Câu trả lờiĐã xuất bản2 tháng trướcLast edited 2 tháng trước24 nguồn

DeepSeek Harness v0.1.0-rc.8: 14 thay đổi đưa hình ảnh thành đầu vào thực thụ của agent

DeepSeek Harness v0.1.0 rc.8 được phát hành ngày 19/8/2026, sáu ngày sau khi ra mắt beta công khai và mã nguồn mở; điểm nhấn là đưa hình ảnh vào luồng xử lý của agent, không phải tuyên bố mọi model DeepSeek đều đã có... Bản cập nhật gồm 14 thay đổi: hỗ trợ đầu vào kết hợp văn bản và hình ảnh cho /goal, /plan, tham c...

Đăng bởiBiên tập bằng GPT-5.6 LunaHình ảnh được tạo bằng GPT Image 1.5

Tìm kiếm và kiểm chứng sự thật với Studio Global AI Duyệt thêm trang xu hướng

Câu trả lời nghiên cứu

Bài học chính

DeepSeek Harness v0.1.0 rc.8 được phát hành ngày 19/8/2026, sáu ngày sau khi ra mắt beta công khai và mã nguồn mở; điểm nhấn là đưa hình ảnh vào luồng xử lý của agent, không phải tuyên bố mọi model DeepSeek đều đã có...
Bản cập nhật gồm 14 thay đổi: hỗ trợ đầu vào kết hợp văn bản và hình ảnh cho /goal, /plan, tham chiếu tệp và phiên làm việc qua menu @, tích hợp Claude Code và Codex, duy trì phiên PowerShell trên Windows cùng nhiều c...
Với model chỉ hiểu văn bản, Harness có thể dùng OCR, thống kê tỷ lệ màu, quét hàng điểm ảnh và siêu dữ liệu ảnh để tạo bằng chứng có cấu trúc; cách này phù hợp với ảnh chụp giao diện, slide và sơ đồ hơn là ảnh đời thự...

Abstract editorial illustration of DeepSeek Harness processing text, images, tools, and coding subagents — 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 betDeepSeek Harness RC.8 connects image input with planning, tools, and subagent workflows.
Prompt AI
Create 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
openai.com

DeepSeek Harness v0.1.0-rc.8 là một bản nâng cấp về điều phối và đầu vào, chứ chưa phải bằng chứng cho thấy mọi model DeepSeek đều có thể “nhìn” ảnh. Bản phát hành xuất hiện ngày 19/8/2026, sáu ngày sau khi dự án ra mắt beta công khai và mã nguồn mở; một số bài viết và thảo luận được đăng vào ngày 20–21/8. 9 16

Tổng cộng, RC.8 mang đến 14 thay đổi, trải rộng từ xử lý đa phương thức, agent con, terminal Windows đến gọi công cụ, lưu trữ và khả năng tương thích. 4

Thay đổi đáng chú ý nhất: hình ảnh đi vào vòng lặp của agent

RC.8 bổ sung một luồng gửi yêu cầu hình ảnh nguyên bản có thể cấu hình trong bộ điều hợp model DeepSeek. Nếu model hoặc backend được chọn hỗ trợ đầu vào hình ảnh, Harness có thể chuyển ảnh trực tiếp đến model thay vì coi tệp đính kèm là phần tách rời khỏi nhiệm vụ. 2 8

Khả năng này đã được đưa vào các lệnh lập kế hoạch cốt lõi:

/goal chấp nhận nội dung kết hợp văn bản và hình ảnh.
/plan chấp nhận nội dung kết hợp văn bản và hình ảnh.
Menu @ có thể gọi tệp cục bộ và các phiên làm việc trước đó trong quá trình xử lý. 2 12 15

Với quy trình lập trình bằng agent, thay đổi này khá thực tế. Người dùng có thể đưa ảnh chụp màn hình, bản phác thảo giao diện, sơ đồ hoặc trạng thái lỗi vào mục tiêu và kế hoạch, thay vì phải tự mô tả toàn bộ bằng lời.

Tuy nhiên, cần phân biệt rõ hai chuyện: RC.8 bổ sung đường truyền và cơ chế điều phối hình ảnh; nó không tự cấp khả năng hiểu thị giác độc lập cho một model chỉ xử lý văn bản. Việc ảnh có được phân tích trực tiếp hay không phụ thuộc vào model và backend được cấu hình. 8 9

14 cập nhật tập trung vào những gì?

Claude Code và Codex trở thành agent con có thể cài đặt

Claude Code và Codex có thể được cài dưới dạng các gói profile theo nhu cầu trong hệ thống agent con. Codex còn được bổ sung chế độ cấp quyền không tương tác và hỗ trợ nhiều instance có tên riêng, cho phép chạy các agent Codex được cấu hình độc lập trong cùng một quy trình. 2 4

Terminal Windows duy trì trạng thái shell

Terminal PTY trên Windows nay hỗ trợ các phiên PowerShell duy trì trạng thái. Tính năng này được bật mặc định trong preset tối giản, nhờ đó các lệnh liên tiếp không phải tạo lại trạng thái shell từ đầu sau mỗi lần chạy. 2

Gọi công cụ linh hoạt hơn

Bản phát hành cải thiện cơ chế gọi công cụ, trong đó có khả năng chạy đồng thời nhiều lệnh web_search, đánh thức tác vụ cha sau khi agent con gửi báo cáo và tự động mở trình duyệt cục bộ khi dùng dsh web. Hiệu năng của việc tách các phiên làm việc lớn và lưu trữ SQLite cũng được cải thiện. 2 4

Sửa lỗi liên quan đến ảnh, streaming và gateway

RC.8 xử lý các lỗi yêu cầu phát sinh khi một ảnh đơn lẻ quá lớn hoặc lịch sử hội thoại tích lũy quá nhiều ảnh. Bản cập nhật cũng giữ lại tiền tố câu trả lời khi phản hồi dạng streaming bị hủy rồi cuộc trò chuyện được tiếp tục hoặc tách nhánh.

Khả năng tương tác với gateway tùy chỉnh tương thích OpenAI cũng được cải thiện, đặc biệt trước sự khác biệt về định dạng yêu cầu và trường hợp gateway không trả về nội dung suy luận. 2 4

Nhìn tổng thể, đây không chỉ là tính năng “tải ảnh lên”. Ảnh có thể tham gia vào mục tiêu, kế hoạch, lịch sử phiên và công việc được giao cho agent con, trong khi runtime ổn định hơn khi xử lý các phiên dài hoặc sử dụng nhiều công cụ. 2 13

“Thị giác ở tầng công cụ” hoạt động thế nào với model chỉ hiểu văn bản?

Khi model được chọn không khai báo hỗ trợ đầu vào hình ảnh, Harness có thể dùng công cụ để chuyển ảnh thành bằng chứng dạng văn bản và dữ liệu có cấu trúc. Pipeline được đề cập gồm:

Văn bản OCR kèm tọa độ;
Thống kê tỷ lệ màu;
Quét một số hàng điểm ảnh được chọn;
Kích thước ảnh;
Siêu dữ liệu về chế độ màu. 1 2

Sau đó, model văn bản suy luận dựa trên các phép đo và mô tả đã trích xuất, thay vì tiếp nhận trực tiếp toàn bộ trường hình ảnh như một model thị giác nguyên bản. Đây là một phương án dự phòng hữu ích, nhưng thông tin chắc chắn bị mất mát.

Phù hợp nhất với loại ảnh nào?

Cơ chế này hiệu quả hơn với những hình ảnh có cấu trúc dễ trích xuất, chẳng hạn:

Ảnh chụp ứng dụng và giao diện người dùng;
Ảnh chụp slide hoặc bài thuyết trình;
Lưu đồ, sơ đồ và đồ họa đơn giản;
Ảnh nhiều chữ, bố cục rõ ràng, độ tương phản tốt. 2

Các tác vụ trên thường phụ thuộc vào chữ có thể đọc được, căn chỉnh, đường biên, màu sắc hoặc những tín hiệu mà OCR và việc kiểm tra điểm ảnh có thể ghi nhận.

Khi nào vẫn cần model thị giác nguyên bản?

Cách tiếp cận này yếu hơn đáng kể với ảnh chụp đời thực, nhận diện vật thể ở mức chi tiết, phân tích phong cách hình ảnh, ngữ cảnh tinh tế hoặc các mối quan hệ không gian và cảnh vật phức tạp. OCR cùng thống kê điểm ảnh lấy mẫu không thể tái tạo đáng tin cậy mọi chi tiết cần thiết cho những nhiệm vụ đó. 1 2

Quy tắc thực tế khá đơn giản: hãy dùng model thị giác nguyên bản cho các nhiệm vụ thực sự cần hiểu hình ảnh; dùng “thị giác ở tầng công cụ” để trích xuất bằng chứng có mục tiêu hoặc làm phương án dự phòng khi model chính chỉ xử lý văn bản.

Cơ chế này có thể hỗ trợ lấy chữ, kiểm tra màu chủ đạo, tìm đường biên đơn giản hoặc xác thực khác biệt ở cấp độ điểm ảnh giữa các giao diện. Tuy nhiên, không nên xem kết quả đó tương đương với năng lực suy luận thị giác trực tiếp. 2 3

Plugin cộng đồng mở rộng quy trình xử lý ảnh

Ngay trước khi RC.8 bổ sung đường dẫn ảnh nguyên bản, cộng đồng đã thử nghiệm nhiều cách để cung cấp bằng chứng thị giác cho agent Harness dùng model văn bản. Các lựa chọn được nhắc đến gồm dsh-vision, dsh-vision-toolkit và modlens; một số danh mục plugin cũng liệt kê các cầu nối OCR cục bộ và giải pháp “thị giác giả lập”. 10 23

Hai ví dụ cho thấy phạm vi thiết kế của các plugin này:

ModLens trả về bằng chứng có cấu trúc về OCR, bố cục, thực thể và mối quan hệ để model chỉ hiểu văn bản sử dụng. 18
dsh-vision-toolkit tập trung vào OCR ảnh chụp màn hình dài, định vị đối tượng trong ảnh, tái dựng giao diện và so sánh điểm ảnh. 18 21

Các plugin này bổ trợ, thay vì thay thế, đường dẫn ảnh nguyên bản của RC.8. Model có khả năng thị giác tương thích có thể nhận ảnh trực tiếp; plugin có thể cung cấp OCR, bố cục, điểm ảnh hoặc công cụ kết nối model bên ngoài theo mục tiêu chuyên biệt; còn model văn bản sẽ suy luận từ phần bằng chứng nhận được.

Sự tách biệt này giúp nhà phát triển lựa chọn giữa khả năng nhận thức nguyên bản phong phú hơn và dữ liệu công cụ có phạm vi hẹp nhưng dễ kiểm tra hơn.

Studio Global AI

Tiếp tục nghiên cứu của bạn

Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.

Tìm kiếm và kiểm chứng sự thật với Studio Global AI

Người ta cũng hỏi

Câu trả lời ngắn gọn cho "DeepSeek Harness v0.1.0-rc.8: 14 thay đổi đưa hình ảnh thành đầu vào thực thụ của agent" là gì?

Những điểm chính cần xác nhận đầu tiên là gì?

Tôi nên làm gì tiếp theo trong thực tế?

Với model chỉ hiểu văn bản, Harness có thể dùng OCR, thống kê tỷ lệ màu, quét hàng điểm ảnh và siêu dữ liệu ảnh để tạo bằng chứng có cấu trúc; cách này phù hợp với ảnh chụp giao diện, slide và sơ đồ hơn là ảnh đời thự...

Nguồn