根據賓州州立大學（Penn State）、加州大學聖塔克魯茲分校（UCSC）以及亞馬遜（Amazon）最新論文〈Harness Updating Is Not Harness Benefit: Disentangling Evolution Capabilities in Self-Evolving LLM Agents〉，研究人員發現，不同 AI 代理（AI agents）之間的設備更新（equipment update）能力呈現出一種「扁平化（flattening）」的模式。交叉測試顯示，不同模型的設備更新所帶來的效能提升差異僅 3.1%，即使是 9B 規模的 Qwen3.5-9B 模型，其更新在結構上也可等同於旗艦 Claude Opus 4.6。
不過，代理（agents）從更新後設備中獲益的能力則呈現非單調趨勢。像 Qwen3-32B 這樣的弱模型面臨兩種關鍵失敗模式：「設備啟用失敗（equipment activation failure）」：技能載入率僅 25.1%，而強模型可達 96%；以及「設備合規失敗（equipment compliance failure）」：在延長執行期間，指令遵循度會從 0.52 急遽下降到 0.13。AI 研究員 Elvis Sar 表示，在他對程式碼代理（coding agent）的實驗中也觀察到類似模式，暗示計算預算應優先用於執行代理（execution agents），而非演化引擎（evolution engines）。
