相同的模型，Agent 本身的提速：Harness 的 Fast 模式

Sunny Code · 工程实验 · 2026 年 10 月 19 日

同样的模型，完成同一道代码任务，Agent 还能更快吗？我们在 Sunny Code 中对照 Fast 与标准模式，固定模型和推理设置，只改变执行策略，观察一次本地代码交付需要多久。Fast 的思路是让 Agent 更聚焦当前任务，减少额外展开，完成修改与检查后及时交付。

在上一篇同模型对照实验展示的 token 效率基础上，我们进一步探索：同一个 Agent 能否通过 Fast 更早完成任务交付。

实验使用 GPT-6.1 Sol 与 DS4.1 Flash，均为 low thinking。三批任务分别覆盖 Sunny Code 自身与 Click、验证开销很小的 Python 仓库，以及没有现成单测的三个仓库。共九道任务，每项重复两次，合计 72 次运行。

在本次九个小任务的 36 组配对中，Fast 的本地交付耗时都更短。按每批、每个模型形成的六组汇总，耗时下降 50.4%–80.1%，新 token 下降 10.2%–38.7%。这是分组汇总的范围，不代表任意任务都能获得相同降幅。

所有交付都在计时后独立验收，但并非全部通过。下文保留失败和旧测试冲突；事后验收时间不计入上述耗时。

每次运行的平均耗时秒

标准Fast

常规验证

GPT-6.1 Sol

106.431.3

DS4.1 Flash

94.518.8

低验证开销

GPT-6.1 Sol

54.324.9

DS4.1 Flash

29.614.7

无现成单测

GPT-6.1 Sol

47.623.3

DS4.1 Flash

34.99.6

060120

三批、两个模型共用 0–120 秒刻度；每根条为六次运行的均值，包含失败交付。只在同批、同模型内比较。每项任务仅两次重复，未估计置信区间。

查看完整结果与验收

实验是怎么做的

实验于 2026 年 10 月 18 日进行。每批三道任务；每道题在两个模型、两种模式下各重复两次，共 24 次运行。同一配对固定任务、代码快照、依赖环境、模型及推理设置，串行交替运行。比较的是产品中两种模式的整体效果。计时从提交任务到 Agent 结束本次任务，仅衡量本地代码交付，不含独立验收、PR 发布与合并。供应商缓存与服务负载没有完全控制。

三批任务，追问同一个问题

第一批覆盖 Sunny Code 自身与 Click 的任务；第二批选择原生测试基线中位数约 0.7–2.7 秒的任务；第三批选择没有现成第一方单测的仓库。后两批仍观察到更短的交付时间。这并不意味着两种模式做了相同的检查，也不能单凭仓库测试较少就预测收益。

查看仓库与九道题的详细要求

查看耗时精确数值

分组	模型	标准（秒）	Fast（秒）	耗时下降
常规验证	GPT-6.1 Sol	106.4	31.3	−70.6%
常规验证	DS4.1 Flash	94.5	18.8	−80.1%
低验证开销	GPT-6.1 Sol	54.3	24.9	−54.1%
低验证开销	DS4.1 Flash	29.6	14.7	−50.4%
无现成单测	GPT-6.1 Sol	47.6	23.3	−51.1%
无现成单测	DS4.1 Flash	34.9	9.6	−72.4%

新 token 也减少，但降幅与时间不同

三批任务中，两模型的新 token 都下降，降幅从 10.2% 到 38.7%。例如无单测组的 Sol，时间下降 51.1%，新 token 只下降 10.2%。减少的 token 数量，不能直接当成节省时间的比例。

每次运行的平均新 tokentokens

标准Fast

常规验证

GPT-6.1 Sol

23.5k14.4k

DS4.1 Flash

23.6k16.0k

低验证开销

GPT-6.1 Sol

25.2k16.6k

DS4.1 Flash

20.0k15.6k

无现成单测

GPT-6.1 Sol

15.3k13.7k

DS4.1 Flash

15.0k9.2k

015k30k

新 token = provider 报告的 input + output，不含 cacheRead 与 cacheWrite。每个值为六次运行的均值；这不是总处理 token，也不是实际账单。上一篇统计包含缓存的总 token，两篇降幅不能直接比较。

查看新 token 精确数值

分组	模型	标准新 token	Fast 新 token	新 token 下降
常规验证	GPT-6.1 Sol	23,518	14,411	−38.7%
常规验证	DS4.1 Flash	23,626	16,034	−32.1%
低验证开销	GPT-6.1 Sol	25,213	16,650	−34.0%
低验证开销	DS4.1 Flash	19,964	15,573	−22.0%
无现成单测	GPT-6.1 Sol	15,281	13,726	−10.2%
无现成单测	DS4.1 Flash	15,004	9,224	−38.5%

所有交付都验收过，不等于全部正确

每次计时结束后，我们在交付代码的独立副本上运行行为边界检查，并结合可用的仓库回归检查。失败运行原样保留，没有修补模型交付的源码再计为通过。模型自己新增的测试另行记录。

分组	严格总验收（标准 / Fast）	需求行为与补充诊断
常规验证	8/12 · 8/12	Click 的八次交付都漏了补充验收中的空前缀相关边界。两种模式都错，不能证明质量无损。
低验证开销	8/12 · 8/12	需求行为 24/24 通过；八次 slugify 交付触发与新需求冲突的旧断言。上游更新测试的补充诊断通过，原失败保留。
无现成单测	12/12 · 12/12	外部行为与总验收 24/24 通过。在这批任务和已有覆盖下，没有观察到质量下降。

Click 的常规检查通过，补充需求检查失败。slugify 的任务则要求 ASCII 路径绕过转写后端，旧测试仍断言初始化该后端；冻结旧测试合计 16/24 通过，不能用后来的补充诊断覆盖这个结果。这两类失败原因不同，应分别报告。

标准模式交付中附带的测试也可能有后续维护价值。本次交付时间没有衡量这些价值、长期回归风险或返工成本。

这些数字适用于什么范围

现有证据支持的是：这九个小任务中，Fast 的本地交付耗时更短。它不能证明所有任务都会更快，也不能证明读代码或修改本身单独更快。对首批运行记录的事后拆分，仍不足以隔离这些阶段的收益；本实验也没有测量某一项具体实现的独立贡献。

三批没有让两种模式完成完全相同的验证。如果你的流程要求独立验收通过后才算交付，需要把验收时间计回去。本次只有九个任务、两个模型、每项两次重复；低验证组两个任务同属 boltons，无单测组三个仓库来自同一维护者。36 组配对并不等于 36 道独立任务。任务为定向选择，包含历史缺陷与边界案例，并非随机抽样；相同的通过率也不构成质量等价的证明。

把速度、验收与交付范围放在一起看

本次对照说明，在保持模型不变时，Agent 模式的差异仍值得测量。更短的交付时间，应与实际验收结果和工作范围一起看。评估自己的工作流时，固定任务与验收标准，同时记录耗时、token 和失败原因；若要求完成同样的全部验证后再交付，应按那个边界重新计算总耗时。

任务与仓库对照

三批共七个仓库、九道题。A–C 为 Sunny Code 与 Click，D–F 为低验证开销任务，G–I 来自无现成单测的仓库。每道题有八次运行：两个模型 × 两种模式 × 两次重复。

查看七个仓库与题目索引

仓库	语言	任务
zjc-cloud/sunny-code	TypeScript	A, B
pallets/click	Python	C
mahmoud/boltons	Python	D, F
un33k/python-slugify	Python	E
fogleman/primitive	Go	G
fogleman/ln	Go	H
fogleman/sdf	Python	I

任务	仓库	内容
A	zjc-cloud/sunny-code	本地预览链接边界
B	zjc-cloud/sunny-code	文本提示词学习与媒体输入
C	pallets/click	Choice 补全的归一化匹配
D	mahmoud/boltons	Unicode 分行与缩进
E	un33k/python-slugify	ASCII 绕过转写后端
F	mahmoud/boltons	JSONL 相对定位
G	fogleman/primitive	椭圆竖直半径按高度限制
H	fogleman/ln	零方向射线与盒求交
I	fogleman/sdf	四面体尺寸缩放

常规验证

A · 本地预览链接边界

zjc-cloud/sunny-code · TypeScript · 私有仓库，版本不公开

问题 · 启动日志中的本地地址占位符，会被误识别成可点击的预览链接。

任务要求与范围 · 拒绝 localhost:<port>、IPv4/IPv6 端口占位符和缺少端口的尾冒号；保留完整本地地址及明确写出的默认端口地址，不扩展其他启动功能。

独立验收覆盖 · 检查不完整地址、占位符、完整地址、外部或带认证信息的 URL，以及日志中的 ANSI／标点边界；结合原有回归、类型检查与构建。

严格总验收 · 标准: 4/4 · Fast: 4/4

B · 文本提示词学习与媒体输入

zjc-cloud/sunny-code · TypeScript · 私有仓库，版本不公开

问题 · 可复用提示词学习把同一用户消息的多个文本块直接粘连，丢失句子边界。

任务要求与范围 · 用换行分隔多个文本块，保留块内换行和普通字符串；图片或混合内容、非用户消息和原先禁止学习的内容仍应排除，长度与安全筛选不变。

独立验收覆盖 · 检查多文本块与普通字符串，以及图片、混合媒体、非用户消息和既有筛选边界；结合原有回归、类型检查与构建。

严格总验收 · 标准: 4/4 · Fast: 4/4

C · Choice 补全的归一化匹配

pallets/click · Python · 历史上游参照 2247b35e

问题 · Choice 的 shell 补全与命令行正常取值使用的归一化规则不一致，导致本来可接受的值没有候选建议。

任务要求与范围 · 让前缀匹配遵守既有归一化与扩展钩子，保留大小写、候选顺序、普通值转换、帮助与错误行为；空前缀及归一化后为空的前缀也属于边界。

独立验收覆盖 · 通过真实补全分发检查 Unicode、上下文及自定义归一化、子命令继承与上下文隔离，并补查空前缀边界。八份交付的常规检查通过，补充边界失败。

严格总验收 · 标准: 0/4 · Fast: 0/4

低验证开销

D · Unicode 分行与缩进

mahmoud/boltons · Python · 历史上游参照 1cdc0e9d

问题 · iter_splitlines 对 Unicode 行／段落分隔符处理不正确，还会错误拆开普通日期文本。

任务要求与范围 · 正确识别 U+2028、U+2029，连带保持 indent 正确；保留既有换行符、CRLF、连续及首尾空行，以及 margin、newline、key 参数行为。

独立验收覆盖 · 独立行为检查覆盖分行与缩进的组合边界；运行包含 doctest 的原生测试套件。该任务原生测试三次基线的中位数为 2.747 秒。

严格总验收 · 标准: 4/4 · Fast: 4/4

E · ASCII 绕过转写后端

un33k/python-slugify · Python · 历史上游参照 2fe6cec4

问题 · 已经是 ASCII 的文本仍进入转写后端加载路径，产生不必要的依赖。

任务要求与范围 · 在转写阶段对纯 ASCII 输入跳过后端加载，缺失后端时仍可处理；覆盖默认／显式 legacy 与 modern，保留非 ASCII、allow_unicode、替换、实体解码与参数校验行为。

独立验收覆盖 · 检查 ASCII 路径、后端缺失、非 ASCII 与流水线兼容性，并运行原生测试。行为检查八份均通过；八份均触发旧断言冲突，补充诊断单独报告。原生基线中位数 0.727 秒。

严格总验收 · 标准: 0/4 · Fast: 0/4

F · JSONL 相对定位

mahmoud/boltons · Python · 历史上游参照 51508029

问题 · JSONLIterator 对二进制 JSON 行文件执行 rel_seek 相对定位时抛出 TypeError。

任务要求与范围 · 二进制正向迭代应与相同内容的文本输入一致；保留起止／负相对位置、空文件、末尾、ignore_errors 和文本倒序行为，不扩展二进制倒序的其他问题。

独立验收覆盖 · 比较文本与二进制相对定位结果，检查位置、空文件、错误处理等边界；运行包含 doctest 的原生测试套件。原生基线中位数 2.472 秒。

严格总验收 · 标准: 4/4 · Fast: 4/4

无现成单测

G · 椭圆竖直半径按高度限制

fogleman/primitive · Go · 历史上游参照 69506c92

问题 · 普通 Ellipse.Mutate 在非正方形画布上，用宽度错误限制竖直半径 Ry。

任务要求与范围 · 竖直半径按高度限制，同高度、同随机序列的结果不应因宽度不同而变化；保留随机分支、水平半径、中心变化和 Circle 半径同步，不改 RotatedEllipse。

独立验收覆盖 · 在独立副本中用多组随机种子与不同画布尺寸检查高度约束、不随宽度变化和既有分支行为。仓库没有现成第一方单测，外部行为检查另行提供。

严格总验收 · 标准: 4/4 · Fast: 4/4

H · 零方向射线与盒求交

fogleman/ln · Go · 历史上游参照 12e6c6e7

问题 · 射线某轴方向为零时，Box.Intersect 在盒面、边或角上可能产生 NaN 或错误参数区间。

任务要求与范围 · 覆盖正零与负零：原点在轴闭区间内时该轴不限制参数，区间外为空；保留负参数、斜射／反向射线及盒内语义，并处理零厚度盒与完全静止射线。

独立验收覆盖 · 外部几何行为检查覆盖零方向、盒面／边／角、退化盒和静止射线，以及正常射线的区间结果。仓库没有现成第一方单测。

严格总验收 · 标准: 4/4 · Fast: 4/4

I · 四面体尺寸缩放

fogleman/sdf · Python · 历史上游参照 cee1dace

问题 · 有符号距离场的 tetrahedron(r) 忽略尺寸参数 r。

任务要求与范围 · 让正尺寸控制四面体大小；保留 r=1 场值，尺寸与坐标同比缩放时距离值也同比变化，原点在内部、边界为零；保留批量输出形状和平移组合，不扩展网格或渲染。

独立验收覆盖 · 外部数值行为检查覆盖缩放关系、内部／边界点、批量形状和已有组合方式。仓库没有现成第一方单测。

严格总验收 · 标准: 4/4 · Fast: 4/4

题目要求与验收覆盖为实验材料的整理说明，不是 Fast 的内部指令。版本链接是上游历史参照，不是模型交付补丁；结论对应独立准备的任务快照及本文列出的检查范围。三个位于无单测组的仓库来自同一维护者。

查看 72 次运行明细

Click 的“未通过”指补充需求边界失败；slugify 的“未通过”指冻结旧测试冲突。详细区分见上方验收说明。

任务	模型	模式	重复	耗时（秒）	New tokens	严格总验收
A	DS4.1 Flash	标准	1	151.518	22,106	通过
A	DS4.1 Flash	Fast	1	26.976	17,537	通过
A	GPT-6.1 Sol	标准	1	87.583	28,162	通过
A	GPT-6.1 Sol	Fast	1	56.447	13,378	通过
B	DS4.1 Flash	标准	1	120.180	23,905	通过
B	DS4.1 Flash	Fast	1	12.851	14,217	通过
B	GPT-6.1 Sol	标准	1	118.264	19,415	通过
B	GPT-6.1 Sol	Fast	1	21.984	13,519	通过
C	DS4.1 Flash	标准	1	63.844	34,484	未通过
C	DS4.1 Flash	Fast	1	15.234	13,828	未通过
C	GPT-6.1 Sol	标准	1	50.228	22,838	未通过
C	GPT-6.1 Sol	Fast	1	25.957	17,554	未通过
A	DS4.1 Flash	标准	2	168.825	22,031	通过
A	DS4.1 Flash	Fast	2	24.367	17,587	通过
A	GPT-6.1 Sol	标准	2	149.124	28,651	通过
A	GPT-6.1 Sol	Fast	2	30.488	13,254	通过
B	DS4.1 Flash	标准	2	32.271	19,765	通过
B	DS4.1 Flash	Fast	2	16.935	15,329	通过
B	GPT-6.1 Sol	标准	2	177.767	31,566	通过
B	GPT-6.1 Sol	Fast	2	24.743	12,494	通过
C	DS4.1 Flash	标准	2	30.077	19,465	未通过
C	DS4.1 Flash	Fast	2	16.311	17,704	未通过
C	GPT-6.1 Sol	标准	2	55.692	10,478	未通过
C	GPT-6.1 Sol	Fast	2	28.197	16,267	未通过
D	DS4.1 Flash	标准	1	25.598	14,298	通过
D	DS4.1 Flash	Fast	1	10.555	9,721	通过
D	GPT-6.1 Sol	标准	1	42.425	21,710	通过
D	GPT-6.1 Sol	Fast	1	24.225	19,843	通过
E	DS4.1 Flash	标准	1	46.756	34,166	未通过
E	DS4.1 Flash	Fast	1	18.650	16,833	未通过
E	GPT-6.1 Sol	标准	1	52.419	37,344	未通过
E	GPT-6.1 Sol	Fast	1	28.890	14,138	未通过
F	DS4.1 Flash	标准	1	25.358	15,272	通过
F	DS4.1 Flash	Fast	1	19.426	13,263	通过
F	GPT-6.1 Sol	标准	1	46.363	13,653	通过
F	GPT-6.1 Sol	Fast	1	20.540	10,349	通过
D	DS4.1 Flash	标准	2	25.629	13,579	通过
D	DS4.1 Flash	Fast	2	11.298	10,137	通过
D	GPT-6.1 Sol	标准	2	39.815	11,908	通过
D	GPT-6.1 Sol	Fast	2	23.820	19,623	通过
E	DS4.1 Flash	标准	2	34.501	29,873	未通过
E	DS4.1 Flash	Fast	2	15.398	30,881	未通过
E	GPT-6.1 Sol	标准	2	72.812	34,581	未通过
E	GPT-6.1 Sol	Fast	2	28.113	25,126	未通过
F	DS4.1 Flash	标准	2	19.923	12,593	通过
F	DS4.1 Flash	Fast	2	12.799	12,600	通过
F	GPT-6.1 Sol	标准	2	72.053	32,083	通过
F	GPT-6.1 Sol	Fast	2	23.863	10,820	通过
G	DS4.1 Flash	标准	1	31.012	12,414	通过
G	DS4.1 Flash	Fast	1	8.348	7,585	通过
G	GPT-6.1 Sol	标准	1	21.667	11,140	通过
G	GPT-6.1 Sol	Fast	1	18.864	10,966	通过
H	DS4.1 Flash	标准	1	27.340	12,975	通过
H	DS4.1 Flash	Fast	1	13.305	9,428	通过
H	GPT-6.1 Sol	标准	1	74.575	26,442	通过
H	GPT-6.1 Sol	Fast	1	28.190	20,998	通过
I	DS4.1 Flash	标准	1	43.154	18,187	通过
I	DS4.1 Flash	Fast	1	9.202	11,015	通过
I	GPT-6.1 Sol	标准	1	38.367	11,841	通过
I	GPT-6.1 Sol	Fast	1	24.516	10,561	通过
G	DS4.1 Flash	标准	2	21.340	10,337	通过
G	DS4.1 Flash	Fast	2	7.906	7,943	通过
G	GPT-6.1 Sol	标准	2	56.842	15,482	通过
G	GPT-6.1 Sol	Fast	2	18.959	12,178	通过
H	DS4.1 Flash	标准	2	44.072	18,595	通过
H	DS4.1 Flash	Fast	2	9.837	8,340	通过
H	GPT-6.1 Sol	标准	2	61.829	10,902	通过
H	GPT-6.1 Sol	Fast	2	27.940	16,772	通过
I	DS4.1 Flash	标准	2	42.778	17,516	通过
I	DS4.1 Flash	Fast	2	9.235	11,030	通过
I	GPT-6.1 Sol	标准	2	32.376	15,876	通过
I	GPT-6.1 Sol	Fast	2	21.154	10,883	通过

联系获取实验数据

[email protected]

发送邮件 ↗

可通过邮箱联系我们获取实验数据。数据包包含 72 次运行的耗时、用量与验收结果、九个任务的仓库、历史版本参照、问题要求与验收范围，以及三批汇总。全文数字按原始记录计算；数据包不包含运行过程记录、缓存分项、Fast 内部指令或私有版本标识。

了解 Sunny Code，评估你的工作流

用自己的仓库，决定一次任务应该做哪些检查、何时才算交付。