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到底長什麼樣
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。
從DeepSeek的JD裡看產品
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。
其實這也是OpenAI現在的理念。
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。
V4正式版，跳票一個月
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。
那麼正式版比預覽版強在哪？
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：
核心推理能力再上一個台階。
日常對話的響應速度明顯最佳化。
Agent能力針對性迭代。
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)