Harness-native агенты. Обучение LLM под конкретную среду. Новая модель от Т-Банк с обвязкой для максимизации качества поиска в в мультиагентных пайплайнах.
"открытый агент-ретривер для сложного многошагового поиска на русском языке."
Что такое harness-native
Harness это обвязка вокруг модели. Она задает инструменты, формат выдачи и правила работы с контекстом. Обычно модель и harness не связанны жестко.
В harness-native их обучают вместе под одну задачу. На выходе неразрывная связка. Модель заточена под свой harness и работает только в нем.
T-Search как пример
T-Search это LLM-модель (Qwen3.6-35B-A3B), которую дообучили на синтетических данных под работу с определенной поисковой обвязкой (t-search-harness).
Harness предоставляет 3 инструмента:
• search_corpus — поиск по корпусу, возвращает чанки документов;
• save_and_advance — сохранение важных чанков и переход в новый раунд;
• finalize_ranking — завершение поиска и выдача ранжированного списка чанков
Поиск идет раундами. Максимум 5. Внутри раунда можно сделать несколько запросов. Рабочее окно раунда намеренно урезано до 32k. Причина: на большом окне качество падает из-за зашумления (context rot).
Эффект от harness-native подхода
Средний Recall по бенчам Т-Банка:
• Qwen3.6-35B-A3B: 41.54
• Qwen3.6-27B: 48.34
• GLM 5.1: 53.96
• T-Search (N=1): 55.96
• T-Search (N=3): 61.33
Дообучение связки дает +14.4 пп к той же модели без обучения. При этом T-Search обходит агента на GLM 5.1. GLM крупнее базовой Qwen примерно в 21 раз по суммарным параметрам (754B против 35B) и в 13 раз по активным (40B против 3B).
Еще один эксперимент с тремя независимыми прогонами и последующим объединением выдач позволил получить +5.4 пп к лучшему результату. Итого +20 пп к baseline.
Harness-1 как второй пример
Похожий подход, вышел немного раньше T-Search. Взяли GPT-OSS-20B. Использовали не чистую синтетику, а открытые бэнчи, на основе которых уже сгенерировали поисковые траектории. Также дообучили LLM в 2 стадии на задачу поиска (SFT + RL). При этом методология и дизайн RL несколько отличаются.
Получили качество как у фронтира. Выше только Opus 4.6. На новых бенчах, которых не было в обучении, прирост Recall примерно в 2.2 раза больше, чем на исходных. Навыки поиска переносятся.
Тенденция
В индустрии наметился отдельный трек разработки harness-native агентов.
• Интент - выжать максимум качества из агента в конкретной задаче
• Решение - обучать модель вместе с обвязкой
Что это дает
1 Связка обходит агентов на более крупных моделях с той же обвязкой без дообучения.
2 Связка переносится на новые домены. Иногда с бОльшим приростом (Harness-1).
3 Инвариантность к поисковому стеку. T-Search устойчив к смене эмбеддера и добавлению реранкера. Ставится на свой стек без просадки.
Чем платим
1 Отсутствие гибкости. Связку нельзя разобрать. Нужен и harness, и его модель. Свежую LLM не подставить до нового релиза с дообучением. Модели обновляются каждый месяц.
2 +1 модель на инференсе. Раньше пайп собирался на 1 LLM. Теперь на retrieve нужна отдельная модель и отдельный GPU.
💡Итог
Harness-native это осознанный размен. Качество retrieve в обмен на гибкость и лишнюю модель на инференсе.
Больше деталей о том, как создавать и запускать продукты на основе AI/ML — в моём телеграм-канале.