Terminal-Bench 2.0 三种 Harness 对比：通过率接近，token 消耗差 1.6 倍

张理壮 @nextaurame原推发布于 2026.10.26

在 X 上打开原推

DeepSeek V4.1 Flash 在 Terminal-Bench 2.0 上换三种 harness，通过率几乎没差：Hermes 75%，Claude Code 75%，DSH 70%（20题各跑2次，自托管 vLLM，effort high）。 差别在 token。DSH 的 prompt token 是 Hermes 的 1.23 倍，Claude Code 只有 0.74 倍。 不过 Claude Code 的前缀缓存命中只有 9% 到 11%，走官方 API 的话缓存价能省多少得自己再测。