JawabanDipublikasikan24 sumber
DeepSeek Harness v0.1.0-rc.8: 14 Pembaruan yang Menjadikan Gambar Input Utama Agen
DeepSeek Harness v0.1.0 rc.8 dirilis pada 19 Agustus 2026 UTC, enam hari setelah peluncuran beta publik dan open source. Sebanyak 14 pembaruan mencakup input teks gambar di /goal dan /plan, referensi file serta sesi melalui menu @, subagen Claude Code dan Codex, sesi PowerShell persisten di Windows, peningkatan tool...
Diterbitkan olehDiedit dengan GPT-5.6 LunaGambar dibuat dengan GPT Image 1.5
Jawaban penelitian
Poin-poin penting
- DeepSeek Harness v0.1.0 rc.8 dirilis pada 19 Agustus 2026 UTC, enam hari setelah peluncuran beta publik dan open source.
- Sebanyak 14 pembaruan mencakup input teks gambar di /goal dan /plan, referensi file serta sesi melalui menu @, subagen Claude Code dan Codex, sesi PowerShell persisten di Windows, peningkatan tool calling, serta sejum...
- Visi berbasis tool paling berguna untuk tangkapan layar, slide, diagram, dan gambar kaya teks.
AI Perintah
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 pada dasarnya adalah peningkatan orkestrasi agen dan sistem input, bukan bukti bahwa setiap model DeepSeek kini dapat melihat gambar. Versi ini dipublikasikan pada 19 Agustus 2026 UTC, enam hari setelah peluncuran beta publik dan open source. Sebagian pemberitaan kemudian mencatat pengumuman atau pembahasannya pada 20–21 Agustus. 9
16
Dalam rilis yang membawa 14 perubahan ini, gambar mulai diperlakukan sebagai bagian dari alur kerja agen—bersamaan dengan peningkatan pada subagen, terminal, eksekusi tool, penyimpanan, performa, dan kompatibilitas. 4
Perubahan utama: gambar masuk ke dalam loop agen
RC.8 menambahkan jalur permintaan gambar native yang dapat dikonfigurasi pada adaptor model DeepSeek. Jika model atau backend yang dipilih mendukung input gambar, Harness dapat mengirimkan gambar langsung ke model, bukan memperlakukannya sebagai lampiran terpisah dari tugas. 2
8
Dukungan ini tersedia pada perintah perencanaan utama:
/goalkini menerima input campuran teks dan gambar./planjuga menerima input campuran teks dan gambar.- Menu
@dapat merujuk file lokal dan sesi sebelumnya saat pekerjaan berlanjut.2
12
15
Bagi alur kerja coding agent, perubahan ini cukup penting. Pengguna dapat menyertakan tangkapan layar, rancangan antarmuka, diagram, atau kondisi error langsung ke dalam tujuan dan rencana kerja, tanpa harus menjelaskan semuanya lewat teks.
Namun, ada batas yang perlu digarisbawahi: RC.8 menyediakan jalur transportasi dan orkestrasi gambar. Versi ini tidak otomatis memberi kemampuan pemahaman visual mandiri kepada model yang hanya mendukung teks. Interpretasi native tetap bergantung pada model atau backend yang dikonfigurasi. 8
9
Cakupan 14 pembaruan RC.8
Claude Code dan Codex hadir sebagai subagen yang bisa dipasang
Claude Code dan Codex kini dapat dipasang sebagai paket profil sesuai kebutuhan dalam sistem subagen. Codex juga memperoleh mode izin non-interaktif serta dukungan untuk beberapa instance bernama. Dengan begitu, beberapa subagen Codex dengan konfigurasi berbeda dapat dijalankan dalam satu alur kerja. 2
4
Terminal Windows mempertahankan status shell
Terminal PTY di Windows kini mendukung sesi PowerShell persisten. Fitur ini aktif secara default pada preset minimal, sehingga perintah-perintah berurutan tidak perlu membuat ulang status shell setiap kali dijalankan. 2
Eksekusi tool menjadi lebih tangguh
Rilis ini meningkatkan pemanggilan tool, termasuk eksekusi web_search secara bersamaan, membangunkan kembali tugas induk setelah subagen mengirimkan laporan, serta membuka browser lokal secara otomatis untuk dsh web. Performa fork pada sesi berukuran besar dan penyimpanan SQLite juga ditingkatkan. 2
4
Masalah gambar, streaming, dan gateway diperbaiki
RC.8 memperbaiki kegagalan permintaan yang berkaitan dengan satu gambar berukuran terlalu besar atau terlalu banyak gambar yang menumpuk dalam riwayat percakapan. Rilis ini juga mempertahankan awalan balasan ketika respons streaming dibatalkan lalu percakapan dilanjutkan atau di-fork.
Kompatibilitas dengan gateway yang mengikuti format OpenAI tetapi memiliki variasi implementasi turut diperbaiki, termasuk perbedaan format permintaan dan kondisi ketika konten inferensi tidak dikembalikan. 2
4
Secara keseluruhan, perubahan ini membuat RC.8 lebih dari sekadar fitur unggah gambar. Gambar dapat ikut dalam perencanaan, riwayat sesi, dan pekerjaan yang didelegasikan, sementara runtime menjadi lebih tahan terhadap sesi panjang dan alur kerja yang banyak menggunakan tool. 2
13
Bagaimana “visi lapisan tool” bekerja pada model teks murni?
Ketika model yang dipilih tidak menyatakan dukungan untuk input gambar, Harness dapat menggunakan tool untuk mengubah gambar menjadi bukti terstruktur dalam bentuk teks. Alur yang dilaporkan mencakup:
- teks OCR beserta koordinatnya;
- statistik rasio warna;
- pemindaian baris piksel tertentu;
- dimensi gambar; dan
- metadata mode warna.
1
Bukti tersebut kemudian diberikan kepada model teks untuk dianalisis. Artinya, model tidak menerima bidang visual asli seperti pada model visi native. Model hanya bernalar berdasarkan pengukuran dan deskripsi yang diekstrak—sebuah solusi yang berguna, tetapi tetap bersifat lossy dan tidak menangkap seluruh informasi visual.
Jenis gambar yang paling cocok
Pendekatan ini paling kuat untuk gambar yang memiliki struktur jelas dan informasinya dapat dipulihkan melalui OCR atau pemeriksaan piksel, seperti:
- tangkapan layar aplikasi dan antarmuka pengguna;
- tangkapan layar slide atau presentasi;
- diagram alur, flowchart, dan grafik sederhana;
- gambar kaya teks dengan tata letak jelas serta kontras tinggi.
Pada kasus-kasus tersebut, tugas biasanya bergantung pada teks yang terbaca, posisi elemen, batas area, warna dominan, atau perbedaan piksel tertentu.
Kapan model visi native tetap diperlukan?
Metode ini jauh lebih lemah untuk foto natural, pengenalan objek secara mendetail, penilaian gaya visual, konteks yang samar, serta hubungan spasial atau adegan yang kompleks. OCR dan statistik piksel yang diambil dari sebagian area tidak dapat merekonstruksi setiap detail yang diperlukan untuk tugas tersebut secara andal. 1
2
Aturan praktisnya sederhana: gunakan model visi native untuk benar-benar memahami isi gambar. Gunakan visi berbasis tool sebagai fallback ketika model utama hanya mendukung teks, atau untuk pekerjaan terarah seperti mengekstrak teks, memeriksa warna dominan, menemukan batas sederhana, dan memvalidasi perbedaan piksel pada antarmuka. Hasilnya tidak sebaiknya dianggap setara dengan penalaran visual native. 2
3
Plugin komunitas yang memperluas alur kerja gambar
Sebelum dukungan multimodal RC.8 hadir, komunitas sudah mengembangkan beberapa cara agar agen Harness berbasis teks dapat mengakses bukti visual. Opsi yang dilaporkan antara lain dsh-vision, dsh-vision-toolkit, dan modlens; sejumlah direktori plugin juga mencantumkan jembatan OCR lokal serta pseudo-vision. 10
23
Dua contoh menunjukkan variasi pendekatan tersebut:
- ModLens mengembalikan bukti terstruktur yang mencakup OCR, tata letak, entitas, dan hubungan antarelemen untuk model teks murni.
18
dsh-vision-toolkitditujukan untuk OCR tangkapan layar panjang, visual grounding, rekonstruksi antarmuka, dan perbandingan piksel.21
Plugin-plugin ini melengkapi, bukan menggantikan, jalur gambar native di RC.8. Model visi yang kompatibel dapat menerima gambar secara langsung; plugin dapat menyediakan OCR, analisis tata letak, pemeriksaan piksel, atau koneksi ke model eksternal; sedangkan model teks murni dapat bernalar berdasarkan bukti yang dihasilkan.
Pemisahan ini memberi pengembang pilihan yang lebih jelas: memakai persepsi native yang lebih kaya jika tersedia, atau menggunakan output tool yang lebih spesifik dan mudah diperiksa untuk tugas visual tertentu.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "DeepSeek Harness v0.1.0-rc.8: 14 Pembaruan yang Menjadikan Gambar Input Utama Agen"?
DeepSeek Harness v0.1.0 rc.8 dirilis pada 19 Agustus 2026 UTC, enam hari setelah peluncuran beta publik dan open source.
Apa poin penting yang harus divalidasi terlebih dahulu?
DeepSeek Harness v0.1.0 rc.8 dirilis pada 19 Agustus 2026 UTC, enam hari setelah peluncuran beta publik dan open source. Sebanyak 14 pembaruan mencakup input teks gambar di /goal dan /plan, referensi file serta sesi melalui menu @, subagen Claude Code dan Codex, sesi PowerShell persisten di Windows, peningkatan tool calling, serta sejum...
Apa yang harus saya lakukan selanjutnya dalam latihan?
Visi berbasis tool paling berguna untuk tangkapan layar, slide, diagram, dan gambar kaya teks.
Sumber
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