Google merilis Harness2 secara open source, memungkinkan agen AI menulis ulang harness-nya sendiri

Google Research telah merilis Harness2, kerangka kerja open source untuk agen AI, di bawah lisensi Apache-2.0. Diumumkan pada 18 Oktober 2026, alat ini menulis ulang harness yang membungkus agen saat agen tersebut sedang diuji, alih-alih membiarkan kerangka pendukung itu tetap statis.

Menurut ringkasan yang dipublikasikan, satu langkah penyempurnaan meningkatkan skor model GLM-5 pada WorkBuddy-Bench sebesar 11,5 poin. Peningkatan tersebut dilaporkan tercapai tanpa pembaruan apa pun pada bobot model.

Mengapa harness itu penting

Dalam sistem agen, harness adalah lapisan yang membungkus model: instruksinya, alat-alat yang dapat dipanggil, serta logika kendali yang menentukan bagaimana sebuah tugas berjalan. Model yang sama bisa menunjukkan performa yang sangat berbeda bergantung pada konfigurasi tersebut. Harness2 menggunakan pendekatan rekursif, dengan membiarkan sistem merancang ulang lapisan ini alih-alih mengandalkan insinyur untuk menyetelnya secara manual.

Karena tidak ada pelatihan ulang yang terlibat, pendekatan ini menunjukkan cara untuk menggali kemampuan lebih dari model yang sudah ada tanpa menjalankan proses pelatihan yang mahal. Hal ini mungkin menarik bagi tim yang tidak memiliki sumber daya untuk membangun atau melakukan fine-tuning model sendiri.

Pertanyaan yang belum terjawab

Detail publik masih terbatas. Belum jelas apakah peningkatan serupa juga berlaku pada model dan benchmark lain, apa yang terjadi selama beberapa langkah penyempurnaan, atau seberapa besar tambahan komputasi yang dibutuhkan proses ini. Peningkatan 11,5 poin yang dilaporkan hanya merujuk pada satu model pada satu benchmark.

Lisensi yang permisif memang memungkinkan peneliti di luar Google menguji klaim tersebut secara langsung. Rilis ini sejalan dengan pandangan yang berkembang di bidang ini bahwa performa agen bergantung tidak hanya pada model yang mendasarinya, tetapi juga pada struktur yang dibangun di sekitarnya, dan Harness2 menawarkan upaya konkret untuk mengotomatisasi bagian pekerjaan tersebut.