Harness-1
#12 in Reasoning-Modelleuniversity-of-illinois-at-urbana-champaign-uc-berkeley-chroma · v1 · seit 2026-06-01 · 4× · zuletzt 29. Juni 2026
Harness-1 ist ein 20-Milliarden-Parameter-Such-Agent (Retrieval-Subagent), der von Forschern der University of Illinois Urbana-Champaign (UIUC), UC Berkeley und Chroma entwickelt wurde. Er basiert auf dem Basismodell openai/gpt-oss-20b und wurde mit Reinforcement Learning innerhalb eines zustandsbehafteten Such-Harness trainiert – d. h. Bookkeeping-Aufgaben werden an die Umgebung ausgelagert, während das Modell selbst nur semantische Suchentscheidungen trifft. Über acht Retrieval-Benchmarks hinweg erreicht Harness-1 eine durchschnittliche Curated-Recall-Rate von 73 % und übertrifft damit GPT-5.4 (70,9 %) sowie den nächststärksten Open-Source-Such-Subagenten um +11,4 Prozentpunkte. Modellgewichte und Harness-Code sind unter der Apache-2.0-Lizenz öffentlich zugänglich.
Features
| Parametergröße (Mrd.) | 20 |
| Reasoning-Fähigkeit (AIME-Score %) | Kein AIME-Score dokumentiert. Harness-1 ist ein Retrieval-Agent; gemessene Benchmark-Leistung: 73 % durchschnittliche Curated Recall über 8 Retrieval-Benchmarks (Web, Finance, Patents, Multi-Hop QA) |
| Verfügbarkeitsstatus | Öffentlich verfügbar (Open Source) – Modellgewichte und Harness-Code auf HuggingFace & GitHub unter Apache-2.0-Lizenz |