FrontierHarness Eval评测显示，同一模型下不同执行外壳的任务通过率差异达16.7%，成本相差17倍，竞争焦点从模型转向外壳基准化。厂商如DeepSeek推出可插件化Harness，arXiv出现相关基准。但外壳非万能，存在供应链攻击风险，且商业应用中工具选择率低。未来需关注模型与外壳耦合效应及版本化公开。

OpenAI承诺为GPT-5.6用户定制强化学习环境以解决特定任务，引发社区热议。一些人认为这是积极信号，显示OpenAI的信心；另一些人则质疑其真实性，认为可能是公关手段。讨论中提到性价比、开源与闭源模型的竞争，以及企业用户对稳定性的需求。用户反馈的重要性被强调，若OpenAI不重视，可能影响其声誉。整体来看，用户体验仍是评判标准。