趕在7月最後一天，DeepSeek終於拿出了V4正式版，首發的只是V4 Flash-0731，Pro正式版要到8月初，會隨著DeepSeek的Harness工具一起問世。

V4 Flash-0731發佈之後，之前還因為DeepSeek跳票而把梁文鋒稱為小梁、梁白開的網友馬上恢復了梁聖的稱號，因為它的表現超過了預期，官方測試性能超過了GLM-5.2，比Opus 4.8低一些，部分測試甚至能追上後者。

那V4 Flash-0731到底有多強，網上已經有很多網友自發測試了，基本上符合官方的說法，性能表現相對它284B參數來說算得上是驚豔，比很多1000B兆大模型都要強。

如果還看不懂V4 Flash-0731的性能水平，有網友用GPT分析彙總了AI性能排行榜Artificial Analysis上的資料，結合API定價做了詳細的對比，幾乎囊括了國內外常見的大模型了。

這個榜單很簡單，橫坐標是價位，越低越好，縱坐標是性能分數，越高越好，每個大模型還根據思考擋位做了區分。

大家不想挨個對比的話，可以只看V4 Flash-0731的位置，位於它右下角的大模型意味著要麼性能不如V4 Flash-0731，要麼價格不如它。

簡單來說，右下角的那些國內的或者國外的大模型已經被V4 Flash-0731斬殺了，僥倖不被V4 Flash-0731斬殺的主要是兩種，一種是價格比它還低的，這裡面主要是GPT-5.6 Luna（low）、小米的MiMo-V2.5，前者剛剛降價80%，不然也會落入斬殺線範圍內。

小米的大模型之前就隨著V4預覽版降價了，而且還是多模態的，有一些優勢，不過程式設計性能跟現在的V4 Flash-0731差了一截，猜測小米應該也要快要發佈升級版了。

右上角不被V4 Flash-0731斬殺的大模型則是當前國內外AI巨頭的主力/旗艦大模型，包括Kimi K3、Fable 5、Opus 5、Opus 4.8、GPT-5.6 Sol等，而且需要思考擋位開到Max、High等級才可以靠性能優勢拉開與V4 Flash-0731的舉例，脫離危險區。

總的來說，這個圖表可以清晰地展示出V4 Flash-0731的能力區間，網友之前將DeepSeek定位於AI領域的斬殺線，這個概念還是很有趣且精準的，不論國內還是國外的大模型，性能超過了DeepSeek的大模型沒啥獎勵，但你要是連DeepSeek性能都追不上，那它超強的價格優勢會讓你很難受，拼價格無異於利潤自殺，不拼價格就會被吸走使用者。

以上這些還是V4 Flash-0731這個輕量級模型的能力，DeepSeek的殺手鐧V4 Pro正式版還要再等幾天，而且還有自家配套的Agent軟體，考慮到其參數量是V4 Flash-0731的5倍左右，性能可期，搞不好會把斬殺線標準提升到Opus 5/GPT-5.6 Sol等級。

最後，V4 Flash-0731的命名又回到了去年R1那種版本號不變但加上日期後綴的風格了，意味著隨著時間的推移，V4 Flash及Pro的後訓練還會加強，每隔兩三個月就要提升一次，友商也得跟上了。

隨後，國家超算網際網路宣佈，DeepSeek-V4-Flash正式版模型DeepSeek-V4-Flash-0731已正式上線，同步提供API呼叫服務及模型檔案。

據介紹，國家超算網際網路現面向企業和開發者開放該模型的API呼叫服務，無需進行繁瑣的環境配置，即可快速接入使用，為各行業提供高性能、安全可靠且普惠的全場景AI開發支撐。

使用者可登錄國家超算網際網路官網PC端，通過首頁“服務”下拉菜單進入“模型服務”專區，直達模型API呼叫頁面。

模型能力方面，DeepSeek-V4-Flash-0731經過大量後訓練，智能體能力和指令遵循能力均獲得大幅提升。

在多項基準測試中，DeepSeek-V4-Flash正式版表現出色，綜合性能可與當前頂級閉源模型相媲美。

據瞭解，目前國家超算網際網路AI社區已彙集超過1700款國內外熱門開源大模型，覆蓋DeepSeek、GLM、Qwen、Kimi等主流模型系列。

DeepSeek趕在7月最後一天發佈了V4-Flash正式版，性能表現很驚豔，接近Opus 4.8的能力，但這還不是DeepSeek的大招，後面還有V4 Pro正式版，以及官方配套的Harness軟體。

前兩天網上就傳出了DeepSeek Harness工具的內測消息，說是本周末開始，但沒有官方證實，現在該項目的負責人崔添翼已經面向全球徵集內測使用者，特別是有過Agent Harness項目經驗的開發者，發自己的Github ID和代表作就可以申請。

這個貼文下面也引來了全球的Harness開發者的興趣，有幾十個相關項目的開發者都在爭取加入內測，在此類項目中熱度算是非常高了。

現在不確定的是官方最終的命名是否就是DeepSeek Harness，這個名字對英文使用者來說簡單直接，但對國內的使用者來說有點複雜，不知道是否會選擇一個更簡單明了的名字作為最終的商業品牌。

DeepSeek現在有的客戶端/工具就是DeepSeek app，但主要用途是聊天，類似ChatGPT，現在這個很快發佈的DeepSeek Harness類似於OpenAI的Codex，是一個偏向程式設計、辦公的AI工具。

不過OpenAI現在的做法是把ChatGPT與Codex整合為一個超級app，名字還是選擇了最成熟的ChatGPT，但客戶端的介面和能力實際上是Codex，DeepSeek Harness完全可以用這樣的方式來做，APP還是叫DeepSeek，把聊天與程式設計、辦公等功能整合到一起。

最後就是發佈時間，DeepSeek V4 Pro正式版很快會發佈，Harness工具應該會跟它一起亮相，組成黃金搭檔，預計是8月初了，還得再等幾天。

從2026年3月崔添翼加入DeepSeek開始組建Harness團隊到今天，憋了5個月，DeepSeek的Harness工具這回真的要來了？

一張截圖在各大AI社區流傳，內容是DeepSeek Harness的內部測試招募通知。

按照截圖的說法，Harness計畫於本週晚些時候開啟內測，首批使用者從小範圍群組中篩選，入選者需要提交個人資料、簽署《保密承諾函》，才能拿到產品存取權。

並且截圖顯示，一旦洩密，不只是當次資格取消，還會影響日後DeepSeek各類模型、產品內測以及合作機會的入選。

雖然截圖真偽無法驗證，但結合DeepSeek此前關於V4正式版發佈日期的公告，以及崔添翼曾表示Harness將和V4同時發佈，那麼這條傳聞很有可能是真的。

然而目前市面上沒有任何關於DeepSeek Harness產品形態的報導，按照DeepSeek以往的作風來看，Harness是重要產品，它的研發與設計一定是嚴格保密的。

不過我們還是能通過DeepSeek的各種蛛絲馬跡，大致推斷出這個產品大概長什麼樣。

DeepSeek Harness究竟長什麼樣？目前公開的資訊只有兩塊，第一塊是負責人崔添翼的量化背景，第二塊是DeepSeek關於Harness部分的招聘職位描述（JD）。

先來說第一塊，崔添翼不是做AI出身的。他在Jane Street做了九年的量化交易系統。

在量化交易系統裡，最值錢的是執行系統。它講究的是軟體能不能在毫秒等級把策略變成交易？能不能在出了異常的時候自動恢復？能不能在每一步都留下可追溯的日誌？

如果把這個思維搬到Harness上，那麼其大體邏輯可能會是這樣的：

量化交易裡，慢一毫秒，錢就被別人賺走了。所以系統的每一步都得摳著毫秒級最佳化，不能有多餘的步驟。

所以Agent循環的每一輪推理-執行-反饋都要快，不能有冗餘開銷。你跟AI說一句話，它不能半天沒反應。從它想一下、到呼叫工具、到拿到結果、到再想下一步，整個循環必須得快。

同時，量化系統必須得非常可靠。如果量化系統崩了，那虧的是真金白銀。所以哪怕行情再詭異、資料再離譜，系統本身不能掛，得能自己恢復。

模型可能會犯錯，甚至輸出一些離譜的東西給你，但Harness這個框架本身不能崩，得能兜住結果，想辦法把模型拉回來繼續幹活。

其實在量化交易裡，網路斷了、交易所介面掛了、行情資料異常了，這些都是家常便飯。系統不能一遇到問題就死，得有重試、有備用方案、實在不行就降級，比如即時行情拿不到，就先用延遲資料頂著。

模型也是同理，呼叫工具失敗了、檔案讀不出來、網路超時了，這些都是常事。好的Harness不會因為一個工具呼叫失敗就整個任務廢掉，它會自動重試、換個方法、實在不行就降級處理，繼續推進任務。

另外，由於量化系統涉及大量的金錢，交易出問題了，得能查到是哪一步出錯的，可能是下單的時候錯了，也有可能是行情解析錯了。每一步都得有日誌，這樣才能復盤。

Harness也一樣，AI把活幹砸了，你得能回看它是怎麼一步步走到坑裡的。是哪一步想錯了？哪個工具呼叫返回了異常結果？它為什麼做了那個錯誤的決定？

在整個量化系統裡，訂單狀態也非常重要。不能出現“我以為下單了但其實沒下”或者“重複下單”這種情況，每一步的狀態都得是確定的、一致的。

放到Harness上，在所有人都押注長程任務、複雜任務的當下，能否維持模型中間的狀態，將決定整個Harness的成功率。不能前面改了A檔案，後面改B檔案的時候把A的改動忘了。

最後是風控和安全了，量化交易有熔斷機制，行情異常的時候自動停止交易，防止一個bug把錢虧光。另外，高風險的操作必須有審批，不能說下單就下單。

那麼回到Harness裡，在讓AI刪檔案、格式化硬碟、跑sudo rm -rf這種高危操作之前，就必須得停下來進行確認。不能它自己想幹啥就幹啥，Harness得有個安全閘門。

說完了第一塊再說第二塊，DeepSeek官方掛出來的崗位JD。

JD裡提到了KV Cache、長上下文裁剪與壓縮演算法，說明Harness會做智能的上下文管理。

配合DeepSeek V4的前綴快取能力，相同上下文的任務不重複計算。長對話中自動對歷史消息做摘要，保留關鍵資訊，釋放token空間。根據任務複雜度動態調整上下文策略，簡單任務用短上下文省成本，複雜任務拉滿百萬token的長上下文。

相當於是把每一份算力都花在刀刃上，小事能省則省，大事算力拉滿。

JD裡還提到了向量儲存方案選型、會話狀態持久化與回放，這也就意味著Harness有長期記憶系統，會記住你項目的架構、編碼規範、常用模式，下次打開項目自動載入。

會話持久化代表就算你關掉終端後再打開，之前的對話狀態、修改記錄、執行軌跡依然都在。甚至DeepSeek Harness還可能記住你的命名風格、喜歡的框架版本，跨對話記憶你的各種習慣。

JD裡提到了Tool Use鏈式呼叫、錯誤回退與自動重試，這是指Harness有完整的工具呼叫編排能力，能編排多步工具呼叫的有向無環圖。工具呼叫失敗自動重試，重試不行就降級換方案，再不行就回滾到上一個穩定狀態。

劃重點，DeepSeek Harness還可能支援動態註冊新工具，Agent能自動發現並學會使用。

JD裡提到了多Agent間通訊協議設計、任務分解與結果聚合。這說明Harness有子Agent架構，一個主Agent負責任務規劃和協調，多個子Agent負責具體執行。

不同子Agent有不同的系統提示詞、工具權限、上下文窗口。主Agent把複雜任務拆成子任務，分發給子Agent，再把結果聚合成最終輸出。每個子Agent運行在獨立上下文或處理程序中，互不干擾，出錯了不影響主流程。

JD裡還提到了任務規劃圖生成、執行路徑線上最佳化。這意味著Harness有規劃與自進化的能力。

規劃說的是接到任務後先生成執行計畫，分幾步、每步用什麼工具、預期產出是什麼。執行過程中根據實際情況動態調整，不是死板地按原計畫走。每完成一步就自我檢查，不對就自動修正。

而且，DeepSeek Harness很可能有一套內部benchmark，每次架構改動都跑一遍，看是進步了還是退步了，以此實現工具的自我進化。

最有意思的一點在JD最後，DeepSeek說，要讓模型與Harness共同進化，實現模型與Harness的深度適配。

這也就代表了，Harness會利用DeepSeek-V4模型的特性，比如V4的稀疏注意力、前綴快取。它不是通用Harness 框架，而是跟DeepSeek模型深度繫結的一體化產品。

此前。OpenAI是有兩條獨立的後訓練線。一條是程式碼專用的Codex線，一條是通用推理的GPT線。到GPT-5.5的時候，兩條線合併了，GPT-5.5-Codex將程式碼能力和通用推理能力整合進了同一個模型。

這就好比汽車，原廠就像汽車廠家自己做發動機+變速箱，知道發動機的扭矩曲線、轉速特性，變速箱換擋邏輯可以精準匹配。但是如果把這事交給第三方來做，發動機對他們來說是黑盒，只能憑感覺調變速箱，這就導致永遠調不到原廠那麼絲滑。

Harness不是一個人來的。崔添翼曾表示，V4正式版和Harness將同步發佈。

4月24日，DeepSeek發佈V4 Preview，Pro和Flash兩個版本同步開源。兩個月後，在6月29日那天，DeepSeek向API使用者傳送郵件，明確說V4正式版計畫於7月中旬上線。結果眼瞅著要到8月了，依然沒有任何關於V4正式版的消息。

曾有傳聞稱，由於7月24日，DeepSeek舊的API deepseek-chat和deepseek-reasoner正式退役，所以V4正式版將會同期發佈。畢竟更換API介面，通常是給新版本讓路的前置動作。

可V4正式版依然沒有發佈。只是兩個舊模型名正式停用，所有呼叫必須換成新的deepseek-v4-flash和deepseek-v4-pro。換句話說，API介面名換了，但模型本身還是預覽版那套。

綜合多個內測信源的說法，稱V4正式版在三個方向上做了升級：

日常對話的響應速度明顯最佳化。

有參與灰度測試的人總結，V4正式版整體表現接近Opus 4.8等級，編碼能力不弱於GPT-5.6 Sol，Agent能力和3D、SVG生成能力大幅提升。同樣的任務比Claude Fable 5迭代輪數還少。

不過這些說法都來自非官方管道，DeepSeek沒有公開確認。

預覽版的問題其實社區裡討論得不少。V4 Preview在程式設計能力上和Kimi K2.7、GLM 5.1接近，但仍然遜色當前的主流模型。

尤其是在那些複雜的任務上。有測試者發現，即便要求模型“不使用外部依賴”，模型依然引用了外部CDN。

遇到真正複雜的任務，需要手動加reasoning_effort=max（推理強度最高）才能拿到更深的思考深度，但變成agent往往會忽略這個提示詞，導致模型思考的強度不夠。

還有一點，雖然目前DeepSeek已上線識圖模式（OCR），不過DeepSeek-V4的多模態能力也是短板。

按照DeepSeek官方的說法，預覽版是純文字，正式版首次原生支援圖像推理，DeepThink引擎可以在同一個思考流程中分析圖片、解讀截圖。這變相也增加了Harness工具的壓力。

以及V4正式版會加入一些企業功能，但具體如何，DeepSeek官方並沒有進一步透露。

再說價格，這是爭議最大的部分。

V4正式版將引入峰谷定價機制，高峰時段（北京時間9:00-12:00和14:00-18:00）API價格直接翻倍。具體來看，V4 Pro快取命中輸入平時0.025元/百萬 token，高峰0.05元；快取未命中平時3元，高峰6元；輸出平時6元，高峰12元。V4 Flash 快取命中平時0.02元，高峰0.04元；快取未命中平時1元，高峰2元；輸出平時2元，高峰4元。

峰谷定價這件事，往好了說是把算力選擇權還給使用者，不急的任務挪到低谷時段跑，成本更低。可另一方面，在平時的辦公時間，跑相同的任務，成本就會增加。

這不是DeepSeek第一次在定價上換思路。

2025年2月搞過夜間錯峰優惠，V3五折、R1二五折。2025年9月 V3.1發佈，取消夜間優惠，全天統一價，輸出價格還往上抬了50%。

但關鍵問題不在於價格漲沒漲，而在於結合Harness之後，整體使用成本會如何？

第三方測試顯示，不同的harness 在完成同樣任務時，token消耗差異巨大。測試機構用DeepSeek V4 Flash，分別測試了Claude Code、OpenCode和Pi這三個市面上最常見的Harness工具。發現，三種工具的程式碼質量基本一致，但Claude Code 每個任務平均跑約70次工具呼叫，OpenCode只有約22次。

此外，同一個任務，在弱Harness（Pi）裡失敗了，換到強Harness（Claude Code）裡居然成功了。

因此，如何去平衡價格與性能，這是DeepSeek做Harness必須要面對的問題。

不過有一點我很放心，在省錢這件事上，梁文鋒還是太權威了。(字母AI)

明天就是20號了，這一天對別人來說稀鬆平常，但對DeepSeek來說異常重要——此前官方就明確7月中旬發佈DeepSeek V4正式版，現在就剩一天時間了。

這幾天AI圈最火的新聞是Kimi K3的發佈，這款2.8兆參數量的大模型不僅是國內最大的，也是開源領域最大規模的大模型，GPT-5.6、Fable 5這樣的美國頂級大模型參數量沒公佈，馬斯克之前說是5-10兆參數，但業界合理猜測是3-5兆規模的。

正因為此，不論是Kimi K3還是GPT-5.6、Fable 5，價格都不便宜，K3大約是後兩者的1/3-1/2價格，用多了也一樣肉疼。

這個時候DeepSeek V4正式版就更值得期待的了，那怕是官方明確了會在高峰期翻倍漲價，DeepSeek的整體價格依然便宜很多，而且快取命中率超高，API不需要套餐，用多少買多少。

網上有個彙總各家大模型API價格的，V4差不多是O、A兩家費用的1/30-1/70之間，平均下來便宜四五十倍不是吹的。

但是相比價格，V4正式版的能力水平才是最讓人關注的，此前的V4預覽版雖然被認為是開源領域綜合NO.1，但在程式設計能力上算不上頂流，官方自評也就是接近Opus 4.6，但這三個月中國內外AI都更新一輪了。

好消息是洩露的各種V4正式版測試讓人眼前一亮，目前主要集中在B站平台，測試的差不多都是一句話生成遊戲的內容，這是Fabel 5這種大模型最擅長也是公認最強的地方。

看了這麼多測試，V4正式版表現出來的能力絕對讓人震驚，超過Opus 4.8問題不大，可能略微低於Fable 5，畢竟V4在多模態上是有缺失的，正式版是否多模態都不一定保證。

用AI圈的一個名梗來說，V4正式版的問世就好像原子彈爆炸，梁文鋒看到了也要整個人眩暈並癱坐在椅子上。

當然，話也不能說的這麼慢，V4正式版洩露出來的能力太好，反而讓很多人懷疑不真實，一方面目前灰測的管道多是B站使用者，其他管道也是有的，但非常少。

其次是有人懷疑V4正式版實際上是DeepSeek路由到了Fable 5大模型上，所以性能表現其實是Fable 5的。

不過這個說法非常不符合邏輯，DeepSeek的風格也不像如此，這樣造假非常容易戳穿，對品牌形象傷害極大，又沒什麼收益，梁文鋒那怕被大家封為梁聖，也不需要自己收1毛錢去給大家用100塊錢的Fable 5。

況且很多B站使用者的測試都放出了OpenCode對話連結或者全程錄影視訊，梁聖用Fable 5給大家造假這事就說不通。

雖然現在也不能保證V4正式版的性能真的如此炸裂，但懷疑V4正式版造假這事就能解釋很多人的心理——認為美國領先、中國落後是必然的，如果國內企業做到了最強水平，首先要做的不是慶幸，而是一定要懷疑國內是在造假。

正如K3這幾天在外網上遭遇的那樣，有人祝賀、慶幸中國開源AI做到了頂級水平，但很多美國帳號也明顯破防了，說K3是在蒸餾Fable 5，抄襲美國AI，而美國公司有底線有道德，不會去蒸餾別人的大模型。

沒錯，AMD前企業副總裁就是這樣的人。

此外近日同方知網數字科技有限公司發佈聲明，針對近期部分期刊刊發將DeepSeek、Gemini等人工智慧（AI）列為作者的論文，知網已進行下架處理。

聲明指出，根據《中華人民共和國民法典》和《中華人民共和國著作權法》等法律規定，AI作為非民事主體，不具備著作權權利，其生成內容的著作權應歸屬於進行實質性智力創作的研究者。

此外，從出版倫理層面看，AI無法承擔學術核查、整改、追責等相關義務，將AI列為作者會導致責任主體模糊，違背科研誠信與出版倫理規範。

知網明確表示，不接受AI工具被列為論文署名作者，所有作者必須為自然人、法人或非法人組織，並對論文內容的真實性、原創性、學術規範及AI工具使用的合規性承擔責任。

作者在使用AI工具輔助寫作時，必須在論文的研究方法或致謝段落中明確說明，以保證使用AI的透明性和可溯源性。

對於違反上述原則的論文，知網有權不予上線傳播。

彙整鉅亨號中所有使用「V4正式版」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

DeepSeek V4正式版有多強：AI斬殺線名不虛傳性價比幹掉大多數友商

DeepSeek Harness開啟內測？看來V4正式版也不遠了

距離發佈不到1天：DeepSeek V4正式版能力堪比核彈

DeepSeek V4正式版有多強：AI斬殺線名不虛傳 性價比幹掉大多數友商

DeepSeek Harness開啟內測？看來V4正式版也不遠了

距離發佈不到1天：DeepSeek V4正式版能力堪比核彈

DeepSeek V4正式版有多強：AI斬殺線名不虛傳性價比幹掉大多數友商