[NS : leemysw] 关于 Harnes 测评的一些尝试 ， 用 NXS 跑了一遍 FrontierHarness， 30 题通过 22 题，失败的题目花掉了一半成本！

Runta最近发布了一个CodingAgentHarness评测，名字叫FrontierHarnessEval。他们让同一个KimiK3跑30道题，每轮只更换AgentHarness。公开结果里，通过率从50.0%到66.7%，每通过一道题的成本从1.05美元到18.34美元。看完发布文章、任务和逐题结果，差距比我