主要对比的两家harness是 claude code(deepseek-v4.1-flash-1017 max) vs. codex(gpt-6.1-sol max) 近期陆陆续续让ai安排做实验 常见的一个需求是监控实验进度 预期是早期频繁监控 → 中后期稳定训练后减少监控频次 我之前用pi的时候，模型喜欢sleep x; check something，这也是符合需求的 而到codex这一块，基本需要提示才会主动休眠后检查 这一块在感官上是有些笨拙的,它不等什么进程/任务完成 它一…