Google maakt Harness2 open source, waardoor AI-agents hun eigen harness kunnen herschrijven

Google Research heeft Harness2 uitgebracht, een open-source framework voor AI-agents, onder de Apache-2.0-licentie. Het op 18 oktober 2026 aangekondigde hulpmiddel herschrijft de harness rond een agent terwijl die wordt getest, in plaats van die omhulling vast te houden.

Volgens de gepubliceerde samenvatting verhoogde één verfijningsstap de score van het GLM-5-model op WorkBuddy-Bench met 11,5 punten. Die winst zou zijn behaald zonder enige aanpassing van de gewichten van het model.

Waarom de harness ertoe doet

In agentsystemen is de harness de laag rond een model: de instructies, de tools die het kan aanroepen en de besturingslogica die bepaalt hoe een taak verloopt. Hetzelfde model kan sterk verschillen in prestaties, afhankelijk van die opzet. Harness2 hanteert een recursieve aanpak, waarbij het systeem deze laag zelf opnieuw ontwerpt in plaats van dat ingenieurs haar met de hand moeten afstemmen.

Omdat er geen hertraining bij komt kijken, wijst de aanpak op een manier om meer capaciteit uit bestaande modellen te halen zonder kostbare trainingsruns. Dat kan aantrekkelijk zijn voor teams die niet de middelen hebben om eigen modellen te bouwen of af te stellen.

Open vragen

Er zijn voorlopig beperkte publieke details. Het is nog niet duidelijk of vergelijkbare winsten gelden voor andere modellen en benchmarks, wat er gebeurt over meerdere verfijningsstappen, en hoeveel extra rekenkracht het proces vraagt. De gemelde verbetering van 11,5 punten betreft één model op één benchmark.

De permissieve licentie betekent wel dat onderzoekers van buiten de claims zelf kunnen testen. De release past in een groeiende opvatting in het veld dat de prestaties van een agent niet alleen van het onderliggende model afhangen, maar ook van de structuur eromheen, en Harness2 biedt een concrete poging om dat deel van het werk te automatiseren.