グーグルがオープンソースの Harness² を発表し、GLM-5 のスコアが 11.5 ポイント向上しました。

Google Research がオープンソースの AI ツールチェーン自改良フレームワーク Harness² を発表し、AI エージェントがモデルを再訓練することなく、システムのプロンプト、メモリ、スキル、ツールルール、スクリプト、プラグインを自動的に修正できるようにしました。プロジェクトは Apache 2.0 ライセンスの下で提供され、OpenCode と Codex をサポートしています。その核心メカニズムは、エージェントが自ら試行錯誤を行い、新しいタスクに直面した際にいくつかの改善案を提案し、異なるバージョンのエージェントがそれぞれ実行してパフォーマンスを比較し、最終的により適切な案を組み合わせることです。

標準的な答えがなくても、システムは実際の実行プロセスに基づいて改善の方向性を見つけることができます。タスクが終了した後、システムはどの修正が有効であったかとその理由を記憶し、次回の類似の問題に参考として使用します。Google は GLM-5 と Gemini 3.5 Flash を使用してテストを行いました。WorkBuddy-Bench では、GLM-5 が OpenCode と組み合わせて、わずか一回の最適化後に平均スコアが 64.2 点から 75.7 点に向上し、未最適化の Gemini 3.5 Flash の 72.4 点を上回りました。

法律タスクのテストでは、GLM-5 の一部の評価基準の合格率が 59.6% から 71.4% に上昇しました。実験では、デフォルトで Claude Opus 4.8 が改善案の提案と実施を担当し、GLM-5 と Gemini は主にタスクの実行を担当し、完全に自ら進化を実現するわけではありません。国内の開発者 Joseph Zhou は Harness² を Jev 1.14 に接続する実験を示し、視覚タスクのパフォーマンスが継続的に改善されていると述べました。