
DeepSeek Harness即将内测,V4正式版跳票,价格与性能平衡成难题?
从2026年3月崔添翼加入DeepSeek开始组建Harness团队,至今已过去5个月。如今,一张DeepSeek Harness的内部测试招募通知截图在各大AI社区流传。
据截图显示,Harness计划于本周晚些时候开启内测,首批用户将从小范围群组中筛选。入选者需提交个人资料、签署《保密承诺函》,才能获得产品访问权限。而且,一旦泄密,不仅当次资格会被取消,还会影响日后DeepSeek各类模型、产品内测以及合作机会的入选。
虽然截图真伪无法验证,但结合DeepSeek此前关于V4正式版发布日期的公告,以及崔添翼曾表示Harness将和V4同时发布,这一传闻很可能属实。目前,市面上尚无关于DeepSeek Harness产品形态的报道,鉴于DeepSeek以往对重要产品研发与设计严格保密的作风,这也在情理之中。不过,我们仍能从DeepSeek的一些线索中,大致推断出该产品的模样。
DeepSeek Harness究竟长什么样
目前公开的信息主要有两块,一是负责人崔添翼的量化背景,二是DeepSeek关于Harness部分的招聘职位描述(JD)。
崔添翼并非AI出身,他在Jane Street从事了九年的量化交易系统工作。在量化交易系统中,执行系统最为关键,它要求软件能在毫秒级别将策略转化为交易,能在出现异常时自动恢复,且每一步都有可追溯的日志。
将这种思维应用到Harness上,其大体逻辑可能是:在量化交易中,每一步都要进行毫秒级优化,不能有多余步骤。因此,Agent循环的每一轮推理 - 执行 - 反馈都要迅速,不能有冗余开销。同时,量化系统必须高度可靠,即便遇到异常行情和数据,系统也不能崩溃,要能自我恢复。同理,Harness框架本身不能因模型犯错而崩溃,要能兜住结果,让模型继续工作。
在量化交易中,网络中断、交易所接口故障、行情数据异常等情况屡见不鲜,系统不能因问题就停止运行,要有重试机制和备用方案,必要时可降级处理。模型调用工具失败、文件读取失败、网络超时等情况也很常见,好的Harness不会因一次工具调用失败而放弃整个任务,会自动重试、更换方法,实在不行就降级处理。
此外,量化系统涉及大量资金,交易出现问题时,需要通过每一步的日志进行复盘。Harness也一样,当AI任务失败时,要能查看其具体步骤,找出错误原因。在整个量化系统中,订单状态至关重要,每一步状态都要确定、一致。在Harness中,维持模型中间状态决定着整个Harness的成功率,不能出现前后操作不一致的情况。
最后是风控和安全方面,量化交易有熔断机制,异常行情时自动停止交易,高风险操作需审批。在Harness中,让AI进行删文件、格式化硬盘等高危操作前,必须进行确认,Harness要有安全闸门。
从DeepSeek的JD里看产品
DeepSeek官方挂出的岗位JD提到了KV Cache、长上下文裁剪与压缩算法,这表明Harness会进行智能的上下文管理。配合DeepSeek V4的前缀缓存能力,相同上下文的任务无需重复计算。长对话中,系统会自动对历史消息进行摘要,保留关键信息,释放token空间,并根据任务复杂度动态调整上下文策略,简单任务用短上下文节省成本,复杂任务则使用百万token的长上下文。
JD还提到了向量存储方案选型、会话状态持久化与回放,这意味着Harness有长期记忆系统,能记住项目架构、编码规范、常用模式,下次打开项目可自动加载。会话持久化能保证关闭终端后再打开,之前的对话状态、修改记录、执行轨迹依然存在,甚至可能记住用户的命名风格、喜欢的框架版本等习惯。
Tool Use链式调用、错误回退与自动重试的提及,说明Harness有完整的工具调用编排能力,能编排多步工具调用的有向无环图。工具调用失败时会自动重试,重试不行就降级换方案,再不行就回滚到上一个稳定状态。值得注意的是,DeepSeek Harness还可能支持动态注册新工具,Agent能自动发现并学会使用。
多Agent间通信协议设计、任务分解与结果聚合的内容,显示Harness有子Agent架构,一个主Agent负责任务规划和协调,多个子Agent负责具体执行。不同子Agent有不同的系统提示词、工具权限、上下文窗口。主Agent将复杂任务拆分成子任务分发给子Agent,再将结果聚合成最终输出。每个子Agent运行在独立上下文或进程中,互不干扰,出错也不影响主流程。
任务规划图生成、执行路径在线优化表明Harness有规划与自进化能力。接到任务后,它会先生成执行计划,执行过程中根据实际情况动态调整,每完成一步都会自我检查,出现问题自动修正。而且,DeepSeek Harness很可能有一套内部benchmark,每次架构改动都会进行测试,以实现工具的自我进化。
JD最后提到,要让模型与Harness共同进化,实现二者的深度适配。这意味着Harness会利用DeepSeek - V4模型的特性,如V4的稀疏注意力、前缀缓存,它不是通用Harness框架,而是与DeepSeek模型深度绑定的一体化产品,这也是OpenAI目前的理念。此前,OpenAI有代码专用的Codex线和通用推理的GPT线,到GPT - 5.5时,两条线合并,将代码能力和通用推理能力整合进了同一个模型。
V4正式版,跳票一个月
Harness并非独自到来。崔添翼曾表示,V4正式版和Harness将同步发布。4月24日,DeepSeek发布V4 Preview,Pro和Flash两个版本同步开源。6月29日,DeepSeek向API用户发送邮件,明确表示V4正式版计划于7月中旬上线。然而,如今已快到8月,仍无V4正式版的消息。
曾有传闻称,由于7月24日DeepSeek旧的API deepseek - chat和deepseek - reasoner正式退役,V4正式版将会同期发布,因为更换API接口通常是为新版本让路的前置动作。但V4正式版并未发布,只是停用了两个旧模型名,所有调用必须换成新的deepseek - v4 - flash和deepseek - v4 - pro,即API接口名换了,但模型本身还是预览版。
正式版比预览版强在哪?
综合多个内测信源,V4正式版在三个方向上进行了升级:核心推理能力提升,日常对话响应速度优化,Agent能力针对性迭代。有参与灰度测试的人总结,V4正式版整体表现接近Opus 4.8级别,编码能力不弱于GPT - 5.6 Sol,Agent能力和3D、SVG生成能力大幅提升,同样的任务比Claude Fable 5迭代轮数更少。不过,这些说法均来自非官方渠道,DeepSeek并未公开确认。
社区里对预览版的问题讨论颇多。V4 Preview在编程能力上与Kimi K2.7、GLM 5.1接近,但仍逊色于当前主流模型,尤其是在复杂任务上。有测试者发现,即便要求模型“不使用外部依赖”,模型依然引用了外部CDN。遇到复杂任务,需要手动设置reasoning_effort = max(推理强度最高)才能获得更深的思考深度,但变成agent后往往会忽略这个提示词,导致模型思考强度不够。
此外,虽然DeepSeek已上线识图模式(OCR),但DeepSeek - V4的多模态能力仍是短板。按照DeepSeek官方说法,预览版是纯文本,正式版首次原生支持图像推理,DeepThink引擎可在同一思考流程中分析图片、解读截图,这也增加了Harness工具的压力。而且,V4正式版会加入一些企业功能,但具体情况DeepSeek官方并未透露。
价格争议
V4正式版将引入峰谷定价机制,高峰时段(北京时间9:00 - 12:00和14:00 - 18:00)API价格直接翻倍。具体来看,V4 Pro缓存命中输入平时0.025元/百万token,高峰0.05元;缓存未命中平时3元,高峰6元;输出平时6元,高峰12元。V4 Flash缓存命中平时0.02元,高峰0.04元;缓存未命中平时1元,高峰2元;输出平时2元,高峰4元。
峰谷定价一方面将算力选择权还给了用户,可将不急的任务挪到低谷时段以降低成本,但另一方面,在平时办公时间执行相同任务,成本会增加。这并非DeepSeek首次在定价上做出改变,2025年2月曾推出夜间错峰优惠,V3五折、R1二五折;2025年9月V3.1发布,取消夜间优惠,全天统一价,输出价格还提高了50%。
关键问题在于,结合Harness之后,整体使用成本会如何变化?第三方测试显示,不同的harness在完成同样任务时,token消耗差异巨大。测试机构用DeepSeek V4 Flash分别测试了Claude Code、OpenCode和Pi这三个市面上常见的Harness工具,发现三者代码质量基本一致,但Claude Code每个任务平均跑约70次工具调用,OpenCode只有约22次。此外,同一个任务在弱Harness(Pi)中失败,在强Harness(Claude Code)中却成功了。因此,如何平衡价格与性能,是DeepSeek开发Harness必须面对的问题。不过,在省钱方面,梁文锋颇具权威性。



被折叠的 条评论
为什么被折叠?



