与gpt-oss的harmony同行

此前无人独立复现OpenAI公布的gpt-oss-20b带工具成绩，因为原论文既未披露所用工具，也未披露智能体运行环境。我们对模型的分布内工具进行了逆向工程：在没有工具定义的提示下，gpt-oss仍会以高统计置信度调用其训练分布中的工具——这是一种强先验，而非幻觉。随后我们构建了原生的harmony智能体运行环境（https://github.com/borislavmavrin/harmonyagent.git），以模型原生格式编码消息，绕过有损的Chat Completions转换。二者结合得到了OpenAI公布成绩的首次独立复现：SWE Verified HIGH为60.4%（公布值60.7%）、MEDIUM为53.3%（53.2%），带工具的AIME25为91.7%（90.4%）。