RéponsesPublié24 sources
DeepSeek Harness v0.1.0-rc.8 : 14 changements qui font de l’image une véritable entrée pour les agents
Publié le 19 août 2026, DeepSeek Harness v0.1.0 rc.8 ouvre un chemin d’entrée natif pour les images : les modèles compatibles peuvent les recevoir directement, tandis que les modèles textuels s’appuient sur des donnée... Les 14 changements ajoutent aussi l’entrée mixte texte image dans /goal et /plan, les références...
Publié parModifié avec GPT-5.6 LunaImages générées avec GPT Image 1.5
Réponse de recherche
Points clés à retenir
- Publié le 19 août 2026, DeepSeek Harness v0.1.0 rc.8 ouvre un chemin d’entrée natif pour les images : les modèles compatibles peuvent les recevoir directement, tandis que les modèles textuels s’appuient sur des donnée...
- Les 14 changements ajoutent aussi l’entrée mixte texte image dans /goal et /plan, les références de fichiers et de sessions via le menu @, des sous agents Claude Code et Codex, des sessions PowerShell persistantes sou...
- Cette « vision par la couche outils » convient surtout aux captures d’écran, diapositives, diagrammes et images riches en texte ; elle ne remplace pas une véritable vision native pour les photos ou les scènes visuelle...
Prompt 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 est avant tout une mise à niveau de l’orchestration et des entrées, pas la preuve que tous les modèles DeepSeek savent désormais analyser des images. La version a été publiée le 19 août 2026, six jours après le lancement de la bêta publique et de la version open source ; certains articles ont toutefois daté l’annonce ou les discussions des 20 et 21 août. 9
16 Ses 14 changements rendent les images utilisables à différents niveaux des workflows d’agents, tout en améliorant les sous-agents, le terminal, l’exécution des outils, le stockage et la compatibilité.
4
Le changement vedette : l’image entre dans la boucle de l’agent
RC.8 ajoute au module d’adaptation des modèles DeepSeek un chemin configurable pour envoyer des requêtes contenant des images. Lorsque le modèle sélectionné ou le backend utilisé accepte les entrées visuelles, Harness peut transmettre directement l’image au modèle au lieu de traiter la pièce jointe séparément du reste de la tâche. 2
8
Cette prise en charge s’étend aux principales commandes de planification :
/goalaccepte désormais un mélange de texte et d’image ;/planaccepte lui aussi des consignes texte-image ;- le menu
@permet de référencer des fichiers locaux et des sessions précédentes au fil du travail.2
12
15
Pour un agent de développement, la différence est concrète : une capture d’écran, une maquette d’interface, un schéma ou l’affichage d’une erreur peuvent faire partie du besoin et du plan, sans que l’utilisateur doive tout décrire à la main.
La nuance essentielle est ailleurs : RC.8 ajoute le transport et l’orchestration des images, mais ne donne pas automatiquement une compréhension visuelle indépendante à un modèle textuel. L’interprétation native dépend du modèle configuré ou d’un backend compatible. 8
9
Ce que couvrent les 14 changements
Claude Code et Codex deviennent des sous-agents installables
Claude Code et Codex peuvent être installés à la demande sous forme de bundles de profils dans le système de sous-agents. Codex gagne en outre un mode d’autorisation non interactif et la possibilité de gérer plusieurs instances nommées. Il devient ainsi possible d’exécuter, dans un même workflow, plusieurs sous-agents Codex avec des configurations distinctes. 2
4
Les terminaux Windows conservent leur état
Les terminaux PTY sous Windows bénéficient de sessions PowerShell persistantes. Cette fonction est activée par défaut dans le preset minimal : les commandes successives n’ont donc plus besoin de recréer l’état du shell à chaque exécution. 2
L’exécution des outils gagne en efficacité
La version améliore les appels d’outils, notamment l’exécution concurrente de web_search, le réveil de la tâche parente après la remise d’un rapport par un sous-agent et l’ouverture automatique d’un navigateur local pour dsh web. Les performances progressent également lors de la duplication de grandes sessions et avec le stockage SQLite. 2
4
Les problèmes d’images, de streaming et de passerelles sont corrigés
RC.8 corrige les échecs de requête liés à une image individuelle trop volumineuse ou à un trop grand nombre d’images accumulées dans l’historique d’une conversation. La version préserve aussi les préfixes de réponse lorsqu’un flux est annulé puis que la conversation est poursuivie ou dérivée. Enfin, l’interopérabilité avec les passerelles personnalisées compatibles avec l’API OpenAI est améliorée, notamment face aux différences de format des requêtes et à l’absence de certains contenus d’inférence retournés. 2
4
Pris ensemble, ces changements dépassent largement la simple fonction d’envoi d’image : les images peuvent intervenir dans la définition du but, la planification, l’historique des sessions et le travail délégué, tandis que l’environnement d’exécution devient plus robuste dans les longues sessions riches en outils. 2
13
Comment fonctionne la « vision par la couche outils » pour les modèles textuels
Lorsqu’un modèle sélectionné ne déclare pas la prise en charge des images, Harness peut utiliser des outils pour convertir l’image en éléments de preuve textuels et structurés. Le pipeline décrit comprend le texte OCR accompagné de coordonnées, des statistiques de répartition des couleurs, le balayage de certaines lignes de pixels, ainsi que les dimensions et le mode colorimétrique de l’image. Ces informations sont ensuite fournies au modèle textuel, qui raisonne à partir de mesures et de descriptions extraites. 1
2
Le modèle ne reçoit donc pas le champ visuel original comme le ferait un modèle doté de vision native. Il travaille à partir d’indices mesurés et de descriptions partielles : une solution utile, mais nécessairement moins fidèle.
Les cas où cette solution est la plus efficace
La vision par outils convient surtout aux images dont la structure peut être récupérée, par exemple :
- les captures d’écran d’applications et d’interfaces utilisateur ;
- les captures de diapositives et de présentations ;
- les organigrammes, diagrammes et graphiques simples ;
- les images riches en texte, avec une mise en page lisible et un contraste marqué.
Dans ces cas, la tâche dépend souvent de textes lisibles, de l’alignement, des limites entre les éléments, des couleurs ou d’autres signaux que l’OCR et l’inspection ciblée des pixels peuvent capturer.
Pourquoi la vision native reste indispensable
L’approche est nettement moins fiable pour les photographies, la reconnaissance fine d’objets, le style visuel, les détails contextuels subtils ou les relations spatiales et scéniques complexes. L’OCR et les statistiques issues d’un échantillonnage de pixels ne permettent pas de reconstruire fidèlement tous les détails nécessaires à ces tâches. 1
2
La règle pratique est simple : utilisez un modèle doté de vision native pour comprendre réellement une image, et la vision par outils pour extraire des éléments ciblés ou servir de solution de repli lorsque le modèle principal est textuel. Cette dernière peut aider à extraire du texte, repérer les couleurs dominantes, localiser des bordures simples ou vérifier des différences de pixels dans une interface. Elle ne doit toutefois pas être considérée comme équivalente à un raisonnement visuel natif. 2
3
Les plugins communautaires qui prolongent les workflows visuels
Avant même cette mise à jour, la communauté avait exploré plusieurs moyens de fournir des indices visuels aux agents Harness textuels. Parmi les options citées figurent dsh-vision, dsh-vision-toolkit et modlens, ainsi que des passerelles locales d’OCR et de pseudo-vision. 10
23
Deux exemples illustrent cette diversité :
- ModLens renvoie des éléments structurés sur l’OCR, la mise en page, les entités et les relations pour les modèles textuels.
18
dsh-vision-toolkitcible notamment l’OCR de longues captures d’écran, l’ancrage visuel, la reconstitution d’interfaces et la comparaison de pixels.21
Ces extensions complètent le chemin natif ajouté par RC.8, plutôt qu’elles ne le remplacent. Un modèle compatible avec la vision peut recevoir directement l’image ; un plugin peut fournir des outils spécialisés d’OCR, de mise en page, d’analyse de pixels ou s’appuyer sur un modèle externe ; et un modèle textuel peut ensuite raisonner sur les éléments de preuve produits. Cette séparation permet de choisir entre une perception native plus riche et une sortie d’outils plus ciblée et plus facilement inspectable.
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « DeepSeek Harness v0.1.0-rc.8 : 14 changements qui font de l’image une véritable entrée pour les agents » ?
Publié le 19 août 2026, DeepSeek Harness v0.1.0 rc.8 ouvre un chemin d’entrée natif pour les images : les modèles compatibles peuvent les recevoir directement, tandis que les modèles textuels s’appuient sur des donnée...
Quels sont les points clés à valider en premier ?
Publié le 19 août 2026, DeepSeek Harness v0.1.0 rc.8 ouvre un chemin d’entrée natif pour les images : les modèles compatibles peuvent les recevoir directement, tandis que les modèles textuels s’appuient sur des donnée... Les 14 changements ajoutent aussi l’entrée mixte texte image dans /goal et /plan, les références de fichiers et de sessions via le menu @, des sous agents Claude Code et Codex, des sessions PowerShell persistantes sou...
Que dois-je faire ensuite en pratique ?
Cette « vision par la couche outils » convient surtout aux captures d’écran, diapositives, diagrammes et images riches en texte ; elle ne remplace pas une véritable vision native pour les photos ou les scènes visuelle...
Sources
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