用 Claude 的 harness 跑其他 3 个模型：同一个句号，三种行为
作者做了个对照实验：把同一个输入——一个单独的句号"."——分别喂给三个不同运行时里的模型，记录它们各自怎么反应。结论是行为不由模型单独决定，由"模型 + 环绕它的运行时"共同决定。
三个条件
Bare Astra（无工具、无记忆、无系统指令、无对话）：1.697 秒回复"Hi! What can I help you with?"。
Native Codex（完整运行时：工作区上下文、hooks、skills、记忆路径、方向、安全规则）：加载 23,133 个输入 token，触发 SessionStart、UserPromptSubmit、Stop 事件，然后问"What would you like to work on?"。11 秒，一次模型调用，没有工具。
Equipped Claude（既有环境）：没有索要任务，而是检查项目状态、梳理本地问题、做可逆的修复。
这个句号说明了什么
句号本身解释不了行为差异，环绕它的运行时能。Claude 进入的上下文里已经包含它的项目状态、未完成工作记录、本地运行边界——即使没有额外任务文本，它的运行走向检查与维护。Codex 进入的是不同上下文，它当前的操作规则把用户聊天当作目标的权威：一个句号不是新任务，沉默不是制造新任务的许可。没有获授权的活可干，它就问要做什么。
这不是同一个谜题的两个答案，是同一输入信号下两个不同的运行结果。这个差异就是结果本身。
为什么重要
行为由工作环境塑造：系统能看到什么、记住什么、哪些 hooks 触发、什么算未完成工作、允许从空回合推断什么、权威在哪里停止。同一个字面句号，在 bare 对照组里得到问候、在原生 Codex 里得到方向请求、在装备完整的 Claude 里得到项目维护。这不是装饰性差异，是环绕系统如何解读一个空回合的可测量差异。
作者不是在把这些系统硬拗成一个性格，而是在测量每个运行时产生的行为、保留记录，并追问得出的边界是不是真的想要的。对这个对照，答案很清楚：harness 是行为的一部分。这是作者公开的第二个 harness 对照，接下来会做更长的运行、更难的任务，最终四个模型共处一个共享空间，协议、失败与结果都会公布。