DeepSeek V4-Pro 正式版与 Harness 框架同步亮相

8 月 12 日深夜，DeepSeek 静默更新 API 文档，编号「0813」的 DeepSeek-V4-Pro 正式版悄然上线。没有发布会，也没有预告，高关注度与期待之外，是用户实测体验与官方跑分之间的落差，以及「上线即涨价」的质疑。不到 24 小时，DeepSeek 官网首页横幅与开放平台公告一度被撤下，开发者社区随后发现 Hugging Face 仓库在紧急抢修，疑因前端接口、后端推理栈与权重配置错位。8 月 13 日晚，DeepSeek 重新发布公告确认 V4 Pro 正式版上线，并同步开源 DeepSeek Harness 开发者预览版。

「Model + Harness = Agent」

DeepSeek 提出的公式是：模型 + Harness = Agent。模型作为大脑负责思考、推理与意图理解，但纯语言模型只能输出文本，无法直接操作文件、修改数据库或浏览网页；Harness 则是「身体」与「神经系统」，承担工具调用、文件读写、沙箱环境、权限管理与任务编排等职责。Harness 的可控、可观测、可回溯特性，补上了模型所缺失的另一半，让模型真正具备「干活」的能力。

一切皆插件：时空可组合性范式

Harness 的核心设计理念是「一切皆插件」，从模型、工具到 Agent 主循环都被拆解为可独立、可组合的插件。这一理念由北大与 DeepSeek 联合提出的「时空可组合性」范式支撑：

• 时间可组合性：通过「可逆效应」机制，让系统自动记录并撤销组件卸载后的副作用，加载过程即决定卸载过程，确保长期稳定。
• 空间可组合性：通过「响应式共效应」实现声明式依赖管理，组件只需声明需求，运行时自动协调依赖变化。

两者融合于统一的上下文、状态、生命周期与依赖环境，形成「无特权核心」，所有组件包括 Agent 主循环均可替换，开发者通过配置文件即可自由组合。

横向铺开 vs 向下整合

在 Harness 战略上，DeepSeek 与 OpenAI、Anthropic 走出了不同路线。OpenAI 与 Anthropic 选择「向下整合」，深度绑定自家模型，将 Harness 打造成体验极致的产品；DeepSeek 则「横向铺开」，开源一个模型中立、高度模块化的 Agent 底层标准，试图成为下一代 AI 应用的基础设施。网传的内测入选项目高度集中在 MCP 插件、代码智能体、运行时、编排框架、可视化 UI 与多智能体调度等方向，直指 Agent 在真实世界落地的核心难题。

实测：提示词越简单，效果反而越好

测试使用《指环王》第一章完整文字（1817 词、23 段）作为输入，要求模型用 Three.js 搭出霍比屯生日派对的 3D 世界并保存为 HTML 文件。第一轮加入了场景要素清单、运镜、灯光、比例等五条硬性要求，生成效果粗糙、运镜支离破碎、穿模严重。第二轮将提示词砍到只剩一句目标，场景一次跑通：洞屋、比尔博、弗罗多、宴会长桌、议论的霍比特人均有呈现，运镜叙事也基本成立。这一结果与 GPT-5.6 发布后社区反馈一致：顶级模型反而不需要详尽提示词，提示词的作用正从「写剧本」变为「定目标」。

性能与稳定性

在 DeepSeek Harness 中运行 V4 Pro，相比前一天在 Claude Code 中接入的同一测试，响应速度更快，缓存命中率从 98% 提升至 99%。虽然数字看起来小，但在长上下文任务中，每提升一个百分点都直接关联成本与生成速度。作为刚发布的开发者预览版，全程无环境相关报错、卡顿或上下文丢失，且 Harness 会将运行过程每一步显式呈现，具备良好的可观测性。

飞轮效应与商业逻辑

把模型迭代、开源、 Harness、涨价四个动作连起来看，DeepSeek 的路径清晰：先建生态，再定标准，最后用最强模型性能完成商业变现。Harness 与开源相当于免费修建的高速公路，吸引车流后顺势提高「燃油」价格。当 Harness 成为透明、可随时替换的标准件后，价值链上唯一不可被标准化的，只剩下底层模型本身。短期内 Harness 对普通用户的工作流提效作用仍有限，但从长期看，开源 Harness 与自有模型之间将形成难以割裂的增强闭环：Harness 吸引开发者与真实任务，执行轨迹回流为模型训练数据；模型能力跃升后，Harness 又能第一时间将其释放到插件生态中。