Unreal Labs 开源了自己的 agent 运行框架（harness），叫 Unreal Agent。核心卖点一句话：在真实生产工作负载和 coding/science 基准上，比 Codex 最多省 40% 成本，比 Pi 省 20%，性能没有任何下降。这家公司由 Sequoia 和 First Round 投资，创始团队来自 CERN、Meta、Snap、Bloomberg 和 DeepMind。
省钱的原理不是模型变小了，而是把常见的工具调用开销从模型身上挪走。他们在部署 agent 时发现，模型花了大量时间和 token 去管理工具调用——等结果、轮询、发心跳。Unreal Agent 的做法是把工具调用改成完全异步：每次给 LLM 发一个'工具已返回 in-progress'的事件日志，工具在后台继续跑，真正结束后再把结果追加进 session log，这时才调一次模型。
这个改动带来两个直接的好处。一是用户可以随时打断 agent 给它新的指令，不用干等工具跑完；二是模型两次调用之间能塞进更多的工具活儿，输入 token 就更省。他们特别提到，让'in-progress + final 两个工具结果出现在同一段上下文'这件事在 Responses API 里其实是欠规范的——在部分非 OpenAI 的推理供应商上会遇到拒绝，但这个模式一旦被接受，模型是能理解从运行中到最终结果的推进的。
他们引用的一个研究是 Matei Zaharia 等人（HarnessTax 团队）的《How Much Does Harness Matter for Coding Agents?》，核心观点正落在这里：对于 coding agent 而言，harness 本身的工程细节对成本和表现的影响可能跟模型选型一样大。他们也顺着这个概念把 harness 设计当成独立研究方向——除了那套异步模型，缓存友好是关键工程点，每次发日志都不能轻易破坏 prompt cache，这本身是个有趣的工程挑战。
基准成绩他们自己说'边际差异属于 benchmark 方差'——拿 GPT-6 Astra xhigh 跟 Codex 和 Pi 对比，Terminal-Bench 4.0、SWE-Atlas Codebase QnA、DeepSWE 1.1、ALE-CLI 都跑了，完整的通过率和均分在博文里可查，跑分用的 Harbor 平台方便复现验证。注意：这些用例没有挂在 Harbor 上面，是附在博客底下的链接。
目前 SDK 提供 Go 库（可直接集成进代码库）、类似 claude -p / codex exec 的 runner 可执行文件，以及兼容 Harbor 的 benchmark runner，GitHub 仓库已公开。背景信息：Unreal Labs 是一个 AI 原生产品工作室，之前做过 Agent Sales 这类 agentic 产品，还运营着一个研究博客，9 月初刚发过一篇讲 KV cache 经济性的文章《(KV) Cache Rules Everything Around Me》。
来源：