DeepSeek刚入股宇树，Harness负责人崔添翼就吐槽IPO材料「吹过头」
相关推荐
网传DeepSeek Harness本周开启内测，对标Claude Code
BlockBeats 消息，7 月 28 日，据 Max For AI 爆料，名为「Harness」的 DeepSeek 版 Claude Code 即将开始内测。社群疯传的内测招募截图显示，DeepSeek Harness 计划于本周晚些时候开启内测，首批用户将从小范围群聊中筛选。入选者需要提交个人资料、签署《保密承诺函》，并获得产品访问权限。 更值得注意的是，图里还明确提醒：一旦泄密，不仅会被取消资格，还会影响之后 DeepSeek 各类模型、产品内测以及合作机会的入选。如果消息属实，V4 正式版和 Harness 将很快公布。 动察 Beating 稍早前报道，DeepSeek V4 正式版（V4 GA）可能推迟到 8 月中旬发布。Harness 封闭测试结束后约 1 至 2 周会开放 V4，发布时间可能在 8 月 10 日至 20 日之间。如果消息属实，DeepSeek V4 上线时可能会面对更强竞争。届时 GPT-6、Claude Fable 5.1、GLM-5.5 等下一代模型可能已经进入市场。 点击下方原文链接，加入动察 Beating · 飞书 AI 新闻渠道，7×24 小时不间断监测全球 AI 热点与新闻。
DeepSeek版Claude Code即将上线，Harness将与V4正式版同步发布
据动察 Beating 监测，网友提供的群聊截图显示，DeepSeek Harness 团队计划把首款 Harness 产品与 V4 正式版一同发布。它是一款代码智能体产品，内部对标 Claude Code，负责让模型读写文件、调用工具、执行命令，并持续完成工程任务。 DeepSeek 此前宣布，V4 正式版计划于 7 月中旬上线，并同步启用峰谷定价。现在已是 7 月 20 日，原定时间窗口已经过去。如果计划没有再次调整，V4 和 Harness 都已进入发布倒计时。 DeepSeek 过去主要让开发者把 V4 接入 Claude Code、OpenCode 等第三方工具，这次终于要自己下场抢代码 Agent 的产品入口。
DeepSeek版Claude Code越来越近，Harness团队开通官方公众号
据动察 Beating 监测，DeepSeek Harness 团队已经开通独立微信公众号，并获得企业认证。此前这个团队主要通过招聘信息和成员个人账号对外露面。 Harness 是模型外的 Agent 执行层，负责上下文、工具调用和任务执行。DeepSeek 7 月 31 日发布 V4-Flash 正式版时，已经用 DeepSeek Harness 极简模式跑公开 Code Agent 基准，并标注「即将发布」。 团队近期也开始公开招募 Harness 内测用户，申请者需要有相关开源项目经历，并提交 GitHub ID 和代表作。
千问27B打到Opus4.6门口：Muse Glimmer 8项全败
据动察 Beating 监测，千问正式开源 Qwen3.8-27B，官方跑分也一起公布。这个只有 27B 参数的本地模型，在官方列出的 8 项可直接对比测试中，全部超过 Meta 刚发布的 30B 模型 Muse Glimmer。 差距在 Agent 和编程上尤其明显。Terminal-Bench 2.1，Qwen3.8-27B 得分 73.0，Muse Glimmer 为 51.7；SWE-bench Pro 是 61.7 对 51.2；OSWorld-Verified 则是 84.3 对 65.9。通用推理、文档和视觉测试也全部领先。 更夸张的是和 Claude Opus 4.6 对比。两边都有成绩的 19 项测试中，Qwen3.8-27B 赢了 15 项。SWE-bench Pro、LiveCodeBench、OSWorld、AndroidWorld 和多项视觉任务都已经反超；Terminal-Bench、GPQA、HLE 和 NL2Repo 仍落后。 一个能在个人电脑本地跑的 27B 模型，官方跑分已经摸到了上一代闭源旗舰的水平。
DeepSeek Harness正式上线：首款Agent产品，整个Agent可实现自行组装
据 动察 Beating 监测，DeepSeek 正式上线首款 Agent 产品 DeepSeek Harness，软件包已经发布至 npm。此前 V4-Flash 的公开 Code Agent 评测，用的就是 Harness 内置的极简模式。 它不只是一款类似 Codex 的 Coding Agent。Harness 支持管理项目、长任务、多 Agent、Skill、联网搜索和上下文管理，还允许用户创建不同的「Agent 预设」。写代码、研究、写作等任务，可以配置不同的工具、提示词和工作方式。 更特别的是插件系统。DeepSeek 把「Everything is a plugin」作为核心设计，模型、工具、提示词、存储、上下文甚至界面都能通过插件替换或组合。内测用户已经做出了长期记忆、界面修改等插件。 简单说，Codex 更像一个做好的 Agent，DeepSeek Harness 更像一套组装 Agent 的运行时。用户不只是在选模型，也可以自己决定 Agent 用什么工具、遵守什么规则、怎么工作。
最会卖货也最不对齐：Claude Opus 5登顶售货机AI评测，却屡屡串通、威胁、撕毁协议
据 动察 Beating 监测，AI 评测机构 Andon Labs 让模型拿着 500 美元本金，在模拟环境中经营一台售货机 365 天。Claude Opus 5 五次测试的期末余额平均为 1.12 万美元，超过 Claude Opus 4.7 和 GPT-5.6 Sol，升至 Vending-Bench 2 第一。 在多人竞争版中，Opus 5 以约 7000 美元排名第二，与第一名 GPT-5.6 Sol 的约 7400 美元相差不大。六次测试里，它每次都提出或参与串通定价。它还编造竞争对手报价、威胁同行，并累计撕毁 11 次停战协议。 Opus 5 的退款批准率最终降至 10%，六次测试合计只退了 8.54 美元。GPT-5.6 Sol 退了 655 美元，依然赢下多人赛。 Andon Labs 认为，Opus 5 再次出现「越会赚钱，行为越不对齐」的问题。Anthropic 自己的发布前审计却称，它是历来最对齐的 Claude。