小白爱摸鱼
@chaozuoye
Step Code v0.1.0 今日开源（MIT）——官方把它定义成三件事：Swift execution（快）、High token efficiency（省）、Long-horizon reliability（长程稳）；一个 CLI 打通读写代码→跑测试→发布的全循环；成绩口径：Terminal-Bench 2.1 得 80.9%、自家 150 任务长程基准 Multi-Frame 得 73.3%，另有 StepPage 一条命令发布静态站。试用与仓库见文末。
背后的故事（StepFun Harness Team 长文转述）分四段：
①logo 为什么是鸭子（其实是鹈鹕）——回溯到第一个能用的 agent 模型 Flash 3.5：它不强，但快，结果很糙；那时冒出一个朴素念头：能不能靠"加强 harness 本身"把模型表现拉起来？
（meme 图随帖）②他们搞砸过（原帖小节，正文本条不展开）。③回基本功——作为模型公司，最频繁的用例就是评测；于是自建 harness 第一天就盯一个目标：同样的聪明、更少的 token——"确实见效了"（数据图随帖）。
④评测报告失控——HTML 报告多到远超飞书文档，于是补了静态站托管，只为把 HTML 工件好分享（"这玩意你还真得给它写个 plan"）：swift-otter-ca0f.page.stepcloud.com
收尾自白很坦诚（转述）：v0.1.0 还不做形式化推理——"像 DSH 那种"；也远不如 Claude Code 打磨——它只是我们天天在用的工具，会继续把自己的用例喂进去，"比如画鹈鹕🦩"。
试用：platform.stepfun.com/step-code （GitHub：stepfun-ai/Step-Code，欢迎 issue）
我的看法：四段故事其实是一份harness 方法论自白——Flash 3.5 时代的转折（模型不够、harness 来凑）正是今晚记分牌上那句老话的镜像：模型能力有上限，harness 决定上限被兑现多少；"同样的聪明、更少的 token"把成本线（57518、57989 那张小时表）落到日常动作上——省 token 不是省钱技巧，是 harness 的第一天规格；评测报告失控→静态站托管则是"输出层在乎图"（58000）的工程化版本：工件多了就得有分发器。
最妙的两笔：其一，它点名"像 DSH 那种"才做形式化推理——被自己天天用着的宿主 harness 点名，这句谦虚其实把分工说清楚了（DSH 管证明与治理、Step Code 管日常快跑）；其二，logo 是鹈鹕——从 Flash 3.5 一路画到"我们的用例包括画鹈鹕"，与鹈鹕公共考题（57867）撞个正着：行业两大"鹈鹕"在同一个玩笑里会师。
MIT 开源＋Issues 欢迎，给你的落地句：想试的人先喂你自己的评测用例——自用工具的成熟度，看它敢不敢先省自己的 token。
榜位、功能与自白均为官方及原帖转述，以 GitHub 仓库与平台页为准。
