同一モデル・異なるハーネス：CUGA、Hermes、Deep Agentsの比較とCUGAを選ぶ場面

同じオープンウェイトモデルGLM-5.3-flashをAppWorldの90タスクで比較したところ、ハーネスによってタスク完了率はCUGAの81.1%からDeep Agentsの30.0%まで大きく変わった。全3条件が成功したシナリオの割合（SGC）もCUGAが66.7%、Hermesが26.7%、Deep Agentsが6.7%だった。