企业官网建设流程全解析

OpenBitFun DeepSWE 评测解读：64.6% 通过率背后的工程化秘密

【免费下载链接】OpenBitFunOpenBitFun combines a high-performance agent runtime written in Rust with a polished desktop application. It pairs the depth of a Code Agent with open, general-purpose capabilities for work beyond software development.项目地址: https://gitcode.com/gh_mirrors/bit/OpenBitFun

OpenBitFun 是一款用 Rust 打造高性能 Agent Runtime 的开源 AI Agent 工作台。在DeepSWE v1.1 评测中，它搭配 GLM-5.3-Flash 拿下64.6% 通过率，成为对比组中的最高分。这个分数是怎么来的？这篇文章带你用 5 分钟看懂这份评测数据，以及它背后真正的工程化秘密 🛠️

一、先看数据：DeepSWE v1.1 评测到底比什么？

DeepSWE 是一套面向真实软件工程任务的 Agent 基准评测：把完整的问题仓库交给 Agent，看它能否独立完成修复并通过测试。它比两个硬指标——

• 通过率（Pass Rate）：任务最终完成的比例，越高越好
• 耗时 P50（Runtime）：一半任务完成所需的中位时间，越短越好
• Token P50：中位 Token 消耗，反映资源效率

OpenBitFun 在 README 中公布的完整对比数据如下：

三个关键结论：

1. 同一模型下 OpenBitFun 领先：GLM-5.3-Flash 在 OpenBitFun 上 64.6%，比 PI（61.9%）和 OpenCode（57.5%）都高——差距来自 Harness 工程，而非模型。
2. 模型可自由切换：换用 DeepSeek-V4-Flash，耗时直接降到 19.6 分钟，适合追求速度的场景。
3. Token 消耗受控：13M 的 Token P50 在通过率和成本之间取得了不错的平衡。

二、秘密一：Rust 编写的 Agent Runtime 是地基

64.6% 的底气，首先来自底座。OpenBitFun 的Agent Runtime 用 Rust 编写，专门承载三件事：

• 会话状态管理：持久会话、中断恢复，长任务被网络波动打断后能接着跑，而不是从头再来
• 上下文管理：长程任务中持续压缩、整理上下文，避免"越跑越乱"
• 工具执行：终端、文件、代码编辑等工具在受控策略下稳定执行

对新手来说这意味着什么？跑一个需要几小时的复杂任务时，中途断线、崩溃的代价被 Runtime 兜住了。详细设计可参考 Agent Runtime 服务设计 和 Agent Runtime 部署模型。

三、秘密二：四种 Agent Harness 模式，按任务"换挡"

同样是解题，"直接冲"和"深思熟虑"的策略完全不同。OpenBitFun 提供了四种 Agent Harness 模式，由用户按任务复杂度选择：

面对 DeepSWE 这类高难度任务，极致模式的多 Agent 分工与结果整合正是通过率的关键推手：一个 Agent 负责规划、其他 Agent 并行处理子问题，最后统一验证。

四种模式的规范标识定义在 Harness 身份契约 中，并通过生成脚本同步为 Rust 与 TypeScript 类型——同一套行为，桌面、CLI、远程全平台一致，这正是评测成绩可复现的前提。产品层面的完整说明见 产品架构文档。

四、秘密三：上下文压缩 + 缓存复用，把成本压下来

评测里被忽视的指标是Token P50。Agent 在长任务中反复请求模型，若每次都全量重发历史上下文，Token 消耗会指数级膨胀，又慢又贵。

OpenBitFun 针对这一点做了两项工程：

• 缓存友好的消息结构：让消息组织方式最大化命中模型的 Prompt Cache，重复前缀不再重复付费
• 模型请求缓存复用：跨请求复用已计算的请求，减少无效往返

对应设计文档：缓存友好的消息结构、模型请求缓存复用。

这两项优化直接体现在图表中：OpenBitFun 的 Token P50 控制在 13M～18.5M 区间，比 DeepSeek Harness · Standard 的 21.32M 更低，通过率反而更高 8 个百分点。

五、不止于评测：这些能力日常就能用上

评测成绩不是孤立的数字，它对应的能力你在日常工作中都能直接受益：

• 黑灯工厂模式：白天布置任务，让它在服务器上持续推进，第二天回来验收成果（设计见 分离任务派发）
• 多设备接续：电脑上深度工作，手机上继续对话，浏览器里处理授权，任务不中断
• 可观测性（DFX）：诊断、Tracing、指标与审计全程可查，任务卡住时能快速定位原因

总结

回看这组 DeepSWE v1.1 评测数据，OpenBitFun 64.6% 的通过率并非某个单点的胜利，而是三层工程能力的叠加：

1. Rust Agent Runtime保证长任务跑得稳、断了能恢复
2. 四种 Harness 模式让执行策略匹配任务难度
3. 上下文压缩与缓存复用让 Token 成本始终可控

对新手来说，这份评测的价值在于它给出了一个实用信号：选 Agent 工具时，Harness 的工程化程度，往往和选哪个模型一样重要📊

想深入源码？可以克隆仓库后从 README 的架构章节和 docs/architecture/ 目录开始，逐层拆解这套 Runtime 的实现。

【免费下载链接】OpenBitFunOpenBitFun combines a high-performance agent runtime written in Rust with a polished desktop application. It pairs the depth of a Code Agent with open, general-purpose capabilities for work beyond software development.项目地址: https://gitcode.com/gh_mirrors/bit/OpenBitFun