Un team di ricercatori dell'Università dell'Illinois a Urbana-Champaign, UC Berkeley e Chroma ha svelato Harness-1, un agente di ricerca AI open source da 20 miliardi di parametri. Il modello, basato su gpt-oss-20B di OpenAI, ha ottenuto un punteggio medio del 73% nei test di recupero informazioni, superando GPT-5.4 (70,9%) e Tongyi DeepResearch 30B. La chiave del successo non è la dimensione del modello, ma l'innovativa architettura di 'harness' che separa la memoria di lavoro dall'ambiente di esecuzione.
Un salto di paradigma nell'architettura degli agenti
A differenza degli agenti tradizionali che accumulano trascrizioni infinite nella finestra di contesto, Harness-1 utilizza un sistema esterno di gestione dello stato. Il modello delega la contabilità delle operazioni di ricerca a un ambiente strutturato che conserva documenti candidati, prove verificate e collegamenti compatti. Questo approccio riduce drasticamente il carico cognitivo dell'AI, permettendole di concentrarsi sulle decisioni semantiche. Come spiega il ricercatore Patrick Jiang, l'obiettivo è smettere di chiedere all'AI di fare tutta la burocrazia a mente.
Training efficiente e licenza Apache 2.0
Harness-1 è stato addestrato con soli 899 tracciati di supervised fine-tuning e 3.453 query di reinforcement learning, un decimo dei dati richiesti da modelli concorrenti. La licenza Apache 2.0 permette l'uso commerciale senza restrizioni, rendendolo ideale per le imprese. Rispetto ai modelli closed-source, Harness-1 offre performance simili a un costo computazionale ridotto, grazie a una gestione attenta del budget di token. Il modello e i pesi sono disponibili su Hugging Face.
Implicazioni per le imprese e la sicurezza
Per le aziende che gestiscono database proprietari, Harness-1 rappresenta una svolta. La capacità di eseguire ricerche multi-hop senza perdere il filo o allucinare informazioni riduce i rischi di errori costosi. Tuttavia, l'efficacia dell'agente solleva anche questioni di sicurezza: un modello così potente potrebbe essere sfruttato per estrarre dati sensibili se non adeguatamente protetto. Per approfondire, leggi il nostro articolo su come l'AI viene già usata per hackerare il supporto clienti. Qui, invece, spieghiamo come Apple stia scommettendo su un approccio lento ma vincente all'AI.
Fonte esterna: VentureBeat (https://venturebeat.com/orchestration/researchers-trained-an-open-source-ai-search-agent-harness-1-that-outperforms-gpt-5-4-on-recalling-relevant-information)
Sponsored Protocol
