失望. Luna High + Codex >> Muse 1.3 + Pi_Agent. 看来模型必须要和 Harness（运行框架）配套

我想找出网页版 Gmail 里的所有发件人，于是让两组工具都去抓取数据。 Luna 组率先完成，但只抓取到了部分数据。 Pi + Muse 组则直接陷入无限卡死，永远无法完成。 基准测试（Benchmark）简直就是扯淡，Pi 宣称的“更小系统提示词（System Prompt）”也并不总是能赢。**只有来自同一家公司的“模型 + Harness”组合，才是性能的绝对保障。 於是我把 claude + claude_code 也上了.**