RespostasPublicado24 fontes
DeepSeek Harness RC.8 coloca imagens no fluxo de agentes — mas não dá visão a modelos só de texto
O DeepSeek Harness v0.1.0 rc.8 foi publicado em 19 de agosto de 2026. A principal novidade é o caminho para enviar imagens a modelos ou backends compatíveis — não uma prova de que todos os modelos DeepSeek passaram a...
Publicado porEditado com GPT-5.6 LunaImagens geradas com GPT Image 1.5
Resposta de pesquisa
Principais conclusões
- O DeepSeek Harness v0.1.0 rc.8 foi publicado em 19 de agosto de 2026. A principal novidade é o caminho para enviar imagens a modelos ou backends compatíveis — não uma prova de que todos os modelos DeepSeek passaram a...
- A atualização reúne 14 mudanças: entrada de texto e imagem em /goal e /plan, referências a arquivos e sessões pelo menu @, subagentes Claude Code e Codex, sessões persistentes do PowerShell no Windows e correções de e...
- Para modelos apenas de texto, OCR, estatísticas de cores, varredura de pixels e metadados transformam imagens em evidências estruturadas.
Prompt de IA
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
A versão v0.1.0-rc.8 do DeepSeek Harness é principalmente uma atualização de orquestração e entrada de dados — e não a confirmação de que todos os modelos DeepSeek ganharam capacidade de enxergar. O lançamento ocorreu em 19 de agosto de 2026, seis dias depois da chegada da versão beta pública e do código aberto; parte da cobertura publicou a notícia ou discutiu a atualização em 20 e 21 de agosto. 9
16
Ao todo, a versão traz 14 mudanças. Elas colocam imagens no centro dos fluxos de agentes e também aprimoram subagentes, terminais, execução de ferramentas, armazenamento e compatibilidade. 4
A principal novidade: imagens entram no ciclo do agente
O RC.8 adiciona ao adaptador de modelos DeepSeek um caminho configurável para requisições nativas de imagem. Quando o modelo selecionado ou o backend utilizado aceita imagens, o Harness pode encaminhar o arquivo diretamente, em vez de mantê-lo separado da tarefa. 2
8
O suporte chega a comandos importantes do planejamento:
/goalaceita entradas combinando texto e imagem;/plantambém aceita texto e imagem;- o menu
@pode referenciar arquivos locais e sessões anteriores durante a execução.2
12
15
Na prática, uma captura de tela, um esboço de interface, um diagrama ou uma mensagem de erro visual pode fazer parte do objetivo e do plano do agente. O usuário não precisa necessariamente descrever tudo por escrito antes de começar.
Há, porém, uma ressalva importante: o RC.8 cria o caminho de transporte e orquestração para imagens, mas não dá entendimento visual independente a um modelo que só trabalha com texto. A interpretação nativa depende do modelo configurado ou de um backend compatível. 8
9
O que está incluído nas 14 mudanças
Claude Code e Codex viram subagentes instaláveis
Claude Code e Codex podem ser instalados sob demanda como pacotes de perfil dentro do sistema de subagentes. O Codex também passa a oferecer um modo de permissões não interativo e suporte a várias instâncias nomeadas. Assim, é possível executar subagentes Codex com configurações separadas em um mesmo fluxo. 2
4
Terminais do Windows preservam o estado do shell
Os terminais PTY do Windows ganham sessões persistentes do PowerShell. O comportamento vem ativado por padrão no preset mínimo, evitando que comandos sucessivos precisem recriar o estado do shell a cada execução. 2
Execução de ferramentas fica mais robusta
A atualização melhora as chamadas de ferramentas, incluindo a execução concorrente de web_search, a reativação da tarefa principal depois que um subagente entrega um relatório e a abertura automática de um navegador local para dsh web. Também há ganhos de desempenho em ramificações de sessões grandes e no armazenamento SQLite. 2
4
Imagens, streaming e gateways recebem correções
O RC.8 corrige falhas de requisição provocadas por uma única imagem grande demais ou pelo acúmulo de imagens no histórico de conversas. A versão também preserva prefixos de resposta quando um retorno em streaming é cancelado e a conversa é continuada ou ramificada.
A interoperabilidade com gateways personalizados compatíveis com a API da OpenAI foi aprimorada para lidar com diferenças no formato das requisições e com respostas que não retornam o conteúdo de inferência esperado. 2
4
Em conjunto, as mudanças fazem do lançamento algo maior que uma simples função de upload: as imagens podem participar do planejamento, do histórico da sessão e do trabalho delegado a subagentes, enquanto o ambiente se torna mais resistente em sessões longas ou cheias de ferramentas. 2
13
Como funciona a “visão na camada de ferramentas”
Quando o modelo selecionado não declara suporte a entradas de imagem, o Harness pode recorrer a ferramentas para converter a imagem em evidências estruturadas em texto. O fluxo relatado inclui:
- texto extraído por OCR e suas coordenadas;
- estatísticas de proporção de cores;
- varreduras de linhas específicas de pixels;
- dimensões da imagem;
- metadados do modo de cor.
1
Essas informações são então entregues ao modelo de texto, que raciocina sobre medições e descrições extraídas — não sobre o campo visual original da mesma forma que um modelo nativamente multimodal faria.
Por isso, trata-se de um recurso útil, mas com perdas. O modelo recebe indícios estruturados e tenta reconstruir o que é relevante para a tarefa; ele não passa a ter, automaticamente, a mesma percepção visual de um modelo treinado para receber imagens.
Onde esse recurso funciona melhor
A chamada visão na camada de ferramentas tende a ser mais útil em imagens com estrutura recuperável, como:
- capturas de telas de aplicativos e interfaces;
- imagens de slides e apresentações;
- fluxogramas, diagramas e gráficos simples;
- imagens com muito texto, layout claro e bom contraste.
Nesses casos, OCR, alinhamento, limites, cores e outros sinais objetivos podem ser capturados por ferramentas específicas.
Onde a visão nativa continua sendo necessária
A abordagem é consideravelmente mais fraca para fotografias, reconhecimento detalhado de objetos, estilo visual, contexto sutil e relações espaciais ou de cena complexas. OCR e estatísticas de pixels amostrados não conseguem reconstruir com confiabilidade todos os detalhes necessários nessas tarefas. 1
2
A regra prática é simples: use um modelo com visão nativa quando a tarefa exigir compreensão genuína da imagem. Reserve a camada de ferramentas para extrair texto, verificar cores predominantes, localizar limites simples, conferir diferenças de pixels em uma interface ou servir como alternativa quando o modelo principal for apenas textual. O resultado não deve ser tratado como equivalente ao raciocínio visual nativo. 2
3
Plugins da comunidade ampliam os fluxos com imagens
Antes mesmo da atualização multimodal, a comunidade já explorava maneiras de fornecer evidências visuais a agentes de texto do Harness. Entre as opções mencionadas estão dsh-vision, dsh-vision-toolkit e modlens; diretórios de plugins também listam pontes locais de OCR e soluções de pseudo visão. 10
23
Dois exemplos mostram como essas ferramentas se diferenciam:
- ModLens retorna evidências estruturadas sobre OCR, layout, entidades e relações para modelos apenas de texto.
18
dsh-vision-toolkité voltado a OCR de capturas de tela longas, localização visual, reconstrução de interfaces e comparação de pixels.21
Esses plugins complementam, em vez de substituir, o caminho nativo de imagens do RC.8. Um modelo de visão compatível pode receber o arquivo diretamente; um plugin pode oferecer OCR, análise de layout, inspeção de pixels ou conexão com modelos externos; e um modelo apenas de texto pode raciocinar sobre as evidências produzidas.
Essa separação dá aos desenvolvedores uma escolha entre percepção nativa mais ampla e resultados de ferramentas mais específicos e fáceis de inspecionar.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "DeepSeek Harness RC.8 coloca imagens no fluxo de agentes — mas não dá visão a modelos só de texto"?
O DeepSeek Harness v0.1.0 rc.8 foi publicado em 19 de agosto de 2026. A principal novidade é o caminho para enviar imagens a modelos ou backends compatíveis — não uma prova de que todos os modelos DeepSeek passaram a...
Quais são os pontos-chave para validar primeiro?
O DeepSeek Harness v0.1.0 rc.8 foi publicado em 19 de agosto de 2026. A principal novidade é o caminho para enviar imagens a modelos ou backends compatíveis — não uma prova de que todos os modelos DeepSeek passaram a... A atualização reúne 14 mudanças: entrada de texto e imagem em /goal e /plan, referências a arquivos e sessões pelo menu @, subagentes Claude Code e Codex, sessões persistentes do PowerShell no Windows e correções de e...
O que devo fazer a seguir na prática?
Para modelos apenas de texto, OCR, estatísticas de cores, varredura de pixels e metadados transformam imagens em evidências estruturadas.
Fontes
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