大神觀點 2026年9月18日

本月 · 文章日 9 月 9 日，回顧

機器學習研究者、《Build a Large Language Model (From Scratch)》作者 Sebastian Raschka 提醒，跨模型比較寫程式能力時，外殼本身就會偏心。

外殼（harness）指包在模型外面、替它決定每一步讀哪些檔、帶多少歷史紀錄、何時呼叫工具的那層程式，Anthropic 的 Claude Code、OpenAI 的 Codex 都是。他寫：「models are typically developed with one primary harness in mind (and fine-tuned less on other harnesses). Plus, the primary harness is often developed to suit and amplify a model's strengths.」（Sebastian Raschka，2026-09-09）。它接住本報哪條判斷： 第三方排行上兩家模型的成本差，有一部分來自外殼、不全是模型（排行數字見下方模型觀點第 2 則）。