DeepSeek Harness开启内测？看来V4正式版也不远了

从2026年3月崔添翼加入DeepSeek开始组建Harness团队到今天，憋了5个月，DeepSeek的Harness工具这回真的要来了？

一张截图在各大AI社区流传，内容是DeepSeek Harness的内部测试招募通知。

按照截图的说法，Harness计划于本周晚些时候开启内测，首批用户从小范围群组中筛选，入选者需要提交个人资料、签署《保密承诺函》，才能拿到产品访问权限。

并且截图显示，一旦泄密，不只是当次资格取消，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，那么这条传闻很有可能是真的。

然而目前市面上没有任何关于DeepSeek Harness产品形态的报道，按照DeepSeek以往的作风来看，Harness是重要产品，它的研发与设计一定是严格保密的。

不过我们还是能通过DeepSeek的各种蛛丝马迹，大致推断出这个产品大概长什么样。

01

DeepSeek Harness到底长什么样

DeepSeek Harness究竟长什么样？目前公开的信息只有两块，第一块是负责人崔添翼的量化背景，第二块是DeepSeek关于Harness部分的招聘职位描述（JD）。

先来说第一块，崔添翼不是做AI出身的。他在Jane Street做了九年的量化交易系统。

在量化交易系统里，最值钱的是执行系统。它讲究的是软件能不能在毫秒级别把策略变成交易？能不能在出了异常的时候自动恢复？能不能在每一步都留下可追溯的日志？

如果把这个思维搬到Harness上，那么其大体逻辑可能会是这样的：

量化交易里，慢一毫秒，钱就被别人赚走了。所以系统的每一步都得抠着毫秒级优化，不能有多余的步骤。

所以Agent循环的每一轮推理-执行-反馈都要快，不能有冗余开销。你跟AI说一句话，它不能半天没反应。从它想一下、到调用工具、到拿到结果、到再想下一步，整个循环必须得快。

同时，量化系统必须得非常可靠。如果量化系统崩了，那亏的是真金白银。所以哪怕行情再诡异、数据再离谱，系统本身不能挂，得能自己恢复。

模型可能会犯错，甚至输出一些离谱的东西给你，但Harness这个框架本身不能崩，得能兜住结果，想办法把模型拉回来继续干活。

其实在量化交易里，网络断了、交易所接口挂了、行情数据异常了，这些都是家常便饭。系统不能一遇到问题就死，得有重试、有备用方案、实在不行就降级，比如实时行情拿不到，就先用延迟数据顶着。

模型也是同理，调用工具失败了、文件读不出来、网络超时了，这些都是常事。好的Harness不会因为一个工具调用失败就整个任务废掉，它会自动重试、换个方法、实在不行就降级处理，继续推进任务。

另外，由于量化系统涉及大量的金钱，交易出问题了，得能查到是哪一步出错的，可能是下单的时候错了，也有可能是行情解析错了。每一步都得有日志，这样才能复盘。

Harness也一样，AI把活干砸了，你得能回看它是怎么一步步走到坑里的。是哪一步想错了？哪个工具调用返回了异常结果？它为什么做了那个错误的决定？

在整个量化系统里，订单状态也非常重要。不能出现“我以为下单了但其实没下”或者“重复下单”这种情况，每一步的状态都得是确定的、一致的。

放到Harness上，在所有人都押注长程任务、复杂任务的当下，能否维持模型中间的状态，将决定整个Harness的成功率。不能前面改了A文件，后面改B文件的时候把A的改动忘了。

最后是风控和安全了，量化交易有熔断机制，行情异常的时候自动停止交易，防止一个bug把钱亏光。另外，高风险的操作必须有审批，不能说下单就下单。

那么回到Harness里，在让AI删文件、格式化硬盘、跑sudo rm -rf这种高危操作之前，就必须得停下来进行确认。不能它自己想干啥就干啥，Harness得有个安全闸门。

02

从DeepSeek的JD里看产品

说完了第一块再说第二块，DeepSeek官方挂出来的岗位JD。

JD里提到了KV Cache、长上下文裁剪与压缩算法，说明Harness会做智能的上下文管理。

配合DeepSeek V4的前缀缓存能力，相同上下文的任务不重复计算。长对话中自动对历史消息做摘要，保留关键信息，释放token空间。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省成本，复杂任务拉满百万token的长上下文。

相当于是把每一份算力都花在刀刃上，小事能省则省，大事算力拉满。

JD里还提到了向量存储方案选型、会话状态持久化与回放，这也就意味着Harness有长期记忆系统，会记住你项目的架构、编码规范、常用模式，下次打开项目自动加载。

会话持久化代表就算你关掉终端后再打开，之前的对话状态、修改记录、执行轨迹依然都在。甚至DeepSeek Harness还可能记住你的命名风格、喜欢的框架版本，跨对话记忆你的各种习惯。

JD里提到了Tool Use链式调用、错误回退与自动重试，这是指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。

划重点，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。

JD里提到了多Agent间通信协议设计、任务分解与结果聚合。这说明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把复杂任务拆成子任务，分发给子Agent，再把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，出错了不影响主流程。

JD里还提到了任务规划图生成、执行路径在线优化。这意味着Harness有规划与自进化的能力。

规划说的是接到任务后先生成执行计划，分几步、每步用什么工具、预期产出是什么。执行过程中根据实际情况动态调整，不是死板地按原计划走。每完成一步就自我检查，不对就自动修正。

而且，DeepSeek Harness很可能有一套内部benchmark，每次架构改动都跑一遍，看是进步了还是退步了，以此实现工具的自我进化。

最有意思的一点在JD最后，DeepSeek说，要让模型与Harness共同进化，实现模型与Harness的深度适配。

这也就代表了，Harness会利用DeepSeek-V4模型的特性，比如V4的稀疏注意力、前缀缓存。它不是通用Harness 框架，而是跟DeepSeek模型深度绑定的一体化产品。

其实这也是OpenAI现在的理念。

此前。OpenAI是有两条独立的后训练线。一条是代码专用的Codex线，一条是通用推理的GPT线。到GPT-5.5的时候，两条线合并了，GPT-5.5-Codex将代码能力和通用推理能力整合进了同一个模型。

这就好比汽车，原厂就像汽车厂家自己做发动机+变速箱，知道发动机的扭矩曲线、转速特性，变速箱换挡逻辑可以精准匹配。但是如果把这事交给第三方来做，发动机对他们来说是黑盒，只能凭感觉调变速箱，这就导致永远调不到原厂那么丝滑。

03

V4正式版，跳票一个月

Harness不是一个人来的。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。两个月后，在6月29日那天，DeepSeek向API用户发送邮件，明确说V4正式版计划于7月中旬上线。结果眼瞅着要到8月了，依然没有任何关于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，所以V4正式版将会同期发布。毕竟更换API接口，通常是给新版本让路的前置动作。

可V4正式版依然没有发布。只是两个旧模型名正式停用，所有调用必须换成新的deepseek-v4-flash和deepseek-v4-pro。换句话说，API接口名换了，但模型本身还是预览版那套。

那么正式版比预览版强在哪？

综合多个内测信源的说法，称V4正式版在三个方向上做了升级：

核心推理能力再上一个台阶。

日常对话的响应速度明显优化。

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迭代轮数还少。

不过这些说法都来自非官方渠道，DeepSeek没有公开确认。

预览版的问题其实社区里讨论得不少。V4 Preview在编程能力上和Kimi K2.7、GLM 5.1接近，但仍然逊色当前的主流模型。

尤其是在那些复杂的任务上。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。

遇到真正复杂的任务，需要手动加reasoning_effort=max（推理强度最高）才能拿到更深的思考深度，但变成agent往往会忽略这个提示词，导致模型思考的强度不够。

还有一点，虽然目前DeepSeek已上线识图模式（OCR），不过DeepSeek-V4的多模态能力也是短板。

按照DeepSeek官方的说法，预览版是纯文本，正式版首次原生支持图像推理，DeepThink引擎可以在同一个思考流程中分析图片、解读截图。这变相也增加了Harness工具的压力。

以及V4正式版会加入一些企业功能，但具体如何，DeepSeek官方并没有进一步透露。

再说价格，这是争议最大的部分。

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。

峰谷定价这件事，往好了说是把算力选择权还给用户，不急的任务挪到低谷时段跑，成本更低。可另一方面，在平时的办公时间，跑相同的任务，成本就会增加。

这不是DeepSeek第一次在定价上换思路。

2025年2月搞过夜间错峰优惠，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，输出价格还往上抬了50%。

但关键问题不在于价格涨没涨，而在于结合Harness之后，整体使用成本会如何？

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这三个市面上最常见的Harness工具。发现，三种工具的代码质量基本一致，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）里失败了，换到强Harness（Claude Code）里居然成功了。

因此，如何去平衡价格与性能，这是DeepSeek做Harness必须要面对的问题。

不过有一点我很放心，在省钱这件事上，梁文锋还是太权威了。