DeepSeek 开源 Harness：竞争从模型层卷到执行层

过去一年，AI 圈比的是模型谁更强；昨晚 DeepSeek 开源了 DeepSeek Harness（DSH）——第一次把手伸到「模型输出之后」的执行层。模型决定智能上限，Harness 决定实际表现，竞争的战场正在切换。

8 月 13 日早些时候，DeepSeek-V4-Pro 正式上线 App/Web/API（模型号 DeepSeek-V4-Pro-0813）：1M Token 上下文、最高 384K Token 输出，官方重点强调 Agent 能力——Terminal Bench 2.1 达 87.9，DeepSWE 62.7，Toolathlon-Verified 74.1，DSBench-FullStack 71.1。当晚，DeepSeek Harness 开源发布，npx @deepseek-ai/dsh web 即可本地起 Web UI（GitHub：deepseek-ai/deepseek-harness）。

这其实早有预兆：7 月 31 日 V4 Flash 发布时，更新日志里就埋着一行——公开 Code Agent benchmark 使用的测试框架，正是「即将发布」的 Harness 极简模式。也就是说，Harness 在正式公开之前，已经在参与评估 DeepSeek 自己模型的 Agent 能力了。

架构分析直接读 @deepseek-ai/dsh 0.1.0-rc.6 源码，不走文档转述。从宏观到微观，DSH 分七层——入口（dsh CLI）→ Profile 层（插件组合包）→ 插件宿主（Cordis）→ 核心运行时（dsh-base）→ 工具面 → 模型适配 → 持久化；一条任务沿这条链路跑一个闭环，事件全程落盘、可重建。

Everything is a plugin——模型、文件系统、Shell、网页、Skill、子 Agent、交互界面全可替换；预设（标准/PTC/极简/创造）和形态（Web/TUI/Headless/ACP/SDK）只是同一套底层的不同组合。但读源码后最硬的一条判断：DeepSeek 的 V4 在公开 Code Agent benchmark 上用的就是 Harness 自己——模型和执行层是同一套体系联合设计，不是配套，是同源焊接。

AI Coding 正成为观察与训练 Agent 能力最理想的场景：代码反馈密集且客观——能不能编译、测试过不过、报错是什么，机器可直接验证，Agent 得以形成「执行→反馈→修改→再执行」的闭环。而 DSH 的 Session Log 要求「模型真正看到的一切都能从日志重建」（用户消息 / 模型请求 / 工具调用 / 上下文压缩 / 权限变化）：既能恢复、回放、调试、审计，也让 Agent 执行过程第一次变得可系统化记录与分析——这正是评估 Agent 能力的实验场。