उत्तरप्रकाशित18 स्रोत
DeepSeek V4 Pro से आगे: AI एजेंट में Harness मॉडल से ज्यादा अहम क्यों हो सकता है
DeepSeek ने 13 अगस्त 2026 को V4 Pro के साथ Harness v0.1 जारी किया। Harness एक तैयार coding agent उत्पाद नहीं, बल्कि डेवलपर्स के लिए MIT लाइसेंस वाला developer preview है। Cordis पर आधारित Harness में मॉडल, टूल, सेशन, स्टोरेज, sandbox, scheduling, agent loop और UI जैसे हिस्से plugins के रूप में बदले या बढ़ाए जा सकते...
प्रकाशितकर्ताGPT-5.6 Luna से संपादितGPT Image 1.5 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- DeepSeek ने 13 अगस्त 2026 को V4 Pro के साथ Harness v0.1 जारी किया। Harness एक तैयार coding agent उत्पाद नहीं, बल्कि डेवलपर्स के लिए MIT लाइसेंस वाला developer preview है।
- Cordis पर आधारित Harness में मॉडल, टूल, सेशन, स्टोरेज, sandbox, scheduling, agent loop और UI जैसे हिस्से plugins के रूप में बदले या बढ़ाए जा सकते हैं।
- Composio के परीक्षण में एक ही DeepSeek V4 Flash मॉडल ने अलग अलग harnesses के साथ 240 में से 129 रन सफलतापूर्वक पूरे किए; सर्वश्रेष्ठ ने 30 में 20 और सबसे कमजोर ने 14 कार्य पूरे किए।
- Append only logs और Trajectory के restore, fork, search और replay फीचर दोहराने योग्य मूल्यांकन और लगातार engineering सुधार में मदद कर सकते हैं।
AI संकेत
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
13 अगस्त 2026 को DeepSeek ने AI stack की दो अलग परतों को एक साथ सामने रखा: agentic workloads पर केंद्रित आधिकारिक DeepSeek V4 Pro और agent runtimes बनाने व बदलने वाले डेवलपर्स के लिए DeepSeek Harness v0.1। Harness को dsh नाम से जारी किया गया है और यह MIT लाइसेंस के तहत उपलब्ध developer preview है। 32
20
इस घोषणा का महत्व केवल नए मॉडल के लॉन्च तक सीमित नहीं है। वास्तविक AI एजेंट workflows में मॉडल अकेले काम नहीं करता। उसे संदर्भ, टूल, memory, execution policies, failure recovery और evaluation जैसी सुविधाएं देने वाली पूरी व्यवस्था के भीतर काम करना पड़ता है। Composio के परीक्षणों से संकेत मिलता है कि यही आसपास का runtime सफलता दर और लागत—दोनों को काफी बदल सकता है, भले ही मूल मॉडल वही रहे। 3
13 अगस्त की दो घोषणाएं
DeepSeek ने आधिकारिक V4 Pro के साथ Harness v0.1 जारी किया। Harness को Claude Code या Codex जैसे परिपक्व, end-user coding-agent उत्पाद के सीधे विकल्प के रूप में नहीं, बल्कि agent harness बनाने वाले डेवलपर्स के लिए infrastructure के रूप में पेश किया गया है। 32
20
इसकी licensing choice भी महत्वपूर्ण है। permissive MIT लाइसेंस के तहत developer preview जारी करने से DeepSeek ने runtime को निरीक्षण, बदलाव और विस्तार के लिए खोल दिया। परियोजना के दस्तावेजों में model-agnostic architecture का वर्णन है—यानी डेवलपर्स किसी एक मॉडल provider तक सीमित रहने के बजाय अलग-अलग providers के साथ काम कर सकते हैं। 22
28
Composio के नतीजे Harness को प्रासंगिक क्यों बनाते हैं
Composio ने एक ही DeepSeek V4 Flash मॉडल को आठ agent harnesses के जरिए 30 multi-step tasks पर चलाया। कुल 240 runs में 129 सफल रहे, यानी overall success rate 53.8% रही। 30 में से केवल छह workflows ऐसे थे जिन्हें हर harness ने सफलतापूर्वक पूरा किया। 3
अलग-अलग harnesses के बीच अंतर स्पष्ट था:
- Pi Agent: 30 में 20 tasks
- Oh My Pi: 30 में 17 tasks
- Claude Code, Codex और DeepAgents: प्रत्येक ने 30 में 16 tasks
- Hermes Agent: 30 में 15 tasks
- OpenCode: 30 में 14 tasks
रिपोर्ट की गई economics भी अलग रही। Composio के अनुमान के अनुसार प्रति सफल task लागत Claude Code के लिए लगभग $0.195, Codex के लिए $0.081 और DeepAgents के लिए $0.045 थी। Pi Agent के लिए यह आंकड़ा $0.028 बताया गया, हालांकि इन संख्याओं को अध्ययन की methodology और हर runtime के अलग व्यवहार के संदर्भ में पढ़ना चाहिए। 3
यह किसी agent product की सार्वभौमिक ranking नहीं है। लेकिन इससे एक सीमित और महत्वपूर्ण निष्कर्ष जरूर निकलता है: केवल model benchmarks agent performance की पूरी तस्वीर नहीं देते। AI एजेंट के लिए व्यावहारिक तुलना अब अक्सर model-plus-harness configuration की होनी चाहिए।
DeepSeek Harness किस काम के लिए बनाया गया है
Harness, Cordis पर आधारित है। इसमें runtime की क्षमताएं plugins के रूप में उपलब्ध कराई जाती हैं। DeepSeek के architecture दस्तावेजों के अनुसार model adapter, tool registry, session log और agent loop जैसे हिस्से बदले जा सकने वाले components हैं। 17
दस्तावेजों में बताए गए अन्य plugin boundaries में शामिल हैं:
- model और provider adapters;
- tools और skills;
- sessions और storage;
- sandboxes और execution environments;
- scheduling और subagent coordination;
- agent loop; और
- user interface।
यह डिजाइन language model को उस machinery से अलग करता है जो किसी उत्तर को लगातार चलने वाली agent प्रक्रिया में बदलती है। इसलिए डेवलपर context तैयार करने, tools call करने, state store करने, failures पर retry करने या परिणाम दिखाने का तरीका बदल सकते हैं—बिना पूरे runtime को फिर से लिखे। 17
20
“Everything is a plugin” केवल software packaging का जुमला नहीं है। यह model और working environment के बीच मौजूद harness layer को प्रयोग और innovation का केंद्रीय क्षेत्र बना देता है।
Traceable sessions: सुधार के लिए आधार
DeepSeek के अनुसार Harness append-only session log में मॉडल द्वारा देखी और की गई चीजों को दर्ज करता है। इसमें system prompts, reasoning, tool calls और उनके results, subagent scheduling तथा context injections शामिल हैं। Trajectory view से इस event stream का निरीक्षण किया जा सकता है, जबकि resume, fork, search और replay भी इसी record पर काम करते हैं। 22
डेवलपर्स के लिए इससे कई फायदे हो सकते हैं:
- Debuggability: केवल अंतिम उत्तर देखने के बजाय failure को context में हुए बदलावों और actions की श्रृंखला के रूप में समझा जा सकता है।
- Reproducibility: prompt, tool या plugin बदलने के बाद workflow को फिर चलाकर तुलना की जा सकती है।
- Branching experiments: किसी trajectory को fork करके मूल run खोए बिना वैकल्पिक strategy आजमाई जा सकती है।
- Evaluation data: सफल और असफल trajectories नए tools, prompts, policies या agent loops के परीक्षण का आधार बन सकती हैं।
इससे एक continuous improvement cycle बन सकती है: task चलाइए, trajectory देखिए, failure पहचानिए, plugin बदलिए, workflow फिर चलाइए और परिणाम का record सुरक्षित रखिए। लेकिन trajectory रिकॉर्ड और replay करने वाला system अपने-आप self-learning system नहीं बन जाता। उपलब्ध evidence Harness को iterative development के लिए auditable आधार के रूप में समर्थन देता है—भरोसेमंद autonomous improvement के प्रमाण के रूप में नहीं। 22
Memory और self-evolution पर जरूरी सावधानी
Harness के आसपास के ecosystem में कुछ third-party projects cross-session memory और background self-evolution का दावा करते हैं। 18
19
ये projects दिखाते हैं कि plugin architecture persistent memory, project history, self-review और skill management जैसी सुविधाओं को समायोजित कर सकता है। लेकिन इससे यह सिद्ध नहीं होता कि base v0.1 release सुरक्षित या सामान्य रूप से continual self-improvement कर सकता है। Optional plugins, experimental integrations और core product capabilities को एक ही चीज मानना सही नहीं होगा।
Production deployment से पहले teams को data retention, permissions, sandbox isolation, credential handling, rollback behavior और ऐसे automated system के जोखिमों की जांच करनी होगी जो अपने tools या procedures में खुद बदलाव कर सकता है।
रणनीतिक दांव: डेवलपर entry point पर पकड़
DeepSeek V4 Pro और V4 Flash के जरिए model layer पर प्रतिस्पर्धा कर सकता है। Harness उसे उस परत पर प्रतिस्पर्धा का रास्ता देता है जहां डेवलपर्स तय करते हैं कि मॉडल का इस्तेमाल किस तरह किया जाएगा।
यही layer नियंत्रित करती है:
- कौन-सा मॉडल चुना जाएगा;
- context को कैसे तैयार और compress किया जाएगा;
- किन tools और permissions की अनुमति होगी;
- लंबे समय तक चलने वाले काम को कैसे resume किया जाएगा;
- failures को कैसे पहचाना और recover किया जाएगा;
- trajectories का evaluation कैसे होगा; और
- कौन-से plugins agent workflow का हिस्सा बनेंगे।
Runtime को खोलने से बाहरी डेवलपर्स DeepSeek architecture के आसपास adapters, tools, memories और workflow patterns बना सकते हैं। साथ ही, multiple model providers का समर्थन होने के बावजूद यह architecture DeepSeek को developer entry point पर प्रभाव बनाए रखने में मदद कर सकता है। यह केवल model weights या API pricing पर प्रतिस्पर्धा करने की तुलना में अधिक टिकाऊ रणनीतिक स्थिति हो सकती है।
यहीं से AI-assisted AI development का रास्ता भी खुलता है। कोई agent plugin बनाने में मदद कर सकता है, असफल trajectories की जांच कर सकता है, बदलाव सुझा सकता है, evaluation चला सकता है और इन प्रयोगों की lineage सुरक्षित रख सकता है। इसे तैयार self-improving agent नहीं, बल्कि engineering feedback loop के लिए infrastructure समझना अधिक उचित है।
v0.1 label को हल्के में न लें
Harness का developer-preview status इस release को समझने की कुंजी है। यह प्रयोग और co-development का निमंत्रण है, लेकिन इसका अर्थ यह भी है कि APIs, integrations, security controls और operational behavior अभी बदल सकते हैं। 20
इसलिए डेवलपर्स को Harness को open framework और research platform की तरह evaluate करना चाहिए। इसे पहले से Claude Code, Codex या किसी अन्य mature coding-agent product जितनी reliability, polish और safeguards वाला उत्पाद मानना जल्दबाजी होगी।
निष्कर्ष
DeepSeek की 13 अगस्त की घोषणाओं ने model release को infrastructure strategy से जोड़ दिया। V4 Pro flagship model उपलब्ध कराता है, जबकि Harness यह runtime सामने रखता है कि मॉडल tools, context, memory और लंबे समय तक चलने वाले tasks के साथ कैसे काम करेगा। 32
20
Composio के नतीजे बताते हैं कि यह अंतर क्यों महत्वपूर्ण है: एक ही V4 Flash मॉडल ने चुने गए harness के आधार पर 14 से 20 तक tested tasks पूरे किए और reported costs में भी बड़ा अंतर रहा। 3 Harness की plugin architecture और traceable trajectories DeepSeek को experimentation, evaluation और AI-assisted engineering के लिए मजबूत आधार दे सकती हैं। लेकिन वे अपने-आप dependable continual learning साबित नहीं करतीं। फिर भी, AI agents के अगले चरण में harness layer एक केंद्रीय प्रतिस्पर्धी क्षेत्र बनने की दिशा में बढ़ रही है।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"DeepSeek V4 Pro से आगे: AI एजेंट में Harness मॉडल से ज्यादा अहम क्यों हो सकता है" का संक्षिप्त उत्तर क्या है?
DeepSeek ने 13 अगस्त 2026 को V4 Pro के साथ Harness v0.1 जारी किया। Harness एक तैयार coding agent उत्पाद नहीं, बल्कि डेवलपर्स के लिए MIT लाइसेंस वाला developer preview है।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
DeepSeek ने 13 अगस्त 2026 को V4 Pro के साथ Harness v0.1 जारी किया। Harness एक तैयार coding agent उत्पाद नहीं, बल्कि डेवलपर्स के लिए MIT लाइसेंस वाला developer preview है। Cordis पर आधारित Harness में मॉडल, टूल, सेशन, स्टोरेज, sandbox, scheduling, agent loop और UI जैसे हिस्से plugins के रूप में बदले या बढ़ाए जा सकते हैं।
मुझे अभ्यास में आगे क्या करना चाहिए?
Composio के परीक्षण में एक ही DeepSeek V4 Flash मॉडल ने अलग अलग harnesses के साथ 240 में से 129 रन सफलतापूर्वक पूरे किए; सर्वश्रेष्ठ ने 30 में 20 और सबसे कमजोर ने 14 कार्य पूरे किए।