。俞明震有个学生叫鲁迅。俞明震的曾孙化名黄敬,与前妻江青无子女,与后来的夫人、北京市副市长范瑾育有两子一女。

柔橹轻鸥外,花明柳暗天。

2026年5月23日

今天是中国历法四月七日,南宋抗元名士谢枋得(号叠山)拒绝元朝利诱,绝食自尽于元大都悯忠寺(今北京法源寺),友人王奕赋诗悼念。王奕自诩为南宋遗民,诗作列入《宋诗纪事》。清修《四库全书》认为王奕“食元禄久矣”,将他归类到了元代。

骨埋北壤名山重,冤入南天上帝惊。当日刀圭成谩尔,金华仙籍再书名。

2026年5月24日

今天是中国历法四月八日,浴佛节、佛诞日,文天祥作此诗。我推测此时为1279年,瑶桃五次岁熟指五年前(1274年)他赴任江西;玉果已三周是说三年前(1276年)他逃脱后渡海回福建;山前第一州应为崖山,此时文天祥已目睹宋军在海战中败亡,自己正待押赴元大都。

今朝浴佛旧风流,身落山前第一州。赣上瑶桃俄五稔,海中玉果已三周。人生聚散真成梦。世事悲欢一转头。坐对薰风开口笑。满怀耿耿复何求。

穿越回去看今天【051】

2026年5月11日至5月17日

2026年5月11日

今天是中国历法三月二十五。和我们一样,南宋禅师释心月也被柳絮包围了。管它柳絮还是时光,有趣的灵魂,从来不会被困住。

三月二十五,芳春馀几许。一道平常心,颠言及倒语。谩道举手摘杨花,那知漫空飞柳絮。趁流光,猛提取。吃粥了也,洗钵盂去。

2026年5月12日

今天是中国历法三月二十六,林觉民写下《与妻书》115周年。今日之中国,不再是人民煎熬于生死离散的中国,同志者仍在,豪情仍在,为了一个更好的中国,虽千难万险,同往!

吾今无余憾,国事成不成自有同志者在。

2026年5月13日

今天是中国历法三月二十七。大概是1043年,范仲淹视察大顺城,在返程途中写下这首诗。大顺城于1042年范仲淹任庆州知州时筑成,位于今甘肃庆阳市,是宋与西夏战事中的一座前哨站。著名哲学家张载接到筑城成功的消息后,写下《庆州大顺城记》“以记其功”。

三月二十七,羌山始见花。将军了边事,春老未还家。

2026年5月14日

今天是中国历法三月二十八。明代诗人于慎行到友人侯六的山庄喝酒,回忆起少年时的快活时光。于慎行天资极高,20来岁就成为皇帝的日讲官。他在万历年间归隐故里东阿,又被召用后不久便病逝,无缘再见这片旧竹林。

少小歡遊地,君家舊竹林。每逢春酒夜,常醉綠蘿陰。樹密雲過慢,樓高月上深。婆娑看老態,頗識故交心。

2026年5月15日

今天是中国历法三月二十九,元初文豪、书法家邓文原在元大都流杯亭见到了蒙古族皇帝。诗中所述太液池即今北京的北海与中海。诗题中的国子监司业“子翚”是女真人孛术鲁翀、出生于江西的饱学之士。这个场景堪称中国多民族融合过程的注脚。

上林花接南薰早,流水春函太液深。

2026年5月16日

今天是中国历法三月三十,对南明官员郭之奇来说,“时光”非但不会惜春,甚至在大多数时候非常残酷。崇祯殉国后第18个年头,郭之奇宁死不降,慷慨就义于桂林。百年后乾隆赐谥 “忠节”,潮汕尊为 “郭忠节”。他的诗文数量居潮汕诗史之冠。

时光有意同消息,寄语烟风须自力。即使秋冬促夏来,何须日夜催春亟。

2026年5月17日

今天是中国历法四月一日,公元1084年这一天,苏轼由黄州去汝州,写下一曲《满庭芳》。此时,乌台诗案的风波已息,但谁能料到,新的人生苦旅又要开始了。

归去来兮,吾归何处?万里家在岷峨。百年强半,来日苦无多。坐见黄州再闰,儿童尽楚语吴歌。山中友,鸡豚社酒,相劝老东坡。

穿越回去看今天【050】

2026年5月4日至5月10日

2026年5月4日

今天是中国历法三月十八,明代榜眼陆釴和好友张泰(字亨甫/父)从北京城西归来,在玉河边遥望皇宫。陆釴和老乡张泰、陆容并称“娄东三凤”。娄水之东即江苏太仓。三人与湖南茶陵人、五岁给皇帝讲经的天才同事李东阳交好,为后世留下一个“茶陵诗派”。

差参宫树殿东西,树里青山落日低。回首旌旗犹未定,晚来风起玉河堤。

2026年5月5日

今天是中国历法三月十九。康熙元年(1662)此日,距崇祯殉国已18年,南明兵部尚书张煌言还在抵抗。黄帝登天后子民抱其弓号哭,称号弓。这一年集齐了大明最后的哭号:永历帝被吴三桂绞杀;监国鲁王病逝;郑成功退走收复台湾当年暴卒。两年后,张煌言被清军杀害,年44,葬于杭州南屏山。

燕山春老泣啼鹃,屈指号弓十八年。阙里麟游书莫载,桥陵龙逝鼎仍迁。玉衣晨举黄尘染,铜狄秋眠碧血捐。欲赋「黍离」无限恨,依稀风雨故宫前。

2026年5月6日

今天是中国历法三月二十,南宋文人吴淇写下一曲南乡子,为“牟国史”贺寿。清代《全宋词》根据浙江通志中“吴淇,庆元人,南剑知州”的信息推测了作者的身份。“牟国史”极有可能是浙江湖州人士牟子才。

白鹭自芳洲。咫尺红云最上头。万古沧江波不尽,风流。

2026年5月7日

今天是中国历法三月二十一,是夜,南皮夫子张之洞邀毛澂(澄)在亭中饮酒,毛澂作诗助兴。毛澂,眉州人,在张之洞担任四川学政期间与其结识。毛澂后来在山东多地任知县,清末风雨飘摇中仍能保境安民、积极作为。他的曾孙毛铸伦是我国台湾知名统派人士。

酒香聚游鱼,闻语了弗惊。我生坠忧患,万事秋毫轻。不图尘堀中,触此江海情。一杯酹髯翁,来领夜气清。

2026年5月8日

今天是中国历法三月二十二,文徵明的哥哥被免职回到家中,弟兄二人夜里促膝长谈。文徵明安慰哥哥,官场既然待不下去,从此水边松下,做个闲散人。

扫床重听灯前雨,把酒惊看梦里人。从此水边松下去,但求无事不妨贫。

2026年5月9日

今天是中国历法三月二十三。南宋官员范成大在成都任职,看着百姓乐游海云山,摸石求子、往来如织,他悄悄叹息:热闹一时又如何?惊心往事都成了过眼云烟。六年后,他归隐石湖。

惊心岁月东流水,过眼人情一鬨尘。

2026年5月10日

今天是中国历法三月二十四。南宋太常寺丞喻良能又来到位于绍兴的永佑陵,即宋徽宗赵佶的陵寝。太常寺管宗庙陵寝事务,这一趟算出差。据喻良能生平,此时在赵佶之死30余年后,距陵寝迁回南宋(同年岳飞冤死)至多30年整。山河未还,但春色宜人呢。

扁舟投晓出重城,春浪初肥绿满汀。

穿越回去看今天【049】

2026年4月27日至5月3日

2026年4月27日

今天是中国历法三月十一,宋人赵蕃感叹春又在、人已老。赵蕃87岁去世,在古人中绝对长寿,但按当时医疗条件,一到春天“全将病供”,晚年生活幸福感确实很低。

少年意与春竞,老来全将病供。

2026年4月28日

今天是中国历法三月十二,春天在某些人眼中,也可能是凄苦的。流放宁古塔(今牡丹江)逾20年的清人吴兆骞,已不记得江南故里的春风。后来他赎身返家,却因水土不服病故,临终念念不忘的竟是长白山和松花江。

三月归鸿满塞天,流澌日暮尚凄然。自从身逐乌龙戍,不识春风二十年。

2026年4月29日

今天是中国历法三月十三,北宋贺铸创造了《辨弦声》这个词牌的代表作,尾部三四五六字,写起来有趣。贺铸是贺知章的后人,作为北宋贺皇后的族孙,娶了宗室之女,春天没事可干,天天吃夜宵。

映花月,絮风台榭,明月待欢来,久背面,秋千下。

2026年4月30日

今天是中国历法三月十四,明人张宁参加聚会时阴雨天转晴,心情大好。张宁才高志大,受明英宗器重,因组织援救直臣得罪了内阁,41岁在知府任上告病还乡,在家里待了30年,屡次被推荐出来做官,不去。

人间盛事常不满,逢欢便作快心时。

2026年5月1日

今天是中国历法三月十五。满月之夜,元代文人许谦说,意远从知宇宙宽。这一句,是他的人生。他师从大宋遗民金履祥,和老师一样埋头做学问,弟子遍及南北,声望渐隆。朝堂屡屡征召,他不去;请他主持乡试,也不去。元史有传,赐谥文懿。

气清更觉山川近,意远从知宇宙宽。

2026年5月2日

今天是中国历法三月十六,十五的月亮十六圆,“闽中硕儒”何振岱说:“偏爱当春”。他一生赏过的满月,跨越了晚清、民国、共和国三个时代。如今,蟾圆依旧,诗情依旧,大时代奔流依旧,中华文明的韧性依旧(容我们小小骄傲一下吧)。

谷雨才过,花风余几,中庭夜色如银。雁过天低,都无半点闲云。墙匡谁洒南宫墨,看离离、林影横陈。甚心情、一样蟾圆,偏爱当春。

2026年5月3日

今天是中国历法三月十七,陆游这一天喝多了,壮志难酬……最上头。猎杀鲸与虎都需要协同作战,相当于年年练兵、混迹在没有刘彻的昆明池、没有玄烨的木兰围场……真的是,生错了时代。

前年脍鲸东海上,白浪如山寄豪壮。去年射虎南山秋,夜归急雪满貂裘。今年摧颓最堪笑,华发苍颜羞自照。