DeepSeek Harness 据传开启内测，V4 正式版或同步上线

DeepSeek 旗下 Harness 工具据传即将开启小范围内测，截图信息显示首批用户需签署保密承诺函方可获取权限。与此同时，原计划 7 月中旬上线的 V4 正式版至今仍未发布，市场普遍预期其将与 Harness 同步推出。鉴于上述信息均来自未经官方确认的截图与渠道消息，本文在叙述中将明确区分「官方说法」与「市场传闻」。

Harness 产品形态：从量化思维到 Agent 框架

负责 Harness 团队的崔添翼此前在 Jane Street 从事量化交易系统长达九年。把他熟悉的毫秒级执行、故障自愈、全链路日志、状态一致性、风控熔断等理念映射到 Agent 框架上，Harness 的设计取向大致呈现以下几个特征：

• 极速循环：推理-工具调用-反馈每一轮都追求低冗余，整体响应接近量化系统的实时性。
• 高可靠：模型可能输出异常结果，但框架本身不允许崩溃，需自动恢复或降级（如延迟行情先顶着）。
• 完整日志：每一步推理、调用、状态变更都可追溯，便于事后复盘错误决策链。
• 状态一致：在长程任务中维持确定的中间状态，避免「改了 A 再改 B 时丢失对 A 的修改」。
• 安全闸门：在「sudo rm -rf」等高危操作前必须人工确认，并具备熔断与审批机制。

从招聘信息看 Harness 的工程细节

DeepSeek 公开的 Harness 相关岗位 JD 透露了多项关键技术方向：

• 上下文管理：KV Cache、长上下文裁剪与压缩。配合 V4 的前缀缓存能力，相同上下文任务免重复计算，长对话自动摘要释放 token 空间。
• 长期记忆：向量存储选型与「会话状态持久化与回放」，意味着 Harness 可能记住用户的项目架构、编码规范、命名风格等偏好，跨会话加载。
• 工具编排：Tool Use 链式调用、错误回退与自动重试，支持多步工具调用组成的有向无环图，并可能支持动态注册新工具。
• 多 Agent 架构：主 Agent 负责规划与协调，子 Agent 负责具体执行，运行在独立上下文或进程中互不干扰。
• 规划与自进化：先生成执行计划，再按实际情况在线调整，每步自检，不对则自动修正；并可能配套内部 benchmark 用于迭代回归。

值得关注的是 JD 末尾明确提到「模型与 Harness 共同进化、深度适配」，说明 Harness 并非通用框架，而是与 DeepSeek 自家模型（含稀疏注意力、前缀缓存等特性）绑定的一体化产品。

V4 正式版跳票，定价机制换思路

V4 Preview 自 4 月 24 日开源 Pro 与 Flash 两个版本后，DeepSeek 于 6 月 29 日通过邮件告知 API 用户，「V4 正式版」计划 7 月中旬上线。然而截至发稿前，V4 正式版仍未现身；旧模型名 deepseek-chat 与 deepseek-reasoner 已在 7 月 24 日退役，所有调用统一切换为 deepseek-v4-flash 和 deepseek-v4-pro。

综合多个内测信源的说法（均非官方确认）：V4 正式版主要在三个方向上做了升级——核心推理能力、日常对话响应速度、Agent 能力；据称整体表现接近 Opus 4.8 级别，编码能力不弱于 GPT-5.6 Sol，Agent、3D、SVG 生成能力有大幅提升。但 Preview 版在编程任务上仍落后主流模型，对 reasoning_effort 参数不敏感、多模态能力薄弱等问题被社区反复提及。

定价方面，V4 正式版引入峰谷定价机制（北京时间 9:00–12:00 与 14:00–18:00 为高峰时段，价格翻倍）：

• V4 Pro：缓存命中输入平时 0.025 元/百万 token，高峰 0.05 元；缓存未命中输入平时 3 元，高峰 6 元；输出平时 6 元，高峰 12 元。
• V4 Flash：缓存命中输入平时 0.02 元，高峰 0.04 元；缓存未命中输入平时 1 元，高峰 2 元；输出平时 2 元，高峰 4 元。

Harness 与定价的相互作用

第三方测试显示，完成同样任务时不同 Harness 在 token 消耗上差异巨大——以 DeepSeek V4 Flash 为例，Claude Code 平均每个任务调用工具约 70 次，而 OpenCode 仅约 22 次，但代码质量基本一致；某些任务在弱 Harness（如 Pi）中失败，在强 Harness（如 Claude Code）中可成功。这意味着在峰谷定价背景下，Harness 的工具调用效率将直接影响用户的实际账单，平衡「算力开销」与「任务成功率」会成为 DeepSeek 后续必须回答的问题。