DeepSeek V4 Pro+Harness开源：Model+Harness才等于Agent

duckwolf

8月14日，DeepSeek 同步上线 V4-Pro-0813 正式版与 DeepSeek Harness v0.1 开发者预览版。Harness 以 MIT 协议开源，GitHub 上线不到两天即获超过 9.3 万颗星。这是国内厂商首次把"模型 + 运行框架"作为整体能力发布。


一、V4-Pro 主打 Agent 工作负载

V4-Pro-0813 在 Terminal Bench 2.1 上得分 87.9，DeepSWE 62.7，Toolathlon-Verified 74.1，CyberGym 83.3，公开 AutomationBench 31.8，所有测试均通过 Harness 的 minimal 模式跑出。模型支持低、中、高、max 四档思考强度，可按任务难度调节成本。上下文 100 万 Token、输出 38.4 万 Token，兼容 OpenAI Responses API。8 月 16 日起 API 实行峰谷定价，闲时价格仅为高峰时段的一半。


二、Harness 的核心是"一切皆插件"

DeepSeek 给出公式 Model + Harness = Agent。Harness 把模型、工具、技能、会话、沙箱、存储、循环、调度和 UI 做成可挂载、可替换的独立插件。运行框架提供 Standard、Code、Minimal、Creator 四种模式。独立评测博主 sentdex 实测：同一套 V4-Flash 权重，换成社区完整 Harness 后，89 道题答对从 44 题提升到 64 题。会话日志只追加、可恢复、可分叉、可回放，企业审计与对比 Harness 行为成为可能。


三、企业落地的三条红线

第一，不要裸跑模型权重。V4-Pro 在不同 Harness 下表现差异极大，生产前必须用真实任务做对照实验。第二，模型名虽未变，但 API 计费、上下文窗口和峰值并发已调整，迁移要按新版文档重新压测。第三，Harness 暴露工具调用、文件读写、沙箱和权限接口，攻击面比纯 Chat API 大；高权限操作必须保留审批与回滚点。

DeepSeek 这波释放的真实信号是：Agent 时代的能力竞争已不只看模型跑分，更看 Harness 是否可观测、可审计、可换皮。企业在评估国产模型时，应把"模型"和"运行框架"作为两个独立项目分别尽调。

数据来源：DeepSeek《DeepSeek-V4-Pro-0813 发布说明》，2026-08-14；DeepSeek Harness v0.1 GitHub 仓库与官方博客；新浪科技《DeepSeek Harness：杀死 Agent 黑箱》，2026-08-16。