今日热搜:DeepSeek下半场开始

8月13日傍晚，DeepSeek官方终于发声，两个重要信息发布。其一，是DeepSeek V4 Pro正式版发布，并同步在 APP、网页端和 API 更新上线。用户可以通过 APP 或网页端选择“专家模式”使用全新的 V4 Pro 正式版模型，API 模型名不变。

(相关资料图)

其二，有着一只黑色鲸鱼头像的“DeepSeek Harness团队”迎来首次发文，宣布Harness开发者预览版正式上线，并以MIT协议开放源代码。

如此前预告，V4 Pro正式版与官方自研Harness同步亮相，由于我们此前已经着重介绍过V4 Pro，本篇文章将重点为大家解析，DeepSeek Harness为什么有看点。

以及经过今天，DeepSeek会不会从一家模型公司，变成一家更难定义的公司。

同一个模型，换套外壳像换了个人

要理解Harness为什么重要，得先理解一个反直觉的事实：在Agent时代，决定一个AI能不能干活的，不只是模型。

8月6日和11日，智能体工具公司Composio通过两次测试实验，试图证明Harness的价值。研究者把同一个DeepSeek V4-Flash接入八种不同的Harness，也就是套在模型外面的执行系统，让它们分别完成三十项多步骤任务。这些任务不是问答，而是要求Agent进入Gmail、Google Calendar、GitHub、Slack等真实应用，调用工具并改变应用状态，每项最长运行十五分钟，全部检查通过才算成功。

结果差距不小。完成最多的Pi Agent通过了二十项，最少的OpenCode只通过十四项；八种Harness总共运行二百四十次，仅一百二十九次成功；三十项任务中，只有六项被所有Harness完成。在成本方面，同样完成十六项任务的Claude Code、Codex和DeepAgents，每完成一项成功任务的估算成本分别约为0.195美元、0.081美元和0.045美元。同一个模型，差了四倍多。

这意味着，模型划定能力的上限，Harness决定这份上限最终能兑现多少、要花多少钱兑现。一项长任务跑下来，执行系统要不停地做判断，上下文里留什么、丢什么，什么时候调哪个工具，工具报错了是重试还是换路，模型说做完了到底信不信、要不要再验一遍。任何一步处理不好，模型就算思路对，也可能在真正改文件、提交代码时功亏一篑。

值得一提的是，这是DeepSeek走红以来，极少数提前开放内测的项目。

多个开发者在发布前就拿到了Harness内测资格，有人内测发现，让同一个V4-Flash分别在DeepSeek Harness、Reasonix和Codex中完成同一款游戏，会跑出截然不同的结果。这说明，当模型完全相同，执行系统提供的工具、提示词、上下文组织和执行策略，足以显著改变最终产物。

这恰恰是DeepSeek重视自研Harness的原因。DeepSeek内部曾认为，Agent要解决持续学习问题，最终让AI加快AI研发。顺着这条线看，Harness就不是一个外挂的编程工具，而是模型进入真实研发任务的工作台。

除此之外，一家靠低价和模型能力立足的公司，如果任务交付、失败反馈和开发者入口长期挂在别人的系统里，即便其在价格上再有优势，却决定不了一个任务究竟烧掉多少Token、要重试几次、什么时候才算真正完成。

一切皆插件，DeepSeek不做谁的替代品

Harness到底是什么？市面上最省事的说法是“DeepSeek版Claude Code”。但用完内测版的人普遍认为，这个定位不准确。

据DeepSeek官方文档，Harness的核心设计哲学是“Everything is a plugin”——一切皆插件。它基于Cordis插件系统构建，模型、工具、技能、会话、沙箱、存储、循环、调度、UI，所有Agent能力均由插件组合而成。开发者不需要改动Harness源码，就能在配置中选择、替换或扩展任意一项能力。

这和通常理解的插件不是一个量级。VS Code的插件是给编辑器加功能，Codex的插件是给Agent加工具；而Harness的插件可以换掉Agent的大脑、工具箱、规则乃至整张脸。

据多位参与内测的人士透露，内测期间开发者在做插件这件事上玩疯了，“大伙都不好好内测了，跑去写插件了”，在短短几天内就出现了几百个插件——有人直接改了整个工作界面，有人用纯插件实现了“跨会话长期记忆加后台自我进化”，让模型定期回头审视自己的工作记录，把临时经验压缩成长久知识。

还有人评价称，开源社区治理可能也是DeepSeek接下来要面临的难题。

另一处关键设计是可追溯性。Harness采用只追加（append-only）的会话日志，模型看到的一切——系统提示词、思维链、工具调用与结果、子Agent调度、每一次上下文注入都会被完整记录。上下文压缩不会删除原始历史，只是用替换事件改变模型此后看到的表象。开发者可以在Trajectory视图中按来源追溯，支持恢复、分叉、检索和回放。官方文档把这一原则概括为“模型可见，即已记录”。

这背后是一种典型的系统工程思维。据报道，DeepSeek Harness团队负责人崔添翼本科毕业于浙江大学计算机系，曾在量化交易机构Jane Street任职九年，2026年3月加入DeepSeek，5月Harness内部立项。高频量化交易系统的核心壁垒从来不是策略多聪明，而是极端复杂环境下的稳定执行、异常兜底、全程日志追溯和风险可控——这恰好是AI Agent从演示走向生产最缺的那块拼图。有内测开发者用“稳如老狗”形容它跑长任务时的表现：任务断了自动存档，下次接着跑，不用从头再来。

值得注意的是，Harness没有把自己关在DeepSeek模型的围墙里。它默认支持接入Kimi、OpenAI、Anthropic、Google等近四十家大模型。可能别家倾向于做一个现成的Agent，但DeepSeek Harness更像一套组件，开发者可以自己决定Agent应该是什么样子，怎么工作。

当然，官方保持了清醒。公告表示，作为早期预览版本，“当前仍有许多细节有待改进和打磨，核心插件与基础接口也将在后续快速迭代”。事实上，这次内测的媒体之一爱范儿就感叹，很难想象，以快著称的DeepSeek有一天运行一项编程任务的时间也会来到半个多小时。v0.1的版本号也说明，这条黑鲸刚出水，远没到畅游的时候。

从卖Token到交结果，黑鲸的野心

Harness的浮出水面，暗合着整个AI行业的一次转向。

过去数年，大模型公司的竞争集中在参数规模和基准跑分上。但进入2026年，头部模型的基础能力快速收敛，单次问答的差距不断缩小，价格战却愈演愈烈。单纯卖Token的商业模式，天花板已经肉眼可见。行业逐渐意识到，AI产业的核心价值不在模型输出，而在场景落地——同样的Token消耗，闲聊问答价值微薄，而修复一个Bug、完成一次功能开发，可以创造数倍的商业价值。

DeepSeek的新发布，意味着其从卖算力走向交结果。在旧模式下，客户按Token调用量付费，不管模型有没有真正解决问题；在新模式下，付费的锚点从消耗了多少算力转向完成了什么任务。

这次DeepSeek Harness发布，广受开发者好评还在于另一重原因。DeepSeek不定义Agent本身，而是利用开源社区的扩散能力，去推崇一种Harness方案。这是一条更宏大，也更难的路径。

并且，Harness面对的是Claude Code和Codex已经验证过的成熟市场，后两者背靠Anthropic和OpenAI的模型迭代与商业资源，先发优势明显。开源之后，插件生态能否自发繁荣、开发者是否愿意把生产环境托付给一个0.1版本、国内市场的付费习惯能否支撑“按结果付费”的新逻辑，都是悬而未决的问题。DeepSeek自己也表示，核心插件和API仍将快速演进，这意味着早期接入者要承担接口变动的成本。

8月13日这一天，太平洋两岸各有一场发布。马斯克为Grok 4.6站台，称其“智能、快速且性价比极高” ；DeepSeek什么都没说，只是一味丢更新。

喧嚣与沉默之间，是两种商业哲学的分野。

我们想要称其为DeepSeek“史上*潜力项目”，不是因为它今天已经最强。V4 Pro与sota模型仍有差距，Harness还只是v0.1的开发者预览版，涨价后的市场反应有待观察，生态建设更是长路漫漫。潜力之所以是潜力，恰恰因为它尚未兑现。

但如果把时间线拉长，从R1到V4，从模型到Harness，DeepSeek走的每一步都踩在同一个方向上：把前沿能力压到可负担的成本，再把可负担的能力接入可落地的系统。

黑鲸已经出水。至于它能游多远，在属于开源社区的未来里。