AnswersPublished24 sources
DeepSeek Harness v0.1.0-rc.8: 14 zmian, które wprowadzają obrazy do pracy agentów
DeepSeek Harness v0.1.0 rc.8 opublikowano 19 sierpnia 2026 roku. Najważniejsza zmiana to ścieżka natywnego przesyłania obrazów do kompatybilnych modeli wizji — nie nowe zdolności każdego modelu tekstowego.
Opublikowane przezEdytowane za pomocą GPT-5.6 LunaObrazy wygenerowane za pomocą GPT Image 1.5
Research answer
Key takeaways
- DeepSeek Harness v0.1.0 rc.8 opublikowano 19 sierpnia 2026 roku. Najważniejsza zmiana to ścieżka natywnego przesyłania obrazów do kompatybilnych modeli wizji — nie nowe zdolności każdego modelu tekstowego.
- Wydanie obejmuje 14 zmian: obrazy w poleceniach /goal i /plan, odwołania do plików i sesji przez menu @, subagentów Claude Code i Codex, trwałe sesje PowerShell w Windows oraz usprawnienia narzędzi i kompatybilności.
- Tak zwane „widzenie na poziomie narzędzi” wykorzystuje OCR, statystyki kolorów i skanowanie pikseli.
AI Prompt
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 to przede wszystkim aktualizacja warstwy orkiestracji i obsługi wejścia, a nie dowód na to, że każdy model DeepSeek potrafi analizować obrazy. Wersję opublikowano 19 sierpnia 2026 roku — sześć dni po publicznej becie i udostępnieniu projektu jako open source. Część publikacji i dyskusji datowała informacje na 20–21 sierpnia. 9
16
W sumie wprowadzono 14 zmian obejmujących obrazy w przepływach pracy agentów, subagentów, terminal, wywoływanie narzędzi, przechowywanie sesji i kompatybilność. 4
Najważniejsza zmiana: obraz trafia do pętli agenta
RC.8 dodaje konfigurowalną ścieżkę natywnych żądań obrazowych w adapterze modeli DeepSeek. Jeśli wybrany model lub backend obsługuje obrazy, Harness może przekazać mu załącznik bezpośrednio, zamiast traktować go jako element niezależny od zadania. 2
8
Obsługa obrazów obejmuje również kluczowe polecenia planowania:
/goalprzyjmuje połączenie tekstu i obrazu;/planprzyjmuje połączenie tekstu i obrazu;- menu
@pozwala odwoływać się do lokalnych plików i wcześniejszych sesji.2
12
15
Dla agenta programistycznego oznacza to, że zrzut ekranu, makieta interfejsu, diagram czy widok błędu może stać się częścią celu i planu. Użytkownik nie musi za każdym razem opisywać obrazu słowami.
Kluczowe zastrzeżenie: RC.8 udostępnia transport obrazu i mechanizmy orkiestracji, ale nie dodaje automatycznie rozumienia obrazu modelowi, który jest wyłącznie tekstowy. Natywna interpretacja zależy od skonfigurowanego modelu lub kompatybilnego backendu. 8
9
Co obejmuje 14 zmian?
Claude Code i Codex jako instalowalne subagenty
Claude Code i Codex można instalować na żądanie jako profile w systemie subagentów. Codex otrzymał także tryb uprawnień nieinteraktywnych oraz obsługę wielu nazwanych instancji. Dzięki temu w jednym przepływie pracy mogą działać oddzielnie skonfigurowane subagenty Codex. 2
4
Trwały stan powłoki w terminalu Windows
Terminale PTY w systemie Windows zyskały trwałe sesje PowerShell. Funkcja jest domyślnie włączona w minimalnym profilu, więc kolejne polecenia nie muszą za każdym razem odtwarzać stanu powłoki. 2
Sprawniejsze wywoływanie narzędzi
Wydanie usprawnia obsługę narzędzi, między innymi równoległe wywoływanie web_search, wybudzanie zadania nadrzędnego po dostarczeniu raportu przez subagenta oraz automatyczne otwieranie lokalnej przeglądarki dla dsh web. Poprawiono również wydajność rozgałęziania dużych sesji i przechowywania danych w SQLite. 2
4
Obrazy, streaming i bramki zgodne z OpenAI
RC.8 naprawia błędy żądań wynikające z przesłania pojedynczego zbyt dużego obrazu lub zgromadzenia zbyt wielu obrazów w historii rozmowy. Zachowuje także prefiksy odpowiedzi, gdy strumieniowana odpowiedź zostanie anulowana, a rozmowa jest następnie kontynuowana lub rozgałęziana.
Poprawiono też współpracę z niestandardowymi bramkami zgodnymi z API OpenAI, między innymi w sytuacjach, gdy różnią się formatem żądań albo nie zwracają treści wnioskowania. 2
4
W praktyce jest to więc coś więcej niż funkcja „wgrywania obrazów”. Obrazy mogą uczestniczyć w planowaniu, historii sesji i pracy delegowanej subagentom, a środowisko lepiej radzi sobie z długimi sesjami oraz zadaniami intensywnie korzystającymi z narzędzi. 2
13
Jak działa „widzenie na poziomie narzędzi”?
Jeśli wybrany model nie deklaruje obsługi obrazów, Harness może wykorzystać narzędzia do zamiany obrazu na uporządkowane dane tekstowe. Opisywany potok obejmuje:
- tekst odczytany przez OCR wraz ze współrzędnymi;
- statystyki udziału poszczególnych kolorów;
- skanowanie wybranych wierszy pikseli;
- wymiary obrazu;
- metadane dotyczące trybu kolorów.
1
Dopiero tak przygotowane informacje trafiają do modelu tekstowego, który wnioskuje na podstawie pomiarów i wyekstrahowanych opisów. Nie otrzymuje on oryginalnego obrazu w taki sposób jak natywny model wizji. To użyteczny, ale stratny substytut.
W czym rozwiązanie radzi sobie najlepiej?
„Widzenie” przez narzędzia jest najbardziej przydatne w przypadku obrazów o czytelnej strukturze, takich jak:
- zrzuty ekranu aplikacji i interfejsów;
- zrzuty slajdów i prezentacji;
- schematy blokowe, diagramy i proste grafiki;
- obrazy zawierające dużo tekstu, z wyraźnym układem i dobrym kontrastem.
W takich zadaniach istotne bywają tekst, położenie elementów, granice obszarów, kolory lub inne sygnały, które OCR i punktowa analiza pikseli mogą częściowo uchwycić.
Kiedy nadal potrzebny jest natywny model wizji?
Metoda jest wyraźnie słabsza w przypadku naturalnych fotografii, rozpoznawania drobnych szczegółów obiektów, analizy stylu wizualnego, subtelnego kontekstu oraz złożonych relacji przestrzennych i scen. Sam OCR i próbki statystyk pikseli nie pozwalają wiarygodnie odtworzyć wszystkich informacji potrzebnych w takich zadaniach. 1
2
Praktyczna zasada jest prosta: do rzeczywistego rozumienia obrazu należy używać natywnego modelu wizji, a warstwę narzędziową traktować jako awaryjne rozwiązanie dla modelu tekstowego albo sposób na pozyskanie konkretnych danych. Może ona pomóc wyciągnąć tekst, sprawdzić dominujące kolory, znaleźć proste granice lub zweryfikować różnice między pikselami interfejsu, ale jej wyników nie należy utożsamiać z natywnym rozumowaniem wizualnym. 2
3
Wtyczki społecznościowe rozszerzające pracę z obrazami
Społeczność DeepSeek Harness już wcześniej rozwijała narzędzia, które dostarczały agentom tekstowym informacje wizualne. Wśród wymienianych projektów znajdują się dsh-vision, dsh-vision-toolkit i modlens, a katalogi wtyczek wskazują także lokalne mosty OCR oraz rozwiązania określane jako pseudo-wizja. 10
23
Dwa przykłady pokazują różne podejścia:
- ModLens zwraca uporządkowane dane dotyczące OCR, układu, encji i relacji, aby model tekstowy mógł na ich podstawie wnioskować.
18
dsh-vision-toolkitkoncentruje się na OCR długich zrzutów ekranu, ugruntowaniu elementów na obrazie, odtwarzaniu interfejsów oraz porównywaniu pikseli.21
Wtyczki te uzupełniają natywną ścieżkę obrazową RC.8, zamiast ją zastępować. Kompatybilny model wizji może otrzymać obraz bezpośrednio, wtyczka może dostarczyć wyspecjalizowane narzędzia OCR, analizy układu lub pikseli, a model tekstowy może rozumować na podstawie uzyskanych danych.
Taki podział pozwala wybrać między bogatszą percepcją natywną a bardziej ukierunkowanym i łatwiejszym do skontrolowania wynikiem narzędziowym.
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 Harness v0.1.0-rc.8: 14 zmian, które wprowadzają obrazy do pracy agentów"?
DeepSeek Harness v0.1.0 rc.8 opublikowano 19 sierpnia 2026 roku. Najważniejsza zmiana to ścieżka natywnego przesyłania obrazów do kompatybilnych modeli wizji — nie nowe zdolności każdego modelu tekstowego.
What are the key points to validate first?
DeepSeek Harness v0.1.0 rc.8 opublikowano 19 sierpnia 2026 roku. Najważniejsza zmiana to ścieżka natywnego przesyłania obrazów do kompatybilnych modeli wizji — nie nowe zdolności każdego modelu tekstowego. Wydanie obejmuje 14 zmian: obrazy w poleceniach /goal i /plan, odwołania do plików i sesji przez menu @, subagentów Claude Code i Codex, trwałe sesje PowerShell w Windows oraz usprawnienia narzędzi i kompatybilności.
What should I do next in practice?
Tak zwane „widzenie na poziomie narzędzi” wykorzystuje OCR, statystyki kolorów i skanowanie pikseli.
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