RespuestasPublicado24 fuentes
DeepSeek Harness v0.1.0-rc.8: 14 cambios que llevan las imágenes al núcleo de los agentes
DeepSeek Harness v0.1.0 rc.8 se publicó el 19 de agosto de 2026 y su principal novedad es la ruta de transporte de imágenes: los modelos compatibles pueden recibirlas directamente, mientras que los modelos de solo tex... La actualización añade entrada combinada de texto e imágenes en /goal y /plan, referencias a arc...
Publicado porEditado con GPT-5.6 LunaImágenes generadas con GPT Image 1.5
Respuesta de investigación
Conclusiones clave
- DeepSeek Harness v0.1.0 rc.8 se publicó el 19 de agosto de 2026 y su principal novedad es la ruta de transporte de imágenes: los modelos compatibles pueden recibirlas directamente, mientras que los modelos de solo tex...
- La actualización añade entrada combinada de texto e imágenes en /goal y /plan, referencias a archivos y sesiones mediante el menú @, subagentes instalables de Claude Code y Codex, sesiones persistentes de PowerShell e...
- La visión basada en herramientas funciona mejor con capturas de interfaces, diapositivas, diagramas e imágenes con mucho texto, pero no equivale a la comprensión visual nativa de fotografías, escenas complejas o detal...
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What changed in DeepSeek Harness v0.1.0-rc.8, released on August 21, 2026 as its first major post-beta update after the August 13 public bet. Article summary: The release was published on August 19 UTC, although coverage around August 20–21 described it as the first major update following the August 13 public beta/open-source launch. Its main change was to make images first-cl. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
DeepSeek Harness v0.1.0-rc.8 es, sobre todo, una actualización de orquestación y entrada de datos; no demuestra que todos los modelos de DeepSeek hayan adquirido capacidad para «ver». La versión se publicó el 19 de agosto de 2026, seis días después del lanzamiento de la beta pública y del código abierto, aunque algunas informaciones situaron el anuncio o la conversación en torno al 20 y 21 de agosto. 9
16 Sus 14 cambios permiten utilizar imágenes a lo largo de los flujos de trabajo de los agentes y, al mismo tiempo, mejoran los subagentes, los terminales, la ejecución de herramientas, el almacenamiento y la compatibilidad.
4
La novedad principal: las imágenes entran en el ciclo del agente
RC.8 incorpora una ruta configurable para enviar solicitudes con imágenes de forma nativa desde el adaptador de modelos de DeepSeek. Cuando el modelo seleccionado o el backend utilizado admite entradas visuales, Harness puede enviarle la imagen directamente, en lugar de mantener el archivo adjunto separado de la tarea. 2
8
La compatibilidad llega también a los comandos centrales de planificación:
/goalacepta entradas combinadas de texto e imagen./planacepta entradas combinadas de texto e imagen.- El menú
@permite referenciar archivos locales y sesiones anteriores mientras avanza el trabajo.2
12
15
Para quienes utilizan agentes de programación, el cambio es relevante: una captura de pantalla, una maqueta de interfaz, un diagrama o el estado de un error pueden formar parte del objetivo y del plan sin que el usuario tenga que describirlos manualmente.
La letra pequeña es importante: RC.8 añade la vía de transporte y orquestación de imágenes, pero no proporciona por sí sola comprensión visual independiente a un modelo entrenado únicamente para texto. La interpretación nativa depende del modelo configurado o de un backend compatible. 8
9
Qué abarcan los 14 cambios
Claude Code y Codex llegan como subagentes instalables
Claude Code y Codex pueden instalarse bajo demanda como paquetes de perfil dentro del sistema de subagentes. Codex también incorpora un modo de permisos no interactivo y compatibilidad con varias instancias con nombre, lo que permite ejecutar subagentes de Codex configurados de forma independiente dentro de un mismo flujo de trabajo. 2
4
Los terminales de Windows conservan el estado del shell
Los terminales PTY de Windows incorporan sesiones persistentes de PowerShell. La función viene activada de forma predeterminada en el perfil mínimo, por lo que los comandos sucesivos no necesitan recrear el estado del shell cada vez. 2
La ejecución de herramientas gana capacidad
La versión mejora las llamadas a herramientas, incluida la ejecución simultánea de web_search, la reactivación de la tarea principal cuando un subagente entrega un informe y la apertura automática de un navegador local para dsh web. También mejora el rendimiento al bifurcar sesiones grandes y al utilizar almacenamiento SQLite. 2
4
Se corrigen fallos de imágenes, streaming y gateways
RC.8 soluciona errores de solicitudes provocados por una imagen individual demasiado grande o por la acumulación de demasiadas imágenes en el historial de una conversación. Además, conserva los prefijos de respuesta cuando se cancela una respuesta en streaming y la conversación se continúa o se bifurca. También mejora la interoperabilidad con gateways personalizados compatibles con OpenAI frente a diferencias en los formatos de solicitud y a respuestas sin contenido de inferencia. 2
4
En conjunto, la actualización va bastante más allá de una simple función para subir imágenes: las imágenes pueden participar en la planificación, el historial de sesiones y el trabajo delegado, mientras el entorno de ejecución se vuelve más resistente en sesiones largas o con muchas herramientas. 2
13
Cómo funciona la «visión de capa de herramientas» en modelos de solo texto
Cuando el modelo elegido no declara compatibilidad con entradas de imagen, Harness puede recurrir a herramientas para convertir la imagen en evidencia textual estructurada. El flujo descrito incluye texto OCR con coordenadas, estadísticas de proporción de colores, escaneos de filas de píxeles seleccionadas, dimensiones de la imagen y metadatos del modo de color. Después, esa evidencia se entrega al modelo de texto para que razone sobre ella. 1
2
El modelo no recibe el campo visual original del mismo modo que un modelo de visión nativo. En realidad, razona a partir de mediciones y descripciones extraídas: un recurso útil, pero necesariamente incompleto.
En qué casos funciona mejor
La visión basada en herramientas resulta más adecuada para imágenes con una estructura que pueda recuperarse mediante análisis, como:
- Capturas de aplicaciones e interfaces de usuario.
- Capturas de diapositivas y presentaciones.
- Diagramas de flujo, esquemas y gráficos sencillos.
- Imágenes con mucho texto, diseños claros y buen contraste.
En estos casos suelen ser decisivos el texto legible, la alineación, los límites, los colores u otras señales que el OCR y la inspección selectiva de píxeles pueden capturar.
Cuándo sigue siendo necesaria la visión nativa
El método es bastante más limitado para fotografías naturales, reconocimiento detallado de objetos, estilo visual, contexto sutil y relaciones espaciales o de escena complejas. El OCR y las estadísticas de píxeles muestreados no pueden reconstruir de forma fiable todos los detalles necesarios para esas tareas. 1
2
La regla práctica es sencilla: utiliza un modelo de visión nativo para comprender realmente una imagen y reserva la visión de capa de herramientas para extraer evidencia concreta o como alternativa cuando el modelo principal solo admite texto. Puede servir para extraer texto, revisar colores dominantes, localizar límites sencillos o comprobar diferencias de píxeles en una interfaz, pero su resultado no debe considerarse equivalente al razonamiento visual nativo. 2
3
Plugins comunitarios que amplían los flujos visuales
La comunidad ya había explorado varias formas de dar acceso a evidencia visual a los agentes de Harness basados en modelos de texto. Entre las opciones mencionadas se encuentran dsh-vision, dsh-vision-toolkit y modlens; los directorios de plugins también incluyen puentes locales de OCR y soluciones de seudovisión. 10
23
Dos ejemplos muestran el abanico de enfoques:
- ModLens devuelve evidencia estructurada sobre OCR, disposición, entidades y relaciones para modelos de solo texto.
18
dsh-vision-toolkitestá orientado a OCR de capturas largas, grounding visual, reconstrucción de interfaces y comparación de píxeles.21
Estos plugins complementan, no sustituyen, la ruta de imágenes nativas de RC.8. Un modelo de visión compatible puede recibir la imagen directamente; un plugin puede aportar OCR especializado, análisis de disposición, herramientas de píxeles o modelos externos; y un modelo de solo texto puede razonar sobre la evidencia resultante. Esta separación permite elegir entre una percepción nativa más rica y una salida de herramientas más específica y fácil de inspeccionar.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "DeepSeek Harness v0.1.0-rc.8: 14 cambios que llevan las imágenes al núcleo de los agentes"?
DeepSeek Harness v0.1.0 rc.8 se publicó el 19 de agosto de 2026 y su principal novedad es la ruta de transporte de imágenes: los modelos compatibles pueden recibirlas directamente, mientras que los modelos de solo tex...
¿Cuáles son los puntos clave a validar primero?
DeepSeek Harness v0.1.0 rc.8 se publicó el 19 de agosto de 2026 y su principal novedad es la ruta de transporte de imágenes: los modelos compatibles pueden recibirlas directamente, mientras que los modelos de solo tex... La actualización añade entrada combinada de texto e imágenes en /goal y /plan, referencias a archivos y sesiones mediante el menú @, subagentes instalables de Claude Code y Codex, sesiones persistentes de PowerShell e...
¿Qué debo hacer a continuación en la práctica?
La visión basada en herramientas funciona mejor con capturas de interfaces, diapositivas, diagramas e imágenes con mucho texto, pero no equivale a la comprensión visual nativa de fotografías, escenas complejas o detal...
Fuentes
agenccy.aiDeepSeek Shipped Image Input for Its Agent CLI. Its Own Models Still Cannot See.
dsharness.orgThe DeepSeek Harness changelog
news.qq.comDeepSeek Harness首发新版本：14项更新，多模态能力拉满_腾讯新闻
cctest.aiDeepSeek Harness v0.1.0-rc.8 Adds Multimodal Agent Input - CCTest