AnswersPublished18 sources
DeepSeek V4 Pro dan Harness: Mengapa Runtime Ejen Mungkin Lebih Penting daripada Model
DeepSeek mengumumkan V4 Pro bersama Harness v0.1, pratonton pembangun berlesen MIT dan bukannya produk ejen pengekodan yang sudah matang. Harness menjadikan runtime ejen sebagai infrastruktur modular: model, alat, sesi, storan, gelung ejen, penjadualan, sandbox dan antara muka boleh diganti melalui plugin Cordis.
Diterbitkan olehDisunting dengan GPT-5.6 LunaImej dijana dengan GPT Image 1.5
Research answer
Key takeaways
- DeepSeek mengumumkan V4 Pro bersama Harness v0.1, pratonton pembangun berlesen MIT dan bukannya produk ejen pengekodan yang sudah matang.
- Harness menjadikan runtime ejen sebagai infrastruktur modular: model, alat, sesi, storan, gelung ejen, penjadualan, sandbox dan antara muka boleh diganti melalui plugin Cordis.
- Ujian Composio mendapati model DeepSeek V4 Flash yang sama berjaya menyelesaikan antara 14 hingga 20 daripada 30 tugasan, bergantung pada harness yang digunakan.
- Log sesi append only serta ciri Trajectory boleh menyokong penyahpepijatan, penilaian yang boleh diulang dan pembangunan AI berbantu AI, tetapi bukan bukti bahawa pembelajaran kendiri berterusan sudah diselesaikan.
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
Pada 13 Ogos 2026, DeepSeek mengumumkan dua perkara yang berada pada lapisan berbeza dalam timbunan AI: DeepSeek V4 Pro, model rasmi yang diposisikan untuk beban kerja berasaskan ejen, dan DeepSeek Harness v0.1, pratonton pembangun berlesen MIT untuk membina serta mengubah suai runtime ejen. 32
20
Mesej strategiknya lebih besar daripada sekadar pelancaran model baharu. Dalam aliran kerja ejen sebenar, model beroperasi dalam satu sistem yang menyediakan konteks, alat, memori, dasar pelaksanaan, logik pemulihan dan kaedah penilaian. Ujian Composio menunjukkan bahawa sistem di sekeliling model ini boleh mengubah kadar kejayaan dan kos dengan ketara—walaupun model asasnya kekal sama. 3
Dua pengumuman DeepSeek pada 13 Ogos
DeepSeek melancarkan V4 Pro versi rasmi serentak dengan Harness v0.1. Harness diedarkan sebagai dsh dan ditujukan kepada pembangun yang membina harness ejen, bukannya sebagai pengganti pengguna akhir yang sudah matang untuk produk seperti Claude Code atau Codex. 32
20
Pilihan lesen itu penting. Dengan menerbitkan pratonton pembangun di bawah lesen MIT yang permisif, DeepSeek membuka runtime tersebut untuk diperiksa, diubah suai dan dikembangkan. Dokumentasi projek pula menerangkan seni bina yang tidak bergantung pada satu model tertentu, membolehkan pembangun menggunakan pelbagai penyedia model tanpa terikat kepada satu pilihan sahaja. 22
28
Mengapa keputusan Composio menjadikan Harness relevan
Composio menjalankan model DeepSeek V4 Flash yang sama melalui lapan harness ejen untuk 30 tugasan berbilang langkah. Daripada 240 percubaan, 129 berjaya, bersamaan kadar kejayaan keseluruhan 53.8 peratus. Hanya enam daripada 30 aliran kerja berjaya diselesaikan oleh semua harness yang diuji. 3
Perbezaan antara harness adalah ketara:
- Pi Agent menyelesaikan 20 daripada 30 tugasan.
- Oh My Pi menyelesaikan 17 daripada 30.
- Claude Code, Codex dan DeepAgents masing-masing menyelesaikan 16 daripada 30.
- Hermes Agent menyelesaikan 15 daripada 30.
- OpenCode menyelesaikan 14 daripada 30.
Dari segi ekonomi, Composio menganggarkan kos bagi setiap tugasan yang berjaya pada sekitar AS$0.195 untuk Claude Code, AS$0.081 untuk Codex dan AS$0.045 untuk DeepAgents. Pi Agent pula dilaporkan sekitar AS$0.028, walaupun angka ini perlu dibaca bersama metodologi kajian serta perbezaan cara setiap runtime beroperasi. 3
Ini bukan ranking mutlak semua produk ejen. Namun, ia memberikan satu kesimpulan penting: penanda aras model sahaja tidak cukup untuk menerangkan prestasi ejen. Unit perbandingan yang semakin relevan ialah konfigurasi model bersama harness.
Apa yang cuba dilakukan oleh DeepSeek Harness
Harness dibina di atas Cordis, iaitu rangka kerja yang mendedahkan keupayaan runtime melalui plugin. Dokumentasi seni bina DeepSeek menyatakan bahawa penyesuai model, daftar alat, log sesi dan gelung ejen semuanya boleh diganti. 17
Antara sempadan plugin lain yang dilaporkan termasuk:
- penyesuai model dan penyedia;
- alat dan kemahiran;
- sesi dan storan;
- sandbox serta persekitaran pelaksanaan;
- penjadualan dan penyelarasan subejen;
- gelung ejen; dan
- antara muka pengguna.
Reka bentuk ini memisahkan model bahasa daripada jentera yang mengubah sesuatu jawapan menjadi proses ejen yang berterusan. Pembangun boleh mengubah cara ejen mengumpulkan konteks, memanggil alat, menyimpan keadaan, mencuba semula selepas kegagalan atau memaparkan hasil kerja tanpa menulis semula keseluruhan runtime. 17
20
Justeru, ungkapan “segala-galanya ialah plugin” bukan sekadar perincian teknikal. Ia meletakkan lapisan harness—lapisan antara model dengan persekitaran kerja—di tengah-tengah eksperimen pembangunan ejen.
Sesi yang boleh dijejaki memudahkan penambahbaikan
DeepSeek berkata Harness merekod perkara yang dilihat dan dilakukan oleh model dalam log sesi append-only, termasuk arahan sistem, penaakulan, panggilan serta keputusan alat, penjadualan subejen dan suntikan konteks. Paparan Trajectory membolehkan aliran peristiwa itu diperiksa, manakala fungsi sambung semula, fork, carian dan main balik menggunakan rekod yang sama. 22
Bagi pembangun, ciri ini membawa beberapa manfaat:
- Mudah dinyahpepijat: kegagalan boleh diteliti sebagai urutan perubahan konteks dan tindakan, bukan sekadar melalui jawapan akhir.
- Boleh diulang: aliran kerja boleh dimainkan semula atau dipulihkan untuk dibandingkan selepas prompt, alat atau plugin diubah.
- Eksperimen bercabang: pembangun boleh membuat fork terhadap sesuatu trajektori dan menguji strategi alternatif tanpa memadamkan percubaan asal.
- Bahan penilaian: trajektori yang berjaya dan gagal boleh digunakan untuk menguji alat, prompt, dasar atau gelung ejen baharu.
Keupayaan ini boleh menyokong kitaran penambahbaikan berterusan: jalankan tugasan, periksa trajektori, kenal pasti kegagalan, ubah plugin, jalankan semula dan simpan hasilnya. Namun, sistem yang merekod serta memainkan semula trajektori tidak semestinya sistem yang belajar sendiri. Bukti yang ada lebih menyokong Harness sebagai asas pembangunan yang boleh diaudit dan diulang—bukan bukti bahawa peningkatan autonomi yang boleh dipercayai telah dicapai. 22
Memori dan evolusi kendiri masih memerlukan penjelasan
Ekosistem Harness turut merangkumi projek pihak ketiga yang mengiklankan memori merentas sesi dan evolusi kendiri di latar belakang. 18
19
Projek-projek ini menunjukkan bahawa seni bina plugin boleh menampung memori berterusan, sejarah projek, semakan kendiri dan pengurusan kemahiran. Namun, ia tidak membuktikan bahawa keluaran asas v0.1 secara selamat atau umum boleh melakukan penambahbaikan kendiri berterusan. Perbezaan antara plugin pilihan, integrasi eksperimen dan keupayaan teras produk perlu dikekalkan.
Untuk kegunaan produksi, organisasi masih perlu menilai tempoh penyimpanan data, kebenaran akses, pengasingan sandbox, pengendalian kelayakan, proses rollback dan risiko sistem automatik mengubah alat atau prosedurnya sendiri.
Pertaruhan strategik: menguasai pintu masuk pembangun
DeepSeek boleh bersaing pada lapisan model melalui V4 Pro dan V4 Flash. Harness memberikannya ruang untuk bersaing pada lapisan tempat pembangun menentukan cara model digunakan.
Lapisan itu mengawal:
- model yang dipilih;
- cara konteks disusun dan diringkaskan;
- alat serta kebenaran yang tersedia;
- cara tugasan jangka panjang disambung semula;
- cara kegagalan dikesan dan dipulihkan;
- cara trajektori dinilai; dan
- plugin yang menjadi sebahagian daripada aliran kerja ejen.
Dengan membuka runtime, DeepSeek menggalakkan pembangun luar menghasilkan penyesuai, alat, memori dan corak aliran kerja yang berasaskan seni binanya. Pada masa sama, DeepSeek boleh kekal berpengaruh di pintu masuk pembangun walaupun runtime itu menyokong pelbagai penyedia model. Kedudukan ini berpotensi lebih tahan lama berbanding persaingan yang hanya bergantung pada berat model atau harga API.
Pendekatan tersebut juga membuka laluan kepada pembangunan AI berbantu AI. Ejen boleh membantu menghasilkan plugin, memeriksa trajektori yang gagal, mencadangkan perubahan, menjalankan penilaian dan menyimpan susur galur eksperimen. Namun, perkara ini lebih tepat difahami sebagai infrastruktur untuk gelung kejuruteraan dan maklum balas—bukan bukti bahawa ejen yang boleh memperbaiki dirinya sendiri sudah siap digunakan.
Mengapa label v0.1 penting
Status pratonton pembangun Harness adalah sebahagian penting daripada cara pelancaran ini perlu difahami. Ia merupakan jemputan untuk bereksperimen dan membangunkan projek bersama komuniti, tetapi turut bermakna API, integrasi, kawalan keselamatan dan tingkah laku operasi masih boleh berubah. 20
Oleh itu, pembangun wajar menilai Harness sebagai rangka kerja terbuka dan platform penyelidikan, bukannya menganggapnya sudah menawarkan kebolehpercayaan, kemasan atau perlindungan seperti produk ejen pengekodan yang matang.
Kesimpulan
Pengumuman DeepSeek pada 13 Ogos menghubungkan pelancaran model dengan strategi infrastruktur. V4 Pro menyediakan model utama, manakala Harness mendedahkan runtime yang menentukan cara model bekerja dengan alat, konteks, memori dan tugasan jangka panjang. 32
20
Keputusan Composio menjelaskan mengapa perbezaan ini penting: model V4 Flash yang sama menyelesaikan antara 14 hingga 20 tugasan yang diuji bergantung pada harness, sementara kos yang dilaporkan turut berubah dengan ketara. 3 Seni bina plugin dan trajektori yang boleh dijejaki memberikan DeepSeek asas yang munasabah untuk eksperimen, penilaian dan kejuruteraan berbantu AI. Ia belum membuktikan pembelajaran berterusan yang boleh dipercayai, tetapi berpotensi menjadikan lapisan harness sebagai medan persaingan utama dalam fasa seterusnya pembangunan ejen.
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 dan Harness: Mengapa Runtime Ejen Mungkin Lebih Penting daripada Model"?
DeepSeek mengumumkan V4 Pro bersama Harness v0.1, pratonton pembangun berlesen MIT dan bukannya produk ejen pengekodan yang sudah matang.
What are the key points to validate first?
DeepSeek mengumumkan V4 Pro bersama Harness v0.1, pratonton pembangun berlesen MIT dan bukannya produk ejen pengekodan yang sudah matang. Harness menjadikan runtime ejen sebagai infrastruktur modular: model, alat, sesi, storan, gelung ejen, penjadualan, sandbox dan antara muka boleh diganti melalui plugin Cordis.
What should I do next in practice?
Ujian Composio mendapati model DeepSeek V4 Flash yang sama berjaya menyelesaikan antara 14 hingga 20 daripada 30 tugasan, bergantung pada harness yang digunakan.