Исследователи из Шаньдунского университета проанализировали влияние различных «обвязок» (harnesses) — системных промптов, инструментов и методов управления контекстом — на работу ИИ-агентов в программировании. В ходе тестирования моделей (включая Qwen3.6, Qwen3.8, Deepseek-V4-Flash и другие) выяснилось, что замена одной «обвязки» на другую (Claude Code, OpenCode или mini-SWE-agent) дает статистически незначимые изменения в показателях успешности решения задач. Разница в результатах часто не превышает погрешность, возникающую при простом повторном запуске того же самого теста. При этом стоимость выполнения одной задачи может возрастать в три раза. Основным фактором роста расходов является объем системного промпта, который повторно отправляется на каждом шаге работы агента. Например, Claude Code использует системный промпт объемом около 16 600 токенов, тогда как mini-SWE-agent — менее 1 000. Авторы отмечают, что многие заявленные преимущества новых инструментов на лидербордах могут быть следствием статистического шума, и рекомендуют публиковать результаты повторных запусков для объективной оценки.