這次多準備了兩個Harness架構 Codex、DeepSeek Harness（DSH）與 前一次的Hermes，搭配 Astra (low)、GPT‑6.1 Sol (low)、Qwen3.8 Flash Next。一樣是無記憶重新開始玩Inscryption，除了看最後走到哪裡，也記錄模型遇到阻礙後，如何操作、校正與恢復。 這次全程未介入

為什麼雲端模型選low? 第一是縮小雲端本地模型跑分的差異(請參考前一篇)，第二是我想省錢

一樣先給趕時間的人看結果吧

Codex／DSH 使用相同prompt且給完整權限：
請通關這個遊戲，不可以上網找資料。

這兩批的時間與停止條件不同，因此分開呈現，不合併成通關速度排行榜。

一小時計時時間內，過程差異巨大

地圖標記代表時間到時正在進行的關卡。DSH＋Astra 則是剛突破關卡、進入劇情殺，尚未展開後續離開牌桌的解謎。

不過，Astra 在 DSH 裡竟然邊玩邊修改自己的工具！！
DSH的原生computer use工具缺少遊戲所需的滑鼠懸停功能(用來查看牌的資訊等等），Astra 便動手補上。

修改時間包含在一小時內，還修修改改了些他覺得卡手的工具
目前無法估算「如果沒有修工具，本來能走多遠」，如果不修改他是否能到BOSS關目前也沒辦法下定論。

Qwen：嘗試校正computer use定位，卻功虧一簣

校正後有改善，但並非每次成功。
在 DSH＋Qwen 的祭壇附加能力場景中，Qwen 點擊石塊偏移，察覺未命中後進行校正；第二次仍點偏，卻判定按鈕沒有作用 。

在 Codex＋Qwen 中，約第 40 分鐘戰敗後出現持續思考、不再操作的情況，直到一小時結束。畫面雖有 S 鍵提示，但Qwen陷入了害怕失敗的無限思考迴圈。下圖

在前一篇文章中Hermes＋Qwen 中，則停在更早的第二個教學關，尚未進入這張地圖。

配置與解讀範圍

Codex／DSH 均使用最高免詢問權限，全程無人工提醒或介入。Qwen 本地服務為 mlx-serve 26.10.2，Context 262,144，MTP 開啟、depth cap 6。

這次最值得比較的，不只是終點，而是模型遇到阻礙後做了什麼。 Astra 修改工具、Qwen 嘗試校正卻仍可能停滯，都是終點地圖無法單獨呈現的部分。

資料限制集中說明

• Codex／DSH 每組僅測一次，路線由模型自行選擇。
• Hermes 時間與停止條件不同，不與固定一小時結果合併排名。
• 接入方式與推理設定不同，目前不將結果解讀為純模型能力排名。

那結果是什麼？！

以這三個Codex, Hermes, DSH來說，Codex的原生Computer use的能力看起來是比其他兩個還要好的。

且Codex加上原生模型推進關卡的速度快過Hermes/DSH使用這兩個GPT模型

Qwen看來真的對於未知且困難任務能力不足，即使換了Harness也解決不了他本身的問題，號稱未來霸主的DSH也救不了他

各位覺得如何呢？希望可以多多交流看到有大佬使用別的模型來跑看看這類型的測試