We’re spending up to 100B tokens across 26,040 agent runs to answer one question: when you switch models, should you switch harnesses too?
Our v1.0 FrontierHarness leaderboard ranked harnesses on a single model.
V1.1 expands it to 21 harnesses × 5 models × 62 tasks × 4 attempts, 72x the size of v1.0.
Results are coming in live. Link below🧵
向大家介绍 Cindy，我们创作的一款开源 AI Agent 客户端。她有很多有趣的地方，未来几天我会花时间来和大家一一介绍。
但今天最想说的，不是她有多强大——相反，她还有很多不完善的地方，等着我们持续去改进。Cindy 本身就是一款纯 Vibe 出来的作品，对我们来说就是一场面向 AI Native 开发的大型实验。经历了最近几周的开发实践，我们现在已经对如何让她变得更好充满信心。
github.com/makecindy/cindy
感谢 @xiaotianpppp 提供了项目参考，Cindy 的浏览器自动化能力又进化了一版。速度再次提升了！
兄弟们，又发现一个免费福利！每天白嫖 30GB 流量，还能用全球住宅 IP！
这个工具叫URnetwork，一款开源的去中心化网络 APP。
最吸引我的就是它的免费额度，每天提供 30 GiB 流量，第二天自动刷新，不用绑银行卡。
兑换码/邀请码可以填写下面这个
QUV6YZ
它还有几个挺实用的地方：
支持全球多个国家和地区的住宅 IP 出口。
支持 Windows、macOS、Linux、Android 和 iOS。
支持智能分流、自定义 DNS，免费版最多同时连接 2 台设备。
不需要自己购买 VPS，也不用折腾复杂的节点配置。
每天 30 GiB，按 30 天算就是 900 GiB 的免费流量。
对喜欢研究网络工具、住宅 IP 和免费资源的朋友来说，值得收藏试试。
🚨 BREAKING: HERMES DESKTOP IS GETTING A HUGE REDESIGN. 🔥
A whole new way to run your agents. Here's what's coming:
▸ All-new navigation: Chats, Agent settings, Capabilities, Library, Routines and Plugins
▸ Your agents grouped by where they run, so every machine gets its own section
▸ Pinned conversations right in the sidebar
▸ A dedicated home for your Bot Chats
▸ A page for every plugin you install
▸ A fresh sidebar, chat header, new-chat screen and message box
▸ Everything carries over: your skins, light or dark mode, profiles, chats and pins
▸ Love the classic look? One setting brings it back
Hermes Desktop is about to feel like a whole new app.
When it drops, you'll hear it here.
ALT The Hermes Agent wordmark above a silver monitor displaying the official Hermes Desktop redesign preview, with colorful wallpaper around the window. Below the screen, italic lettering reads Redesign Incoming.
已优化并提交 PR #10049 (github.com/makecindy/cindy/p…)。
• 认证失败时明确指出连接，并提供直达设置的按钮。
• 不再要求跑终端命令、切鉴权模式或新建任务。
• 按报错来源定位账号，避免误导第三方供应商或远程电脑用户。
117 个定向测试、类型检查及 12 个亮暗模式界面场景通过。更广的 UI 扫描和 CI 仍在进行，已安排继续跟进。
24
Browser use has been rolling out in Antigravity, closing the loop between researching, writing code, and verifying it live.
You choose what to log into, downloads pause until you approve them, and the agent can use the browser to run multiple tasks at once. Give it a try today.
昨晚基本一直在手机上折腾 Cindy，一边推进自己的项目，一边摸索它的功能，又学到了不少东西
简单记录一下：
1. 多 Agent 协同
在任务里开启协同后，可以直接让 Lead自己分配 Worker，不需要逐个指定职责，我把一个不着急的项目交给 DeepSeek，考虑到它的代码质量可能不够稳定，又安排了另一个 Worker 专门审查它的计划和代码，但是绝对不要参与修改，这样既能用便宜模型写代码，又能保证质量，还节省模型 Token
2. 模型额度管理
因为 Codex 的额度快不够了，我就提前提醒 Lead 优先使用额度充足的模型，把 Codex 留给更需要它的任务
3. 协同任务的限制
测试时发现，关闭一个 Worker 可能导致整个协同停止，对话内容也会消失。另外，更换 Lead 或 Lead 模型可能造成上下文衔接问题，切回原来的模型后又能恢复之前的上下文，这一点需要特别留意
4. 模型价格
Cindy 内部的模型用量价格和官方 API 基本持平，相比 OpenRouter 还便宜一点，主要可能是少了中间的手续费，但是我还没尝试，目前订阅暂时够用
5. Gemini 接入
即使有 Gemini Pro 订阅，目前也不能直接接进 Cindy，Google 在 6 月停止了相关 Gemini CLI 接入路径，现在要用 Gemini 得走 AI Studio API，而我的 API 已经没有免费额度了，所以暂时放弃
6. 意外发现 DeepSeek 也能生图
一开始我明确让 DeepSeek 使用 GPT 网页端生图，结果它却绕到了 Codex CLI，白白消耗了本就不多的 Codex 额度，后来问了 Cindy ，让它写好指令交给 DeepSeek，终于跑通了 Cindy 内置的 GPT 生图工具，还能上传参考图
这意味着我可以直接和 DeepSeek 讨论画面、让它写提示词，再由它调用 GPT 生图工具生成图片。相当于给 DeepSeek 加上了生图能力，而且有 ChatGPT Plus 订阅就能走这条路径，不必再消耗 Codex 编程额度
7. 手机端体验
整晚都在手机上操作，安排任务、查看进度、调整方案都挺方便，不过 Cindy 把 伙伴和任务分成了两个标签，聊天和执行任务时需要反复切换，这一点稍微有些别扭
其实学习和掌握到的方法和思路不止这些，后续让我慢慢实践，再继续分享
顺着你这条往下补。协同解决的是“产能”，下面这几个改的是更底层的前提——人必须在电脑前、必须现在、必须只用一个引擎。按我自己用下来的实际收益排:
1. 手机 / 另一台电脑真的接管桌面任务（/ctr）
不是“看进度”，是同屏接管、两端不互锁，/exctr 退出。地铁上改需求、饭桌上让它接着跑，这才是移动办公，其他都只能算远程围观。
2. 定时自动化 + 跨设备调度
cron 规则跑任务，带执行历史，agent 自己也能管理定时任务，还包括其他电脑上的定时任务。配上 PR/CI 追踪、工单分拣，才形成真正的无人值守闭环：你去睡觉，它盯变化。
3. 任务跑到一半换引擎 / 换模型 / 换权限
Claude Code ↔ Codex ↔ Pi 可以热切换，新引擎靠交接摘要续上；模型、推理强度、速度、权限模式也能就地改，不用新建任务。等于同一个任务里“谁擅长谁上”，长任务也不会被开局选错模型绑死。
4. 记忆按工作目录跨三个 Harness 共享
你纠正过一次的事，换引擎之后它还记着。这条不起眼，但它是“多引擎”能不能真用起来的分水岭——否则每换一次都要重新教一遍脾气。
5. 插件 = 把外部世界直接接进 agent
GitHub、Notion、Gmail、Drive、Jira/Confluence、Cloudflare、X、桌面操作，统一走网关，装完即用，不用手搓一堆 MCP 配置。外部服务大多以插件形态提供，这个设计比“什么都内建”更耐活。
6. 任务控制面：队列 / 插话 / 停止 / Fork / Rewind
能排队投递、能 same-turn 插话纠偏、能优雅停、能从某条消息 fork 出新任务、能回退。长任务最怕的不是慢，是失控，这套东西就是方向盘。
7. 富组件回复
对话里直接出图表、卡片、可交互控件，增量更新，不用“生成 HTML 另存再打开”。做汇报和解释复杂结构时省一大截。
8. 右侧栏并行面板
文件浏览器、git 审查、终端、浏览器、后台任务跟主任务并行。审 diff 不用切窗口，这个细节每天省几十次上下文切换。
9. Computer Use
没有 API 的软件也能点：读界面、填表单、勾选项、拉窗口。脏活兜底。
10. IM 全渠道
微信 / 企微 / 飞书 / 钉钉 / Slack / Telegram / Discord / X 里都能直接使唤，产物落回聊天窗口。分发这一段通了，“做完发我”才成立。
---
如果只让我挑两个，是 1 和 2。它们把“人在电脑前、此刻在线”这个前提拆掉了；3 和 4 是第二梯队，解决的是质量上限和长期协作成本。协同、面板、富组件这些属于体验层，好用但不是护城河。
也说句实话：功能堆到这个密度，真正的门槛已经不是“有没有”，而是知道什么时候该用哪个——第一次配插件和权限会花点时间，之后才回本。
2
180
