币须知道据动察 Beating 监测，AI Agent 基础设施公司 Composio 把 DeepSeek V4 Flash 接进 8 套 Harness，用同一批 30 个 Agent 任务测试。Harness 就是模型外面的执行框架，负责上下文、工具调用和任务执行。任务涉及 Gmail、GitHub、Slack、Calendar、Notion 等真实应用。
8 套 Harness 的通过情况分别是：
1. Pi Agent：20/30
2. Oh My Pi：17/30
3. Claude Code：16/30
4. Codex：16/30
5. Deep Agents：16/30
6. Hermes Agent：15/30
7. Prime Agent：15/24
8. OpenCode：14/30
仅仅更换 Harness，DeepSeek V4 Flash 就能从通过 14 个任务变成 20 个。
成本和速度也差得很大。Pi Agent 每个成功任务只花约 0.028 美元，Claude Code 为 0.195 美元，接近 7 倍。Claude Code 最快，中位耗时 122.7 秒；Oh My Pi 最慢，为 272.4 秒。
不过 Pi 的测试配置与统一条件有差异：它使用 high 而非 max 推理强度，30 个任务中还有 24 个走 DeepSeek 官方 API，而非 OpenRouter。因此这组差距不一定能完全归因于 Harness。
Composio 此前还用 Kimi K3 做过另一轮 Harness 横评。当时 Oh My Pi 以 22/25 排第一，原版 Pi Agent 为 18/25。OMP 本身就是从 Pi 分叉出来的 Coding 增强版，加入了子 Agent 等能力。换成 DeepSeek V4 Flash 后，反而是原版 Pi 跑到了第一。
