同款模型三大AI Agent横评：DeepSeek Harness、ZCode与Hermes谁更强

在AI Agent工具层出不穷的今天，一个常被忽视的问题是：同样的模型、同样的提示词，放进不同的Agent框架里，最终产出会有多大差异？B站一位UP主用一次实测给出了直观答案——差异比想象中更大。

本次测评统一使用 GLM 4.5 Flash（视频中口述为「GIM 5.3 Flash」，推测为GLM系列Flash模型）作为底层模型，配合完全相同的提示词，分别在三个Agent环境中运行：DeepSeek Harness（视频中称Harmonies）、ZCode（原配环境）以及Hermes。评判标准很纯粹——「创建你能想到最美丽的文件，让人们看到时会发出惊叹」。

测试设定：控制变量下的Agent对决

这次测评最有价值的地方在于「控制变量」。模型不变、提示词不变，唯一变化的是承载模型的Agent框架。这样得出的差异，几乎完全来自Agent本身对任务的拆解方式、代码生成策略以及执行链路的设计。

提示词本身相当开放——要求生成一个「最美丽的文件」，这实际上是在考验Agent如何理解模糊需求、如何自主发挥创造力，以及如何把抽象的「美」转化为可运行的代码。

对于开发者来说，这种开放式任务比结构化编程任务更能暴露Agent的「思维方式」差异。同样一句话，有的Agent会保守地生成基础页面，有的则会主动加入音乐、动效、交互切换等增强体验的元素。

Agent框架（Agent Framework）是指在大语言模型之上封装的一套执行层，负责将用户的自然语言指令拆解为可执行的子任务序列，并调度代码生成、工具调用、错误重试等能力。同一底层模型在不同框架下，本质上是在被不同的「思维脚手架」引导——框架决定了模型会被要求先做什么、如何分配上下文窗口、以及在生成失败时如何兜底。这也是为什么控制变量测评中，框架差异能直接影响最终产出质量：它改变的不是模型的权重，而是模型被调用的方式与频次。

ZCode原配环境：最简洁却不最差

ZCode作为GLM Flash模型的「专属原配」环境，用时32分41秒完成任务，生成代码893行——是三者中最短的。

输出效果是一个带背景音乐的可下滑页面，UP主形容其音乐「更接近白噪音」。虽然代码量最少，但表现并不垫底。这印证了一个常见误区：代码行数与最终效果并不成正比。更短的代码有时意味着更精炼的实现，而非功能缺失。

ZCode的这次表现，在UP主的整体排名中位列第二，属于稳扎稳打的类型。对于追求代码可维护性、不希望产出冗余逻辑的场景，这种「够用即止」的风格反而是优势。

DeepSeek Harness：速度与效果双赢

DeepSeek Harness（口述Harmonies）是本次测评的最大赢家。它仅用28分钟就完成任务，比ZCode还快，且采用「标准模式」生成了1313行代码——比ZCode多出四五百行。

更关键的是效果。UP主直言其页面「有点炫酷」，惊艳到「光是当电脑锁屏都很美」，并且支持切换。在「速度更快 + 代码更丰富 + 视觉更惊艳」的三重优势下，DeepSeek Harness被评为本次横评的第一名。

这一结果值得玩味：更多的代码量在这里对应了更丰富的视觉表现，而非无意义的膨胀。这说明Harness框架在任务拆解和创造力引导上，可能对同一模型进行了更充分的「激发」。同样的GLM Flash，在不同Agent里就像被赋予了不同的发挥空间。

「Harness」在AI测评语境中通常指测试驱动的执行框架，原本用于规范化评估模型性能。DeepSeek将其引入Agent场景后，该框架以结构化的任务分解见长——将模糊指令切割为多个可验证的子目标，逐步生成并校验代码片段。这种「边生成边验证」的机制，可能是其在本次测评中代码量更大但执行速度反而更快的原因之一：每步产出更具方向性，减少了大段回溯和重写的概率，最终积累出视觉层更丰富的页面效果。

Hermes：耗时最长，效果垫底

第三个环境Hermes的表现相对逊色。UP主坦言自己「看了半天不知道怎么看它用了多少时间」，但推测其耗时应该是三者中最长的，明显超过ZCode和DeepSeek Harness。

综合最终产出效果，Hermes在本次测评中排名第三。耗时更长却未能换来更好的结果，这提示我们：Agent框架的执行效率与产出质量并不总是线性相关，框架设计的合理性至关重要。

从这场横评能看出什么

这次非严谨但直观的测评，给出了几个有参考价值的结论：

Agent框架的差异被严重低估。 同一个模型在不同Agent里的表现，从速度到最终效果都拉开了明显差距。选对Agent，可能比升级模型带来的收益更立竿见影。

代码行数不等于质量。 ZCode最短却不最差，Hermes耗时最长却排名末位。评判Agent应该看最终交付效果，而非中间过程的数量指标。

开放式任务是检验Agent创造力的好方法。 「创建最美丽的文件」这类模糊需求，能有效区分出Agent在自主发挥、体验增强上的能力上限。

最终UP主给出的排名是：DeepSeek Harness > ZCode > Hermes。当然，这是基于单次、单一模型、单一提示词的主观测评，样本量有限，结果仅供参考。要得出更可靠的结论，还需要在更多任务类型和模型组合下反复验证。

对于正在选型的开发者，这场横评的核心启示很简单：在投入更贵的模型之前，先试试换个Agent框架。