Floatboat 公布全端 Harness 評測：DeepSeek-V4-Flash 跑分全面超越貴 57 倍的 Claude Opus 4.8

2026 年 8 月，Floatboat 公布最新評測數據，使用混合定價每百萬 Token 0.175 美元的 DeepSeek-V4-Flash 跑完五項基準測試，成績全面超越價格貴 57.1 倍的 Claude Opus 4.8。數據顯示，同一個模型在 DeepSeek 官方 Harness 上一項未贏，但接入 Floatboat Harness 後取得五項全勝。該系統增益隨任務長度遞增，短程任務提升 1.9%，長程任務 DeepSWE 提升達 23.6%，HLR（Harness Leverage Ratio）從 0.78 倍成長至 3.57 倍。 Floatboat 捨棄傳統網頁對話框，開發整合檔案管理員、編輯器與瀏覽器的桌面用戶端作為 Agent 執行環境。技術架構上，團隊自研 Runtime、Agent Loop、Tools、Infra 及自適應進化系統 FloatSail，並建構原生檔案協定與 GUI-Agent 雙向協定，讓 Agent 能直接理解並修改使用者操作的 GUI 介面。 與主流強迫 Agent 介入的設計不同，Floatboat 採取「不必然經過 Agent」的策略：若任務可用 Workflow 或一般桌面操作完成，Agent 就不會介入，藉此控制成本。針對通用任務場景，該系統額外具備跨應用身分與權限治理、異構狀態與長期記憶，以及不可逆操作的風險控制能力，以應對社會與規則複雜性，這與主要處理技術複雜性的 Coding Harness（如 Claude Code、workbuddy）形成明確的產品分界。