モデル・ハネス・フィット：最先端 AI が特定ツールに最適化されている実態

ブスタマンテは Codex CLI、Claude Code、GitHub Copilot CLI を分解分析し、最先端研究所が特定のハルネスに対してポストトレーニングモデルを構築していることを示しています。これにより、ツール名、スキーマ、引用タグ、メモリ儀礼、システムプロンプト構造などが重み（weights）に組み込まれています。Terminal-Bench 2.0 のデータがこの仮説を裏付けています：Claude Opus 4.6 は ForgeCode で 79.8%、Capy では 75.3% を記録しました。また、ハルネスを変更しただけで Cursor は「上位 30 位から上位 5 位」に躍進しています。一方、OpenAI モデルはデフォルトでパッチベースのファイル編集を採用し、Anthropic モデルは文字列置換を使用します。これらの不一致が推論トークンの損失を引き起こしています。