AnswersPublished18 sources
DeepSeek V4 Pro ו-Harness: המודל הוא רק חצי מהסיפור
ב 13 באוגוסט 2026 השיקה DeepSeek את V4 Pro לצד Harness v0.1 — תצוגה מקדימה למפתחים ברישיון MIT, ולא מוצר גמור למשתמשי קצה. Harness בנויה כתשתית מודולרית: מודלים, כלים, סשנים, אחסון, לולאת הסוכן, תזמון, סביבות מבודדות וממשק משתמש ניתנים להחלפה באמצעות תוספים של Cordis.
פורסם על ידינערך באמצעות GPT-5.6 Lunaהתמונות נוצרו באמצעות GPT Image 1.5
Research answer
Key takeaways
- ב 13 באוגוסט 2026 השיקה DeepSeek את V4 Pro לצד Harness v0.1 — תצוגה מקדימה למפתחים ברישיון MIT, ולא מוצר גמור למשתמשי קצה.
- Harness בנויה כתשתית מודולרית: מודלים, כלים, סשנים, אחסון, לולאת הסוכן, תזמון, סביבות מבודדות וממשק משתמש ניתנים להחלפה באמצעות תוספים של Cordis.
- בבדיקות Composio השלימה אותה גרסת DeepSeek V4 Flash בין 14 ל 20 מתוך 30 משימות, בהתאם ל Harness שנבחרה; בסך הכול הצליחו 129 מתוך 240 הרצות.
- יומני פעילות מצטברים וכלי Trajectory עשויים לאפשר שחזור, השוואה ושיפור של תהליכי עבודה — אך אינם מוכיחים ש Harness כבר מסוגלת ללמידה מתמשכת ואוטונומית.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What were DeepSeek’s August 13, 2026 announcements of the official DeepSeek V4 Pro and the MIT-licensed developer preview of DeepSeek Harnes. Article summary: On August 13, DeepSeek paired the official release of DeepSeek V4 Pro—its agent-work-oriented flagship—with Harness v0.1, an MIT-licensed, source-available developer preview for people building agent runtimes rather than. Topic tags: general, general web, user generated. 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 fa
ב-13 באוגוסט 2026 השיקה DeepSeek שני מוצרים שנמצאים בשכבות שונות של ערימת ה-AI: DeepSeek V4 Pro, מודל דגל שמוצב סביב משימות סוכניות, ו-DeepSeek Harness v0.1, תצוגה מקדימה למפתחים שמיועדת לבניית סביבות הרצה ושינוי שלהן. 32
20
המסר האסטרטגי רחב יותר מהשקת מודל חדשה. בסביבת עבודה סוכנית, המודל אינו פועל לבדו: המערכת שמסביבו מספקת הקשר, כלים, זיכרון, הרשאות, מדיניות ביצוע, מנגנוני התאוששות והערכה. תוצאות של Composio מצביעות על כך שהשכבה הזו יכולה לשנות באופן מהותי גם את שיעור ההצלחה וגם את העלות — אפילו כשהמודל עצמו נשאר זהה. 3
שתי ההכרזות של 13 באוגוסט
DeepSeek פרסמה את הגרסה הרשמית של V4 Pro לצד Harness v0.1. Harness מופצת בשם dsh, ומוצגת כתשתית למפתחים שבונים agent harnesses — סביבות הרצה שמחברות מודל לכלים, לקבצים, לזיכרון וללולאת ביצוע — ולא כתחליף בשל ומוכן למוצרים כמו Claude Code או Codex. 32
20
גם בחירת הרישיון משמעותית. גרסת התצוגה למפתחים שוחררה תחת רישיון MIT המתיר עיון, שינוי והרחבה של הקוד. לפי התיעוד, מדובר בארכיטקטורה שאינה תלויה במודל יחיד, ולכן מפתחים יכולים לעבוד עם ספקי מודלים שונים במקום להינעל לאקוסיסטם אחד. 22
28
אותו מודל, תוצאות שונות
Composio הריצה את אותו מודל — DeepSeek V4 Flash — דרך שמונה סביבות הרצה, על 30 משימות מרובות-שלבים. מתוך 240 הרצות הצליחו 129, כלומר שיעור הצלחה כולל של 53.8%. רק שש מתוך 30 זרימות העבודה הושלמו בהצלחה על ידי כל ה-Harnesses שנבדקו. 3
הפערים בין הסביבות היו ניכרים:
- Pi Agent השלימה 20 מתוך 30 משימות.
- Oh My Pi השלימה 17 מתוך 30.
- Claude Code, Codex ו-DeepAgents השלימו 16 מתוך 30 כל אחת.
- Hermes Agent השלימה 15 מתוך 30.
- OpenCode השלימה 14 מתוך 30.
גם העלות למשימה מוצלחת השתנתה. Composio העריכה אותה בכ-0.195 דולר ב-Claude Code, בכ-0.081 דולר ב-Codex ובכ-0.045 דולר ב-DeepAgents. עבור Pi Agent דווחה עלות של 0.028 דולר — אך יש לפרש את ההשוואה בהתאם למתודולוגיית הבדיקה ולהבדלים בהתנהגות של כל סביבת הרצה. 3
אין פירוש הדבר שמדובר בדירוג אוניברסלי של מוצרי סוכנים. המסקנה המצומצמת, אך החשובה, היא שמבחני מודלים לבדם אינם מתארים את מלוא ביצועיו של סוכן. יחידת ההשוואה המעשית הולכת ונעשית תצורת מודל-פלוס-Harness.
מה Harness מנסה לאפשר
Harness בנויה על Cordis — מסגרת שבה יכולות סביבת ההרצה נחשפות כתוספים. מסמכי הארכיטקטורה של DeepSeek מתארים את מתאם המודל, רישום הכלים, יומן הסשן ולולאת הסוכן כרכיבים שניתנים להחלפה. 17
גבולות התוספים כוללים, בין היתר:
- מתאמי מודלים וספקים;
- כלים ויכולות;
- סשנים ואחסון;
- סביבות Sandbox וביצוע;
- תזמון ותיאום של תתי-סוכנים;
- לולאת הסוכן; וכן
- ממשק המשתמש.
העיצוב הזה מפריד בין מודל השפה לבין המנגנון שהופך תשובה לתהליך מתמשך. לכן מפתחים יכולים לשנות את האופן שבו הסוכן מרכיב הקשר, מפעיל כלים, שומר מצב, מנסה שוב לאחר כשל או מציג את עבודתו — בלי לשכתב את סביבת ההרצה כולה. 17
20
האמירה ש"הכול הוא תוסף" אינה רק פרט אריזה. היא מציבה את שכבת ה-Harness — השכבה שבין המודל לסביבת העבודה — במרכז הניסויים.
יומן שניתן לעקוב אחריו
DeepSeek אומרת ש-Harness מתעדת ביומן סשן מצטבר את מה שהמודל רואה ועושה, כולל הנחיות מערכת, תהליכי הסקה, קריאות לכלים ותוצאותיהן, תזמון תתי-סוכנים והזרקות הקשר. תצוגת Trajectory מאפשרת לבחון את זרם האירועים, ואפשרויות כמו המשך, פיצול, חיפוש והשמעה מחדש פועלות על אותו תיעוד. 22
עבור מפתחים, הדבר עשוי לספק כמה יתרונות:
- יכולת איתור תקלות: אפשר לבחון כשל כרצף של שינויי הקשר ופעולות, ולא רק לפי התשובה הסופית.
- שחזור: ניתן להריץ מחדש תהליך עבודה לאחר שינוי בפרומפט, בכלי או בתוסף ולהשוות את התוצאה.
- ניסויים מסועפים: אפשר לפצל מסלול קיים ולבחון אסטרטגיה חלופית בלי למחוק את ההרצה המקורית.
- חומר להערכה: מסלולים מוצלחים וכושלים יכולים לשמש לבדיקת כלים, הנחיות, מדיניות ולולאות סוכן חדשות.
כך נוצר בסיס למחזור שיפור מתמשך: מריצים משימה, בוחנים את המסלול, מזהים את הכשל, משנים תוסף, מריצים שוב ושומרים את התוצאה. אבל מערכת שמתעדת ומשחזרת מסלולים אינה הופכת אוטומטית למערכת שלומדת מעצמה. הראיות תומכות ב-Harness כתשתית ניתנת לביקורת לפיתוח איטרטיבי — לא כהוכחה לשיפור אוטונומי אמין. 22
זיכרון ו"התפתחות עצמית": הסתייגות חשובה
במערכת האקולוגית שסביב Harness כבר קיימים פרויקטים של צד שלישי שמציעים זיכרון בין סשנים והתפתחות עצמית ברקע. 18
19
הפרויקטים האלה מראים שארכיטקטורת התוספים יכולה להכיל זיכרון מתמשך, היסטוריית פרויקט, ביקורת עצמית וניהול מיומנויות. עם זאת, הם אינם מוכיחים שגרסת הבסיס v0.1 מבצעת בבטחה או באופן כללי שיפור עצמי מתמשך. יש להבחין בין תוספים אופציונליים, אינטגרציות ניסיוניות ויכולות ליבה של המוצר.
לשימוש בסביבת ייצור, צוותים עדיין יצטרכו לבדוק שמירת מידע, הרשאות, בידוד Sandbox, טיפול במפתחות גישה, יכולת חזרה לאחור והסיכון שמערכת אוטומטית תשנה את הכלים או את הנהלים שלה בעצמה.
ההימור האסטרטגי: לשלוט בנקודת הכניסה של המפתחים
DeepSeek יכולה להתחרות בשכבת המודלים באמצעות V4 Pro ו-V4 Flash. Harness מאפשרת לה להתחרות גם בשכבה שבה המפתחים קובעים כיצד המודלים ישמשו בפועל.
השכבה הזו קובעת:
- איזה מודל ייבחר;
- כיצד יורכב ויצטמצם ההקשר;
- אילו כלים והרשאות יהיו זמינים;
- כיצד תימשך עבודה ארוכת-טווח לאחר הפסקה;
- כיצד יתגלו כשלים וכיצד המערכת תתאושש מהם;
- כיצד יוערכו מסלולי הביצוע; וכן
- אילו תוספים יהפכו לחלק מתהליך העבודה של הסוכן.
פתיחת סביבת ההרצה מעודדת מפתחים חיצוניים לבנות מתאמים, כלים, מערכות זיכרון ודפוסי עבודה סביב הארכיטקטורה של DeepSeek. במקביל, הארכיטקטורה עשויה להשאיר את DeepSeek בעלת השפעה על נקודת הכניסה של המפתחים — גם כשהמערכת תומכת בספקי מודלים שונים. זו עשויה להיות עמדה עמידה יותר מתחרות שמבוססת רק על משקלי מודל או על מחיר API.
הגישה גם סוללת דרך לפיתוח AI בסיוע AI: סוכן יוכל לעזור ליצור תוסף, לבחון מסלולים שנכשלו, להציע שינוי, להריץ הערכה ולשמור את הקשר בין הניסויים. נכון יותר לראות בכך תשתית ללולאת משוב הנדסית, ולא הוכחה לסוכן שכבר מסוגל להשתפר בעצמו.
למה חשוב שזו גרסת v0.1
המעמד של Harness כתצוגה מקדימה למפתחים הוא חלק מרכזי בסיפור. הוא מסמן הזמנה להתנסות ולפיתוח משותף, אך גם אומר שממשקי התכנות, האינטגרציות, בקרות האבטחה וההתנהגות התפעולית עדיין עשויים להשתנות. 20
לכן כדאי לבחון את Harness כמסגרת פתוחה וכפלטפורמת מחקר — ולא להניח שהיא כבר מספקת את האמינות, הליטוש או אמצעי ההגנה של מוצר קידוד סוכני בשל.
השורה התחתונה
ההכרזות של DeepSeek ב-13 באוגוסט חיברו בין השקת מודל לבין אסטרטגיית תשתית. V4 Pro מספקת את מודל הדגל, ואילו Harness חושפת את סביבת ההרצה שקובעת כיצד מודל עובד עם כלים, הקשר, זיכרון ומשימות ארוכות-טווח. 32
20
תוצאות Composio מסבירות מדוע ההבחנה הזו חשובה: אותו מודל V4 Flash השלים בין 14 ל-20 מהמשימות שנבדקו, בהתאם ל-Harness, והעלויות המדווחות השתנו גם הן באופן משמעותי. 3 הארכיטקטורה מבוססת התוספים והמסלולים הניתנים למעקב מעניקות ל-DeepSeek בסיס אמין לניסויים, להערכה ולהנדסה בסיוע AI. הן עדיין אינן מוכיחות למידה מתמשכת ואמינה — אך הן עשויות להפוך את שכבת ה-Harness לזירת המאבק המרכזית בגל הבא של פיתוח סוכני AI.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "DeepSeek V4 Pro ו-Harness: המודל הוא רק חצי מהסיפור"?
ב 13 באוגוסט 2026 השיקה DeepSeek את V4 Pro לצד Harness v0.1 — תצוגה מקדימה למפתחים ברישיון MIT, ולא מוצר גמור למשתמשי קצה.
What are the key points to validate first?
ב 13 באוגוסט 2026 השיקה DeepSeek את V4 Pro לצד Harness v0.1 — תצוגה מקדימה למפתחים ברישיון MIT, ולא מוצר גמור למשתמשי קצה. Harness בנויה כתשתית מודולרית: מודלים, כלים, סשנים, אחסון, לולאת הסוכן, תזמון, סביבות מבודדות וממשק משתמש ניתנים להחלפה באמצעות תוספים של Cordis.
What should I do next in practice?
בבדיקות Composio השלימה אותה גרסת DeepSeek V4 Flash בין 14 ל 20 מתוך 30 משימות, בהתאם ל Harness שנבחרה; בסך הכול הצליחו 129 מתוך 240 הרצות.