Появляется самый перспективный проект DeepSeek, всё может быть плагином. Harness не стремится кого-то копировать, а хочет передать право определять его суть сообществу открытого исходного кода.
Вечером 13 августа, DeepSeek официально выступил с заявлением, представив две важные новости. Первая — выпуск финальной версии DeepSeek V4 Pro и её одновременное обновление в мобильном приложении, веб-версии и через API. Пользователи могут получить доступ к новой финальной версии модели V4 Pro в «экспертном режиме» через приложение или веб-версию, название модели API остаётся прежним.
Вторая — команда « DeepSeek Harness» с аватаром чёрного кита впервые опубликовала сообщение, объявив о запуске превью-версии Harness для разработчиков и об открытии исходного кода по лицензии MIT.
Как и было анонсировано ранее, финальная версия V4 Pro и собственная разработка Harness от компании были представлены одновременно. Поскольку мы уже подробно рассказывали о V4 Pro ранее, данная статья будет посвящена разбору того, чем DeepSeek Harness является интересным.
А также тому, превратится ли DeepSeek после сегодняшнего дня из компании-разработчика моделей в компанию, которую труднее определить.
01
Одна и та же модель, другая оболочка — будто другой человек
Чтобы понять, почему Harness важен, сначала нужно понять контр-интуитивный факт: в эпоху агентов способность ИИ выполнять работу определяет не только модель.
6 и 11 августа компания Composio, специализирующаяся на инструментах для агентов, провела два тестовых эксперимента, пытаясь доказать ценность Harness. Исследователи подключили одну и ту же модель DeepSeek V4-Flash к восьми различным Harness, то есть исполнительным системам, обёрнутым вокруг модели, и попросили их выполнить по тридцать многошаговых задач. Это были не вопросы и ответы, а задания, требующие от агента войти в такие реальные приложения, как Gmail, Google Calendar, GitHub, Slack, вызывать инструменты и изменять состояние приложения. Каждая задача выполнялась до пятнадцати минут, и считалась успешной только при полном успешном завершении.
Результаты значительно различались. Наиболее успешный Pi Agent выполнил двадцать задач, наименее успешный OpenCode — только четырнадцать; в общей сложности восемь Harness выполнили двести сорок попыток, из которых успешными были лишь сто двадцать девять; из тридцати задач только шесть были выполнены всеми Harness. Что касается затрат, предполагаемая стоимость выполнения одной успешной задачи для Claude Code, Codex и DeepAgents, которые одинаково выполнили по шестнадцать задач, составила примерно 0,195 доллара, 0,081 доллара и 0,045 доллара соответственно. Одна и та же модель, разница более чем в четыре раза.
Это означает, что модель определяет верхний предел возможностей, а Harness определяет, сколько из этого предела в итоге будет реализовано и сколько это будет стоить. При выполнении длительной задачи исполнительная система должна постоянно принимать решения: что оставить, а что отбросить из контекста, когда вызывать тот или иной инструмент, при ошибке инструмента — повторить попытку или выбрать другой путь, поверить ли модели, когда она говорит, что завершила работу, или проверить ещё раз. Любая ошибка на любом этапе может привести к провалу, даже если модель мыслила правильно, но при реальном изменении файлов или отправке кода что-то пошло не так.
Стоит отметить, что это один из немногих проектов DeepSeek , который был открыт для предварительного бета-тестирования.
Несколько разработчиков получили доступ к внутреннему тестированию Harness до его выпуска. Один из тестировщиков обнаружил, что если заставить одну и ту же модель V4-Flash выполнить одну и ту же игру в DeepSeek Harness, Reasonix и Codex, результаты будут совершенно разными. Это показывает, что при использовании идентичной модели инструменты, промпты, организация контекста и стратегия выполнения, предоставляемые исполнительной системой, могут значительно изменить конечный результат.
Это именно та причина, по которой DeepSeek уделяет большое внимание собственной разработке Harness. DeepSeek внутри компании считали, что агент должен решать проблему непрерывного обучения, чтобы в конечном итоге ИИ ускорял разработку ИИ. Если смотреть с этой точки зрения, то Harness — это не просто внешний инструмент программирования, а рабочая среда, в которой модель выполняет реальные задачи разработки.
Кроме того, компания, которая занимает свою нишу благодаря низкой цене и возможностям модели, если выполнение задач, обработка ошибок и доступ для разработчиков долгое время зависят от чужой системы, даже имея преимущество в цене, не может определить, сколько именно токенов сжигается для выполнения задачи, сколько требуется повторных попыток и когда задача действительно считается завершённой.
02
Всё — плагин, DeepSeek не стремится быть чьей-то заменой
Что же такое Harness? Самое простое объяснение на рынке — « DeepSeek -версия Claude Code». Однако те, кто пользовался внутренней тестовой версией, в основном считают, что такое определение неточно.
Согласно официальной документации DeepSeek , основная философия дизайна Harness — «Everything is a plugin» (Всё — плагин). Он построен на основе системы плагинов Cordis: модель, инструменты, навыки, сессии, песочницы, хранилище, циклы, планирование, интерфейс — все возможности агента комбинируются из плагинов. Разработчики могут выбирать, заменять или расширять любую возможность через конфигурацию, не изменяя исходный код Harness.
Это не тот же масштаб, что обычно подразумевается под плагинами. Плагины VS Code добавляют функции редактору, плагины Codex добавляют инструменты агенту; а плагины Harness могут заменять мозг агента, его набор инструментов, правила и даже внешний вид.
По словам нескольких лиц, участвовавших в закрытом тестировании, во время внутреннего тестирования разработчики сошли с ума, создавая плагины. «Все перестали нормально тестировать и бросились писать плагины». За несколько дней появились сотни плагинов — кто-то полностью изменил рабочий интерфейс, кто-то реализовал чисто через плагины «кросс-сессионную долгосрочную память с фоновым саморазвитием», заставив модель периодически оглядываться на свои рабочие записи и сжимать временный опыт в постоянные знания.
Кто-то также отметил, что управление сообществом открытого исходного кода, вероятно, также станет проблемой, с которой предстоит столкнуться DeepSeek .
Ещё одним ключевым элементом дизайна является трассируемость (traceability). Harness использует журналы сессий только с добавлением (append-only). Всё, что видит модель — системные промпты, цепочки рассуждений (Chain-of-Thought), вызовы и результаты инструментов, вызов дочерних агентов, каждое внедрение контекста — всё полностью записывается. Сжатие контекста не удаляет исходную историю, оно лишь изменяет то, что видит модель впоследствии, с помощью событий замены. Разработчики могут проследить происхождение в представлении Trajectory (Траектория), поддерживаются восстановление, ветвление, поиск и воспроизведение. Официальная документация обобщает этот принцип как «Что модель видит, то и записано».
За этим стоит типичное системное инженерное мышление. По сообщениям, руководитель команды DeepSeek Harness Цуй Тяньи окончил бакалавриат факультета компьютерных наук Чжэцзянского университета, девять лет проработал в компании, занимающейся количественной торговлей, Jane Street, и присоединился к DeepSeek в марте 2026 года, а в мае проект Harness был запущен внутри компании. Основным барьером для высокочастотных систем количественной торговли никогда не была умная стратегия, а стабильное исполнение в чрезвычайно сложных условиях, обработка исключений, полное журналирование событий и управление рисками — именно этого недостающего элемента не хватает для перехода AI Agent от демонстрации к промышленному использованию. Один из участников закрытого тестирования охарактеризовал его поведение при выполнении длительных задач как «устойчивый, как старый пёс»: если задача прерывается, она автоматически сохраняется, и её можно продолжить в следующий раз, не начиная сначала.
Стоит отметить, что Harness не ограничивает себя стенами моделей DeepSeek . По умолчанию он поддерживает подключение почти сорока крупных моделей, включая Kimi , OpenAI, Anthropic, Google. Возможно, другие компании склонны создавать готового агента, но DeepSeek Harness больше похож на набор компонентов, где разработчики сами решают, каким должен быть агент и как он должен работать.
Конечно, компания сохраняет ясность. В объявлении говорится, что как ранняя превью-версия «многие детали ещё требуют доработки и шлифовки, основные плагины и базовые интерфейсы также будут быстро итерироваться в будущем». На самом деле, одно из медиа, участвовавших в закрытом тестировании, iFanr, воскликнуло: трудно представить, что DeepSeek , известный своей скоростью, однажды будет выполнять задачу по программированию более получаса. Версия v0.1 также показывает, что этот чёрный кит только что появился на поверхности воды, ему ещё далеко до свободного плавания.
03
От продажи токенов к сдаче результатов: амбиции Чёрного Кита
Появление Harness совпадает с поворотом во всей индустрии ИИ.
За последние несколько лет конкуренция между компаниями, занимающимися большими языковыми моделями, была сосредоточена на масштабе параметров и результатах бенчмарков. Но в 2026 году базовые возможности ведущих моделей быстро сближаются, разрыв в одноразовых ответах постоянно сокращается, в то время как ценовая война становится всё более ожесточённой. Потолок бизнес-модели, основанной исключительно на продаже токенов, стал очевиден. Отрасль постепенно осознаёт, что основная ценность индустрии ИИ заключается не в выводе модели, а в практическом применении — при одинаковом расходе токенов светская беседа имеет небольшую ценность, в то время как исправление бага или завершение разработки функции может создавать в несколько раз большую коммерческую ценность.
Новый выпуск DeepSeek означает его переход от продажи вычислительной мощности к сдаче результатов. При старой модели клиенты платили за объём вызовов в токенах, независимо от того, решила ли модель реальную проблему; при новой модели точка оплаты смещается с того, сколько вычислительной мощности было израсходовано, на то, какая задача была выполнена.
Выпуск DeepSeek Harness также получил высокую оценку разработчиков по другой причине. DeepSeek не определяет агента как такового, а использует способность сообщества открытого исходного кода к распространению для продвижения подхода Harness. Это более масштабный и более сложный путь.
Более того, Harness сталкивается со зрелым рынком, который уже подтверждён Claude Code и Codex; последние имеют преимущество первопроходца, опираясь на итерации моделей и коммерческие ресурсы Anthropic и OpenAI. После открытия исходного кода остаются открытыми вопросы: сможет ли экосистема плагинов спонтанно процветать, готовы ли разработчики доверить рабочую среду версии 0.1, сможет ли платёжная культура внутреннего рынка поддерживать новую логику «оплаты по результатам». DeepSeek также заявляет, что основные плагины и API будут быстро развиваться, а это означает, что ранние пользователи берут на себя расходы на изменение интерфейсов.
13 августа на обоих берегах Тихого океана состоялись презентации. Маск выступал в поддержку Grok 4.6, называя его «умным, быстрым и с высокой стоимостью»; DeepSeek ничего не говорил, лишь выпускал обновление за обновлением.
Между шумом и молчанием — разница между двумя коммерческими философиями.
Мы хотим назвать его «самым перспективным проектом DeepSeek в истории» не потому, что он уже сегодня самый сильный. V4 Pro всё ещё отстаёт от моделей-лидеров, Harness — это всего лишь превью-версия v0.1 для разработчиков, реакция рынка на повышение цен требует наблюдения, а создание экосистемы — долгий путь. Потенциал является потенциалом именно потому, что он ещё не реализован.
Но если рассматривать долгосрочную перспективу, от R1 до V4, от моделей до Harness, DeepSeek делает каждый шаг в одном направлении: снижает передовые возможности до доступной стоимости, а затем подключает доступные возможности к практическим системам.
Чёрный кит уже показался из воды. А как далеко он сможет уплыть — в будущем, которое принадлежит сообществу открытого исходного кода.
Эта статья взята с официального аккаунта WeChat «Phoenix Network Technology», автор: Dale, редактор: Dong Yuqing
