700亿融资后,DeepSeek能否在Agent领域再现R1神话?

转计算机大牛-崔添翼 首先说明一下,我(崔添翼)本来是浙大计算机2008级的学生,后来因为无法按时毕业延期了一年,于是就变成了2013年毕业,所以今年才开始找工作。 然后剧透一下,我最终选择的未来雇主是 Jane Street Capital,职位是 Assistant Quantitative Researcher,工作地点在香港。 以下开始正文。 暑假的时候都在搞 ACM 集训,觉得找工作的事 阅读详情

DeepSeek聚焦AI Coding新业务

这几天,DeepSeek 700亿元融资热度未散,其已将重心转向AI Coding。近日,DeepSeek连续发布Agent Harness产品经理和Agent Harness研发工程师两个新岗位。按照招聘信息,DeepSeek正将前沿模型能力转化为Agent产品,模型之外工作归入Harness范畴,入职者将参与DeepSeek桌面端Agent产品研发全过程。DeepSeek资深研究员陈德里招人时提到“来DeepSeek从零做Code Harness”“对标Claude Code,做DeepSeek Code Harness”。目前,DeepSeek正在北京组建新的Harness团队,目标是从零打造自己的代码Agent,内部工作名指向“DeepSeek Code”。

AI Coding市场竞争激烈

这个方向处于大模型商业化热门战场。Claude Code已将AICoding做成项目级开发工具,Anthropic在2026年2月融资公告中披露,Claude Code年化收入超25亿美元,较2026年初翻倍,周活用户数也翻倍。OpenAI在今年2月推出Codex桌面App,把Coding Agent从命令行带到多任务桌面环境,其企业副总裁Ashley Kramer称,Codex周活用户15天内从300万增至400万。Google在I/O 2026后把Antigravity升级为2.0,外媒称其从IDE转向独立桌面应用,并加入CLI和SDK,瞄准Claude Code和Codex。

DeepSeek多方面布局

在组建Agent团队同时,DeepSeek在模型侧加速占领市场。其官方价格页显示,V4 - Pro将在5月31日结束2.5折优惠后维持该价格,此前行业认为V4适合Agent应用。700亿融资传出后,DeepSeek一边招兵买马,一边推进Code Harness。

人才补强:崔添翼与徐名宇加入

围绕Code Harness,DeepSeek首先在人才方面补强。知名外媒披露,DeepSeek招募了前Jane Street工程师崔添翼,目的是“追赶AIAgent和商业化竞争”。崔添翼加入新设的AIHarness团队,公司还在招聘更多岗位支持新的旗舰桌面端Agent产品。崔添翼履历独特,毕业于浙江大学计算机系,多次获ACM - ICPC区域赛金牌,在Jane Street工作9年,后联合创立TSY Capital。他的经历覆盖交易系统和工程研发,与传统学术派AI研究员不同。陈德里确认公司组建新的Harness团队,此次招聘产品经理和研发工程师,岗位成员要参与桌面端Agent产品研发并反馈任务信息。陈德里是R1核心论文作者之一,去年11月代表DeepSeek参加“六小龙乌镇对话”,他认为AI不具备稳定智能,模型参数固定无法自我迭代。

此外,前DeepSeek资深研究员郭达雅跳槽揭开AI人才争夺战一角,字节Seed团队过去一年被挖走近70人,其中徐名宇加入DeepSeek模型结构组。徐名宇曾是论文DeltaFormer第一作者,其加入补全了DeepSeek Code背后的模型结构能力。崔添翼对应产品和系统工程,徐名宇对应底层连续任务能力,共同指向DeepSeek的Code Agent。DeepSeek的Harness招聘对标明确,要求候选人深度使用Claude Code等产品。

人才流动与多模态短板

几周前,DeepSeek核心人物郭达雅转投字节,他参与过DeepSeek多个项目,在DeepSeek - Coder论文中排第一作者。他看好Agent方向,而当时DeepSeek内部Agent优先级不高,加入字节后,Seed启动相关组织整合。

近期披露的2026字节跳动奖学金名单中,朱琪豪值得关注。他是北京大学计算机学院2024届博士毕业生,主导开发了DeepSeek - Coder - V1,在DeepSeek代码模型和强化学习路线中是早期参与者。在DeepSeek - Coder迭代中,朱琪豪位置变化明显,从DeepSeek - Coder V1到V2,他的名字排到郭达雅之前,是DeepSeek系列模型Coding能力核心人物。

在多模态方面,DeepSeek在Chatbot形态下短板不明显,但桌面端Agent对读屏能力要求提高。潘梓正参与了DeepSeek多个多模态项目,2023年夏天他拒绝NVIDIA全职机会回国加入DeepSeek。DeepSeek - VL2能力与Code Harness相关,但多模态业务缺乏突破,Janus - Pro在2025年1月发布,VL2停留在2024年12月更新。如果DeepSeek Code做桌面端Agent,多模态可能是后续补人方向。

基座模型与市场竞争

只看基座模型,DeepSeek进入第一梯队但未领跑。新一代DeepSeek - V4 - Pro在代码基准和Agentic任务上缩小与领先闭源模型差距,在SWE - bench Verified上达80.6%,接近Claude Opus 4.6;DeepSeek V4在Vibe Code Bench中是开源权重模型第一,得分49.9%。

然而,强模型和强产品不同。Claude Code商业化数据是参照,其年化收入超25亿美元,形态超出聊天框,成为项目级助手。OpenAI的Codex、Google Antigravity 2.0也在推动AICoding发展。国产模型竞争激烈,Kimi和智谱在Coding领域跑分进入第一梯队,SWE - Bench Pro成绩显示,Kimi K2.6为58.6%,GLM - 5.1为58.4%,DeepSeek V4 Pro - Max为55.4%。不过,V4 Pro在SWE - Bench Verified上表现出色。智谱和Kimi有各自进入开发者工作流的方式,DeepSeek Code Harness浮出水面后,将与它们竞争AICoding用户心智。

融资与发展前景

DeepSeek管理层表示融资后优先推进突破性AI研究。融资意味着算力池可扩大,DeepSeek依托自研训练框架、自建智算集群和万卡算力资源,还开源了3FS分布式文件系统,该系统在180节点集群里聚合读取吞吐达6.6TiB/s。同时,国产算力替代被V4推到前台,DeepSeek V4已适配华为昇腾AI芯片。DeepSeek Code Agent可能是连接模型能力、国产算力和用户场景的前沿入口。2025年初,DeepSeek靠R1改写全球大模型叙事,如今Code Harness能否让DeepSeek在Agent领域再创神话?

数量1倍数特性.pdf 立即下载

相关推荐

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

【转载】转计算机大牛-崔添翼

首先说明一下,我(崔添翼)本来是浙大计算机2008级的学生,后来因为无法按时毕业延期了一年,于是就变成了2013年毕业,所以今年才开始找工作。 然后剧透一下,我最终选择的未来雇主是JaneStreetCapital,职位是 Assistant Quantitative Researcher,工作地点在香港。 以下开始正文。 暑假的时候都在搞 ACM 集训,觉得找工作的事还早。开学了以后...

勤学如春起之苗,不见其增,日有所长! 辍学如磨刀之石,不见其损,日有所亏! 5888

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

DeepSeek招量化高手崔添翼补Harness短板,下半场从模型效率转向工作流入口

API价格低,卖token赚钱少,Harness可将低价模型包装进高价值场景,DeepSeek需从卖模型调用转向卖工作流结果。DeepSeek找崔添翼搭建Harness,因AI Agent底层逻辑和量化交易一样,光有强模型不够,还需上下文管理等把模型转化为生产力。量化交易并非有策略就能赚钱,策略需稳定执行才有价值,执行系统才是把策略变现的关键。DeepSeek网页端火、APP下载量高,但模型调用无收集渠道,反馈信息不回梁文锋处,这是机制问题,网页端和APP是ChatBot,无法跑工作流。

IT界那些事儿 243

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

frontend-design skills

frontend-design skills

量化高手崔添翼加入DeepSeek,补齐‘执行’系统短板,开启下半场竞争

真正把策略转化为收益的,是执行系统。AI Agent的底层逻辑与量化交易一致,光有强模型不够,真正让模型发挥生产力的,是上下文管理、工具调用、终端执行、测试反馈、权限控制、失败回滚。Harness负责组织代码库、项目规则、上下文摘要,控制迭代次数、重试策略,将模型决策转化为shell命令、文件编辑和测试执行,并将测试失败、日志输出、浏览器截图反馈给模型。Harness的价值在于失败日志,通过分析模型改错的代码行、测试报错、终端命令失败原因、文件重复读取情况以及上下文遗忘问题等,能快速了解Agent的不足。

IT界那些事儿 257

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

感受一下大佬的气场: 背包九讲的作者: 崔添翼

http://tianyicui.com/resume.html http://cuitianyi.com/

ChengChengCheng的博客 4082

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

700亿融资后DeepSeek剑指AI Coding,人才布局与多线作战能否再现大模型神话?

他是北京大学计算机学院2024届博士毕业生,主导开发了DeepSeek - Coder - V1,在DeepSeek - Coder迭代中位置逐渐靠前,是DeepSeek系列模型Coding能力的核心人物。在Chatbot形态下,DeepSeek多模态短板不明显,但桌面端Agent需要读屏能力。国产模型竞争激烈,Kimi和智谱在Coding领域跑分进入第一梯队,SWE - Bench Pro测试中领先DeepSeek,但DeepSeek V4 Pro在SWE - Bench Verified上表现出色。

IT界那些事儿 142

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

我为什么要写博客

我为什么要写博客 背景 现在身在一所普通二本院校,计算机专业,已经大三,但感觉自己现在还是什么都不会。大一整天忙于各种事情,为了改善自己比较内向的性格,锻炼自己的人际交往能力,和舍友参加了院里的迎新晚会,表演了一个小品,参加院里的运动会(虽然我并不是一个擅长运动的人),去面试机房管理员。。。大二在机房留下了,成为一名组长,又经常为机房的事情奔波,感觉对自己的能力又有了很多锻炼。但是又没有更...

weixin_30654419的博客 208

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

FinRL实战:5步搞定股票量化交易策略(附Python代码)

本文详细介绍了如何使用FinRL框架,通过5个步骤构建基于深度强化学习的股票量化交易策略。内容涵盖从环境搭建、数据获取与预处理,到交易环境构建、模型训练(如PPO算法),以及策略回测评估与优化的完整流程,并提供了可运行的Python代码示例,帮助读者快速入门AI驱动的量化交易。

weixin_29062865的博客 632
上一篇: 文旅与文娱圆桌分享实战案例:AI浓度并非越高越好,揭秘转化率的人机共生平衡点
下一篇: 王小川All in医疗大模型:从通用竞争抽身,百川智能M4与“百小医”能否开辟新赛道?
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值