Mens de fleste teams stadig fokuserer på, hvilken model de skal vælge, peger ny forskning i en anden retning: Det er ikke modellen, men måden, agenten kører på – det såkaldte harness eller agent-loop – der i stigende grad afgør kvaliteten. I LangChains Terminal-Bench-eksperiment flyttede en ændring af harnesset alene – med samme model gennem hele forløbet – en kodende agent fra cirka 30. pladsen til top 5. Det resultat sætter spørgsmålet på spidsen: Hvis harnesset bestemmer kvaliteten, så bliver måden, du kører loopet på, den afgørende beslutning – ikke modelvalget.
For beslutningstagere betyder det, at investeringer i agent-infrastruktur kan veje tungere end modellicenser. Tre måder at køre et agent-loop på kortlægges i den åbne kilde-kursus, og hver af dem har forskellige økonomiske konsekvenser for udbyderen. Det rejser strategiske spørgsmål om, hvor værdien skabes i AI-stakken: Hvis kvaliteten sidder i loopet, kan virksomheder differentiere sig på driftsarkitektur frem for på modelvalg – og dermed ændre forhandlingspositionen over for modeludbydere.
