DeepSeek V4 Pro 正式版 + Harness v0.1 开源：1M 上下文、384K 输出、“一切皆插件“的 Agent 框架上手

Stuomasi_xiaoxin

566人浏览 · 2026-08-14 18:36:25

Stuomasi_xiaoxin · 2026-08-14 18:36:25 发布

8 月 12 日深夜到 8 月 13 日晚，DeepSeek 连续放出两记大招：V4 Pro 正式版（DeepSeek-V4-Pro-0813）上线，Agent 基建 DeepSeek Harness（DSH）v0.1 开发者预览版开源公测。本文按时间线、硬指标、架构、上手命令、可观测性、框架对比、定价、插件生态的顺序展开，内容均可直接照做。

01 事件背景：48 小时内的两记大招

先理清时间线，这次发布其实是两件事：

2026-04-24：V4 预览版发布，Pro/Flash 双版本齐发，均支持 1M 超长上下文，权重与技术报告同步开源，已全面适配华为昇腾等国产算力平台。
2026-08-02：团队负责人崔添翼面向全球公开征集 Harness 内测用户，短时间内吸引数十名全球开发者报名。
2026-08-12 深夜：V4 Pro 正式版（DeepSeek-V4-Pro-0813）悄然上线，官方同步预告 API 大幅涨价。
2026-08-13：Harness v0.1 开发者预览版正式开源（MIT 协议），基于 Cordis 元框架构建，配套插件生态同步开放。一个工程细节：发布时 GitHub 仓库一度非公开，随后转为公开。

产品定位上，Harness 精准对标 OpenAI Codex 与 Anthropic Claude Cowork，主打编程与办公场景——但它的野心远不止"又一个代码 Agent"。

02 V4 双版本与 Pro-0813 硬指标

2.1 双版本定位

V4 从预览版起就是双版本策略：

版本	定位	上下文	核心特点
V4-Pro	Agent 能力、世界知识、推理性能	1M	性能对标顶级闭源模型，主攻复杂推理
V4-Flash	轻量经济型	1M	推理能力接近 Pro，参数更小、更快更便宜

官方口径：百万上下文成标配；两版本均已与主流 Agent 产品完成适配优化。

2.2 Pro-0813 硬指标

正式版把规格进一步拉满：

架构：MoE，总参 1.6 万亿，推理时每个 token 仅激活 490 亿参数
上下文：1M（100 万 token）；最大输出：384K token
交互模式：思考（默认）/ 非思考双选项
能力：JSON 结构化输出、Tool Calls、Responses API、Anthropic API 兼容
权重：MIT 协议开源，国产 GPU / 通用算力卡无需厂商定制即可直接运行

最后一条值得划重点：权重开放意味着模型底座从对特定算力的依赖中解耦，开发者可下载自建、不再依赖云端单一服务，直接降低政企私有化门槛、提升供应链抗风险能力。

2.3 评测数据（官方内部口径）

据 DeepSeek 内部测评，正式版相比预览版提升明显，多项测试接近甚至超越 Claude Fable 5：

基准	预览版	正式版 0813	变化
Terminal Bench 2.1	72.1	87.9	+15.8
DeepSWE	12.8	62.7	约 4.9 倍
DSBench-Hard	—	67.2	翻倍

外部基准上，官方称智能体性能对标 Claude Fable 5，在 AutomationBench（考验 AI 智能体能否真正干活）和 CyberGym（网络攻防实测）两项上甚至反超。以上均为官方内部测评口径，第三方复测结果待跟进——工程上对厂商自报的 benchmark 保持一丝怀疑，是基本功。

03 Harness 架构解析：Agent = Model + Harness

3.1 一个公式，两种分工

DeepSeek 官网上有一条非常重要的公式：

Agent = Model + Harness

模型负责思考推理，Harness 负责真正去干活。你熟悉的 Claude Code、OpenAI Codex、WorkBuddy，本质都是 Harness——配上模型才能运转，否则只是空壳。资深研究员陈德里的定义更狠："除模型本身以外的所有工作，都属于 Harness 的范畴。"工具、Skills 技能系统、会话、沙箱、存储、Agent 循环、任务调度、子 Agent、工作流……一个 Agent 要连续干活，背后是这一整套系统在支撑。

3.2 一切皆插件

在过去，这些全被封装在一个叫"产品"的壳里（比如 Codex），普通用户能自定义的只有 Skill 和 MCP 之类的外围能力。DeepSeek Harness 的做法是：把所有这些全部变成插件——模型、工具、技能、会话、沙箱、存储、循环、调度、UI，每个环节都是可独立加载、卸载、替换、重组的插件，无需改动 DSH 源码。理解了这一点，就明白它为什么叫 Harness、不叫 DeepSeek Code：DeepSeek 做的不是一款 Agent 产品，而是一套 Agent 基建，所以版本号也老老实实写着"开发者预览版"。

3.3 Cordis：那个克制又疯狂的内核

"一切皆插件"能成立，全靠内核 Cordis。其作者已加入 DeepSeek，这次随产品发布了一篇 88 页的论文（北大 + DeepSeek 联合署名《A Programming Paradigm for Spatiotemporal Composability》）。

Cordis 干的事情极其克制——只负责插件的加载、卸载和依赖管理。但它的两个核心特性堪称疯狂：

时间可组合性（Temporal Composability）：插件卸载后，它之前产生的副作用能否完整撤销、不留脏数据；
空间可组合性（Spatial Composability）：插件依赖的其他插件变化时，能否动态重新建立依赖关系。

有了这两点，Agent 可以在运行过程中随时插拔插件而状态不崩。更深远的意义：插件既然可随时更换，Agent 就能在运行中不断给自己开发、安装、卸载插件。社区有个比喻：**Agent 发现自己没有扳手，现场造了一把插到自己手上，接着用它继续干活。**这才是"一切皆插件"的真正野心——让 Agent 能够自进化。

3.4 四种模式对照表

Harness 预设了四种模式。请记住，它们只是模板，不是内核本身——真正的内核只有 Cordis：

模式	插件集	适用场景
标准	完整工具组合（文件、Shell、搜索、Skills、计划、子 Agent 等）	日常开发
PTC	标准能力 + Code Mode SDK（模型写 TS，一次 run_code 组合多轮调用）	结构化、批量、可并行任务，省 Token
极简	持久 Bash + 文件编辑器，固定系统提示词	模型基准测试
创造	标准能力 + 运行时检查 + 内存试验插件	创造新模式/新插件，Agent 自进化

补充说明：

PTC 模式（程序化工具调用）：模型写一段 TypeScript，在一次 run_code 里组合多轮工具操作——原来需要五次往返的"读取→搜索→筛选→并行调用→整理"可压进一次执行，更省 Token、适合结构化批量任务；但对模型的代码规划能力要求高、调试也难。
极简模式只给模型一个持久 Bash 和一个文件编辑器，系统提示词固定为"你是一个有帮助的软件工程助手"，专门用于模型基准测试，日常使用会非常难受。
创造模式最特别：它拥有标准模式的完整能力，还能检查正在运行的 Cordis 环境、在内存中试验插件，从而创建新的 Agent 和插件——比如"只允许读代码、禁止改文件的安全审计模式"，或"接入公司内部搜索、固定模型、带三种专属 Skills 的研究 Agent"。Agent 直接改造自己，这就是自进化。

04 安装与上手：从一行 npx 到源码编译

上手门槛极低，前提是装好 Node.js。环境要求：Node.js 22.19 及以上 22.x 版本，或 24 及以上版本。

快速启动，一行命令：

npx @deepseek-ai/dsh web

本地网关会弹出 http://127.0.0.1:3080 ，填上 DeepSeek API Key 就能进入。这个界面本身也是一个 UI 插件——已有开发者做了皮肤插件，甚至有人把侧边栏改造成了 VS Code 式的工作台。

如需从仓库源码运行：

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web

dsh 命令行工具用于产品配置与启动，支持 Web、Headless 等多种运行模式，并可通过插件机制扩展；指定配置文件启动：

dsh --profile <name>

几个上手细节：

模型不锁死。界面里可选 Flash/Pro 并调节思考强度，更支持自定义模型提供方、Base URL、协议与模型列表——接 GLM 完全没问题，不会绑死在 DeepSeek 模型上。
工作区即边界。选择工作区、添加项目目录，就是 Agent 可操作的文件范围，权限边界一目了然。
开源协议 MIT；文档站：https://www.deepseek.com/harness/ ；API 平台：https://platform.deepseek.com/ 。

05 轨迹日志：会话即只追加事件流

Harness 有一个对开发者极其友好的设计：会话是一份只追加（append-only）的事件日志。

模型看到的系统提示词、用户消息、推理内容、工具调用与结果、权限变化、上下文注入与压缩、子 Agent 调度……全部按顺序记成事件，下一轮模型看到的历史也是从这份日志重新推导出来的，不再单独保存。技术含义：

会话日志是 Agent 全部交互历史的唯一事实来源；
模型消息历史由日志推导生成，恢复、分叉、检索与回放共享同一事件流；
Trajectory 视图按来源查看：系统提示词、思维链、工具调用与结果、子 Agent 调度、上下文注入。

当 Agent 在第几十步跑偏时，你可以在轨迹视图里回到它当时真正看到的上下文，确认问题出在模型判断、工具返回、提示词还是上下文注入——可观测、可审计、可复现。一个安全提醒：完整事件流可能包含代码与敏感信息，可回放提升可审计性的同时，也扩大了需要保护的数据面，日志脱敏和访问控制要提前想好。

实际干活能力的媒体实测数据：翻译一份 88 页论文耗时 22 分钟，首 Token 启动平均 1.4 秒、缓存命中率 98%，任务中派发 10 个子代理协同补齐；写贪吃蛇游戏，极简模式 50 秒完成。最大的感受是流程极度透明——每一步工具调用、每个子代理派发都在轨迹里摊开，这是多数闭源 Agent 产品给不了的。

06 定位对比：与 MCP、OpenAI Agents SDK、Claude Agent SDK、LangGraph

先厘清一个常见混淆：MCP 和 Harness 不在同一层。

MCP：连接 AI 应用与外部数据、工具、工作流的开放标准，解决"怎么连"；MCP 服务器可以作为 Harness 的工具来源。
Harness：更上层的运行控制层——何时把工具交给模型、调用前是否审批、失败是否重试、何时派出子 Agent、什么条件下停止。

与主流 Agent 框架的对比：

框架	核心能力	Harness 的差异点
OpenAI Agents SDK	工具、Agent 交接、护栏、追踪	这些能力被拆成可配置组合的插件
Claude Agent SDK	Claude Code 的工具、循环、上下文管理	同上
LangGraph	持久化执行、人类介入、状态恢复	同上

一句话总结：Harness 的差异化不是多出某个独有能力，而是把各家框架分散的能力进一步拆成可独立替换的插件单元，在配置层自由组合。MCP 负责"怎么连"，Harness 负责"何时、以什么方式把能力交给模型"。

07 定价速览与涨价预告

V4 双版本首发定价（单位：元/百万 tokens，首发口径 2026-08-13）：

模型	输入-缓存命中	输入-未命中	输出
V4 Pro	0.025 元	3 元	6 元
V4 Flash	0.02 元	1 元	2 元

即 V4 Pro 首发定价约为 Flash 的三倍。

但注意这是首发口径。官宣正式版的同时，官方预告 API 将大幅涨价——据博主实测，V4 Pro 缓存命中价涨幅达 12 倍，高峰期输出价最高 27 元，"价格屠夫"的性价比神话第一次受到挑战。具体以官方最新公告为准，准备接入 API 的团队建议先按涨价后的口径重算预算。

08 开源生态与插件开发

Harness 的生态策略很明确：官方只做内核与第一方插件，剩下的交给社区。

社区插件建议添加 dsh-plugin 标签便于检索；
无需修改源码即可替换/扩展任一能力：所有业务组件均为独立插件，通过 Cordis 服务与事件协同，可在配置层自由组合；
Cordis 支持副作用追踪、依赖解析、配置协调与热更新。

第三方插件入口已同步上线，一个微型生态正在成型：

dsh-at-file：输入框里 @ 直接调用文件；
dsh-genui：让模型在回复里渲染图表、表格、Diff、Mermaid 和交互面板；
DSH-better-sidebar：把文件管理、真实终端、Git、内嵌浏览器塞进侧边栏；
ModLens：给纯文本模型补上视觉能力。

战略层面，这次开源把 DeepSeek 的开源范围从模型延伸到了Agent 工程体系：开放权重解决"谁能运行模型"，开放 Harness 触及"谁能决定模型如何工作"。MIT 协议只能降低采用门槛，生态能否滚起来，取决于开发者是否持续维护插件、企业敢不敢把生产权限交给第三方组件。

09 结语：工程视角的三点点评

当前是 v0.1 开发者预览版，破坏性变更在所难免。生产环境请锁定版本号、做好插件版本管理，别追最新。
"一切皆插件"是把双刃剑。对开发者是自由，对小白是门槛；运行时热插拔能力越强，对插件作者的约束越重要（副作用撤销、依赖声明都得规范），否则"状态不崩"的前提就不存在。
值得持续跟进。官方口径的能力涨幅相当激进（见 2.3 节），等第三方复测与生态插件数量起来后，Harness 是否配得上"Agent 基建"四个字会有更清晰的答案。

这可能不是一个完美的产品，但它是 DeepSeek 风格的产品——他们更在意科研与探索。就像那句 slogan：探索未至之境。