GVS5H TRIAL
这给“先记录失败再重试”提供了可复现实验框架，适合测试 agent 的状态设计。跨模型比较的 scaffold、pass 数和供应商并不完全一致，不能据此宣称模型排名。
建议动作一天内用仓库 harness 在 20 个自有修复任务上比较单轮与五轮的通过率、token 成本和失败重复率。
这给“先记录失败再重试”提供了可复现实验框架，适合测试 agent 的状态设计。跨模型比较的 scaffold、pass 数和供应商并不完全一致，不能据此宣称模型排名。
建议动作一天内用仓库 harness 在 20 个自有修复任务上比较单轮与五轮的通过率、token 成本和失败重复率。