DeepSeek开始模型和Agent一起训：V4.1 Flash为Harness专项优化
相关推荐
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。
DeepSeek V4 Pro跑5套Harness：Pi成功率第一，DSH最省钱
动察 Beating AI 快讯，Agent 工具公司 Composio 把同一个 DeepSeek V4 Pro 0813 分别放进 Pi Agent、DeepSeek Harness 0.1、Claude Code、OpenCode 和 Hermes Agent，统一开到 max reasoning，跑了 30 个多步骤 Agent 任务。 通过率： 1. Pi Agent：21/30 2. DeepSeek Harness：20/30 3. Claude Code：19/30 4. OpenCode：19/30 5. Hermes Agent：18/30 30 道题里，15 道五家全过，7 道五家全挂。剩下 8 道只换了 Harness，结果就会翻转。 速度排名： 1. Claude Code：181.8 秒 2. DeepSeek Harness：252.1 秒 3. Hermes Agent：273.6 秒 4. OpenCode：280.6 秒 5. Pi Agent：362.9 秒 单次成功成本： 1. DeepSeek Harness：0.028 美元 2. Pi Agent：0.031 美元 3. OpenCode：0.032 美元 4. Hermes Agent：0.037 美元 5. Claude Code：0.074 美元 Pi 通过率最高，DeepSeek 官方 Harness 最省钱，Claude Code 最快但最贵。 Composio 此前用 DeepSeek V4 Flash 做过同类测试，当时 Pi 同样拿到最高通过率。
DeepSeek-V4-Pro被曝「一个API三个模型」？社区测试揭示背后或是Agent环境差异
BlockBeats 消息，8 月 15 日，近日 AI 社区热议 DeepSeek-V4-Pro 疑似存在多个版本。有用户发现，同样调用 deepseek-v4-pro 接口，在更换 IP 或重新创建会话后，模型会出现三种不同的「推理风格」： 一类频繁以「Let me」开头，接近此前 V4 Pro Preview；一类常出现「The user wants me」，类似 V4 Flash；另一类大量使用「we」，被部分用户称为能力更强的「神版 V4 Pro」。 由于同一会话一旦进入某种模式后，后续表现通常保持稳定，社区一度猜测 DeepSeek 是否在 API 背后隐藏了多个模型，并通过路由机制分发。不过，进一步分析 DeepSeek Harness 源码后，出现了另一种解释：差异可能并非来自不同模型权重，而是来自 Agent 运行环境。 社区发现，8 月 10 日，DeepSeek Harness 官方仓库更新了一条关键 commit： 「fix(preset): align minimal agent with RL composition」 该更新旨在让 Minimal Agent 与强化学习（RL）训练时使用的 Agent 环境保持一致。 官方文档显示，Minimal preset 包含极简 system prompt、persistent Bash 环境、指定编辑工具、RL 训练使用的 compaction policy，并移除了额外身份提示、Web 提示及工具说明。 这意味着，DSH Minimal 可能并不是 Standard 版本的「阉割版」，而是在模拟模型训练阶段真实接触的 Agent 环境。 社区测试也支持这一观点。同一个 DeepSeek V4 Pro 在不同 Harness 环境下表现： DSH Standard：91 分； DSH PTC：92 分； DSH Minimal：99/96 分。 随后，测试者开发「Anchored Standard」插件：首次请求模拟 Minimal 环境，只开放 shell 和 read 工具，完成首次工具调用后再恢复 Standard 完整工具集，结果连续获得 98/99 分。 测试者认为，决定 V4 Pro Agent 能力发挥的关键，可能并非最终拥有多少工具，而是模型首次看到的：System Prompt + Tool Schema + Agent
DeepSeek V4.1 Flash第三方实测：没夺回国模第一，但成本只有Kimi、GLM七分之一
动察 Beating AI 快讯，Artificial Analysis 完成 DeepSeek V4.1 Flash 独立测试，综合智能指数拿到 40 分。它已经超过自家 V4 Pro 0813 的 36 分，但仍低于 Kimi K3 的 44 分和 GLM-5.3 的 45 分。按这套第三方榜单，DeepSeek 还没夺回国产模型第一。 但价格差距非常夸张。V4.1 Flash 跑完一个 Intelligence Index 任务平均只花 0.27 美元，Kimi K3 和 GLM-5.3 都在 2 美元左右，相差约 7 倍。输出速度达到 197 Token/s，也远高于 Kimi K3 的约 36 Token/s 和 GLM-5.3 的约 58 Token/s。 Agent 依然是它最强的部分。AutomationBench-AA 上，V4.1 Flash 拿到 69%，追平 GPT-6 Astra，并超过 GLM-5.3 的 62%；长上下文测试 AA-LCR 也拿到 84%。缺点是它特别能说，AA 测试中单任务平均输出约 8.9 万 Token，比 V4 Pro 多 62%，吃掉了一部分价格优势。
DeepSeek V4.1 Flash模型正式发布
PANews 9月10日消息，DeepSeek正式发布DeepSeek V4.1 Flash模型。这是公司全新模型结构系列中的最小尺寸的模型，具备原生多模态视觉理解能力。据介绍，新一代模型大幅减少了KV Cache缓存的大小，与上一代模型相比，对HBM的需求减少到1/4，对SSD的需求减少到1/8。在Agent使用场景中，缓存命中的费用往往占比较高，对KV Cache的压缩大幅降低了Agent类任务的使用成本。
DeepSeek 视觉模型多模态 Agent 能力逼近 Opus 4.8，4 项打成 2:2
火星财经消息，DeepSeek 公布 V4-Flash-Vision-Exp 首批 Agent 跑分。在 4 项多模态 Agent 评测中与 Opus 4.8 打成 2 胜 2 负：Agents' Last Exam 27.3 对 25.7，ZeroBench 35.0 对 34.0；ApexBench 36.5 对 39.4，Chartography 64.3 对 65.0。相比纯文本版 V4-Flash-0731，视觉版在 ApexBench 从 26.2 升至 36.5，Agents' Last Exam 从 25.2 升至 27.3。官方注明纯文本版会忽略多模态内容，故主要体现补上视觉输入后的能力。加上视觉后文本 Agent 能力未明显缩水，7 项文本评测中 6 项高于 V4-Flash-0731，如 DeepSWE 从 54.4 升至 59.3（超 Opus 4.8 的 58.0），Toolathlon 75.9 几乎追平 Opus 4.8 的 76.2。该结果来自 DeepSeek 官方自测，非第三方独立榜单；公开 Code Agent 文本任务使用 DeepSeek Harness 极简模式，推理档位为 max。