AWS 开源 Strands harness：自称基准接近 Claude Code、Codex，token 成本低 28%

2026 年 9 月 21 日，AWS 宣布开源 Strands harness：一个构建于其 Strands Harness SDK 之上、打包交付的通用 AI agent，官方称其「完整组装」（fully assembled）、开箱可用，可本地运行或部署到任意环境。它以 Python 和 TypeScript 库加 CLI 的形式提供，采用 Apache 2.0 许可证。AWS 的 Strands Agents 团队在官方博客发布了题为《Introducing Strands harness: frontier performance with 28% lower token cost》的发布文章，标题即主打「前沿性能、token 成本降低 28%」。

按博客的说法，在使用相同 Claude 或 GPT 模型的六项基准上，Strands harness 的 token 成本低 28%；在以 Harbor 框架、跨 AWS EC2 节点的分布式测试中，它与 Claude Code、Codex 及其他流行 harness 的基准分数「几乎相当」。The Register 同日报道了这次发布，并提醒：这些性能数字全部为 AWS 自报，眼下还没有独立基准。

图片来源：Strands Agents 团队博客发布文章。

一行 Python 或 TypeScript，装出一个自带工具的通用 agent

所谓 harness，指把模型、工具和执行循环组装成可直接运行 agent 的那层软件。AWS 在博客里把动机写得直白：开发者习惯让点子先在 Claude Code 或 Codex 这类环境里「跑起来」，也常盼着把它搬上云端；而「自己动手搭 agent 的那一刻，你就只能靠自己了。要把该有的基本组件恰到好处地接起来、还原那种『开箱即好』的手感，并不容易。」（引语译自博客原文）

Strands harness 是对这件事的打包回答。按博客的定位，它是「通用 agent 而非编码 agent」：create_harness()（Python）或 createHarness()（TypeScript）一行调用，即返回一个可用的 agent。按官方博客列出的默认能力，它自带 shell、文件（read/write/edit）与 web 三类工具；自行管理上下文窗口，把大块工具结果转存为文件，并缓存请求中重复使用的部分以省时间和成本；跨运行保留长期记忆，凭 session ID（会话标识）就能续上早前的对话；把开放式子任务分派给内置的辅助 agent，用 checklist（任务清单）跟踪多步骤工作；如果存在 skills 文件（技能文件）则自动加载。The Register 补充说，发布时随附 skills 文件，接入用户自己的工具相对容易。

模型侧，它可跑在 Amazon Bedrock、Anthropic、OpenAI、Google 的当前推理模型上，博客示例还包括本地 Ollama 与 LiteLLM，模型名从 anthropic/claude-opus-5、openai/gpt-5.6-sol 到 google/gemini-3.5-flash 都有。部署侧，任何提供 Linux 容器的平台都行，博客点名的有 Modal、Cloudflare Containers、Azure Container Apps、Google Cloud Run、Amazon ECS 和 Amazon Bedrock AgentCore。另有一条命令行路径：Strands CLI 支持用自然语言做原型，/export 可导出 TypeScript 或 Python 代码副本，而 CLI 本身就构建在 Strands harness 之上。安装是 pip install strands-harness 或 npm install @strands-agents/harness，代码托管在 strands-agents/harness-sdk 仓库。AWS 在文章结尾写道：「我们相信，用『电池齐全』（batteries included）的 harness 快速做出原型，能造出更有用的 agent。」

对比名单与成绩单：AWS 自认 DeepSeek 更省 token

对比名单由 The Register 列全：Claude Code、Codex、oh-my-pi、OpenCode、DeepSeek Harness。博客称，Strands harness 在这些对比中 token 效率更好、分数与对手几乎相当，部分基准上的准确率还高于其他 harness；AWS 强调这点很重要，「因为我们从不想为了更低成本牺牲准确率」。它同时承认，DeepSeek Harness 整体 token 效率最高，「不过它通常报出最低的准确率分数」。

博客还给出一个单项数字：在 Fable 5 上跑 Terminal Bench 2.1，Strands harness 比 Claude Code 成本低 77%、分数更高。同一段里 AWS 也写道，另外两个开源 harness 对阵 Claude Code 时的成本/准确率表现同样相近。

省下的 token 从哪来：prompt caching 加三条上下文管理默认值

按 AWS 的归因，省出来的 token 主要来自默认开启的 prompt caching（提示词缓存）和上下文管理，博客称「默认上下文管理在很大程度上决定了 token 效率与准确率」。三条默认值：工具结果超过 1,500 token 左右即被截断；上下文窗口占用超过 85% 时触发摘要压缩（compaction）；发生溢出时，上下文恢复会在 agent 循环内自动运行。The Register 的转述与此一致。

比较口径被点名：通用 agent 对比五个编码 agent

问题出在比较口径上：对比名单上的五个 harness 全部是编码 agent，而博客把 Strands harness 定位为通用 agent。The Register 据此提出，值得追问换成其他通用型 agent 来对比会是什么成绩；博客中未见相应的对比。

论文未刊，独立验证缺位

博客在基准部分末尾预告：「请留意我们研究人员后续关于这些基准的论文。」The Register 也写道，Amazon 计划发表一篇包含更多基准细节的论文，截至其 2026 年 9 月 21 日发稿尚未刊出。在论文出现之前，这些基准数字都只是 AWS 的自报口径；眼下能立刻验证的，是已经上架 PyPI 和 npm 的开源代码本身。

参考链接

• Strands Agents 团队官方博客（博客索引）：https://strandsagents.com/blog/
• Introducing Strands harness: frontier performance with 28% lower token cost（Strands Agents 团队博客，2026-09-21）：https://strandsagents.com/blog/introducing-strands-harness/
• The Register: AWS bolts together open source agent harness, says it sips fewer tokens than rivals（2026-09-21）：https://www.theregister.com/ai-and-ml/2026/09/21/aws-bolts-together-open-source-agent-harness-says-it-sips-fewer-tokens-than-rivals/5297915
• GitHub：strands-agents/harness-sdk（Strands harness 与 SDK 所在 monorepo，Apache 2.0）：https://github.com/strands-agents/harness-sdk
• 配图来源（Strands Agents 团队博客发布文章卡片）：https://strandsagents.com/blog/og/introducing-strands-harness.png