DeepSeek不只是做大模型了：开源Harness加速布局，AI Agent正在迎来新一轮竞争

过去一年，DeepSeek凭借模型性能和价格优势，在全球AI市场迅速打开了知名度。但如果只关注它的模型更新和API价格，可能会忽略一个正在发生的变化：DeepSeek正在把竞争重心从大模型本身，逐渐延伸到AI Agent和完整的智能体开发生态。

10月17日，DeepSeek发布V4.1-Flash-1017更新，不仅强调推理和编程能力的提升，还展示了从零开始创建游戏、3D场景等完整项目的能力。与此同时，DeepSeek持续推进自家的Harness开发框架，开放插件生态，并将模型、工具调用和自动化任务整合到一个统一的工作环境中。

这背后的信号很明显：DeepSeek不满足于让用户在聊天框里提问，它希望AI能够真正接手任务，并把结果交付出来。

从聊天模型到项目开发，DeepSeek开始改变产品方向

10月17日发布的DeepSeek-V4.1-Flash-1017，有一个比较有意思的官方宣传主题：Wish-Driven Programming Made Real，可以理解为让用户通过想法直接驱动程序开发。

这次更新采用了强化学习与自反馈机制，重点改善模型从理解需求到完成整个项目的能力。

DeepSeek官方展示了几个比较有代表性的案例，包括故宫主题3D建模、网页赛车游戏、使用Godot引擎复刻Portal 2玩法，以及一个展示史前时代到现代文明演变的3D场景。

这些演示与传统的代码生成有明显区别。

过去使用AI编程，用户往往需要先提出需求，再让模型生成代码，遇到问题后继续复制报错、修改代码、重新运行。整个过程仍然需要开发者频繁介入。

而项目级Agent的目标，是让模型自己完成更多环节：分析需求、规划实现方案、创建文件、编写代码、运行项目、检查效果，再根据反馈进行修改。

这也是为什么DeepSeek开始强调自反馈强化学习。

模型不仅要知道如何生成代码，还需要学会判断生成的结果是否符合要求，并根据执行反馈调整后续操作。

不过，V4.1-Flash-1017属于V4.1 Flash的增量更新，并不是一次全新的模型架构换代。它真正值得关注的地方，是DeepSeek正在持续强化模型在复杂任务中的执行能力，而不只是追求聊天回答更加流畅。

DeepSeek Harness，才是这轮布局中容易被忽略的一步

如果说大模型是AI Agent的大脑，那么Harness就是负责组织整个工作过程的运行环境。

DeepSeek推出的DeepSeek Harness，目前已经进入全球公开预览阶段，并以开源方式提供给开发者使用。

它并不是一个简单的聊天客户端，而是围绕Agent任务执行设计的一套工作环境。

用户可以在里面处理日常办公任务、分析文件、编写代码、研究资料、运行脚本，也可以通过插件扩展Agent的能力。

比较有意思的是它采用了Everything is a Plugin的设计思路，也就是尽可能通过插件扩展工具、技能和界面。

例如，用户可以直接在对话中要求Agent创建一个番茄钟插件，系统会读取插件开发规范、检查运行环境、编写插件文件、安装插件并验证运行结果。

这种设计让Agent不再局限于使用开发者预先提供的固定工具，而是具备了一定的工具扩展能力。

对于开发者来说，这意味着AI应用的构建方式可能发生变化。

以前想给AI增加一个新功能，通常需要自己编写接口、开发前端页面、处理数据交互，再把功能接入模型。

现在可以尝试让Agent直接参与插件开发，把部分功能建设工作交给AI完成。

当然，插件能否稳定运行、权限是否安全、能否长期维护，依然需要工程层面的保障。

Harness持续迭代，DeepSeek正在补齐Agent工程能力

从DeepSeek Harness近期的开源更新记录来看，这个项目的开发节奏相当快。

10月28日发布的0.2.2-alpha.2版本，已经加入了不少面向实际工作场景的功能。

插件管理方面，支持更新第三方插件包，并在热更新失败时尝试恢复旧版本。

Agent协作方面，新增了实验性的subagent_oar工具，可以将独立任务委派给本机Codex或Claude CLI执行。

开发工作流方面，加入了实验性的Git工作树功能，可以在独立工作树中运行会话，查看代码差异以及关联PR状态。

开发者还可以通过实验性统计插件，查看不同轮次和执行步骤中的上下文、缓存、模型调用以及工具耗时情况。

这些变化看起来比较琐碎，却恰恰是Agent真正进入生产环境需要解决的问题。

一个Agent如果只能完成简单对话，很难称得上生产力工具。

当用户让它同时处理多个任务时，就需要任务拆分、子代理协作和后台执行；当它修改代码时，需要隔离工作目录、查看变更记录；当任务执行时间变长时，还需要知道Token消耗在哪里、工具调用是否出现瓶颈。

这些能力不直接决定模型有多聪明，却决定了开发者能不能放心地把真实工作交给它。

截至10月30日，DeepSeek Harness的GitHub仓库已经更新至0.2.1-rc.5候选版本，项目仍在快速迭代。

真正的考验来了：AI能够做出项目，不代表能够稳定交付

DeepSeek展示的项目生成能力确实令人期待，但对于AI Agent而言，演示效果和实际生产能力之间，仍然存在不小的距离。

10月23日，一段针对DeepSeek V4.1-Flash-1017的创作者测试视频引起了不少讨论。

测试涉及游戏开发、3D建模、音乐创作、视觉识别和研究报告等多个场景。

结果并不是所有项目都取得了理想效果。

在一个Unreal Engine游戏开发任务中，模型成功创建了可以操作的游戏角色，具备奔跑、跳跃等基本动作。但在后续的自我评价和修改过程中，经过16轮迭代，最高评价分数仍然只有5.5分，没有达到用户设定的8.5分目标。

在Blender房屋场景重建任务中，模型虽然完成了虚拟场景和漫游效果，但部分几何结构与原始要求不符，还存在物体穿插和细节缺失的问题。

视觉理解方面也出现了明显差异。模型能够通过图像裁剪、放大等操作识别隐藏在图片中的动物，但在另一组医学影像识别测试中，创作者报告的六个案例全部回答错误。

这些测试并不是严格控制变量的专业实验，也不能直接作为模型整体能力排名，但它们提供了一个很有价值的观察角度：AI能够启动一个复杂项目，不代表它能够准确完成所有细节。

尤其是Agent的自我评价机制，目前仍然存在一个问题。

模型可能认为自己已经完成了任务，但实际交付物未必符合用户要求。如果缺少独立验证机制，Agent就可能在错误的方向上反复修改，消耗大量时间和Token，却始终无法达到验收标准。

因此，真正成熟的Agent不能只依赖模型自己判断自己做得好不好。

自动化测试、结果校验、明确的验收条件、任务预算上限和人工审核，都应该成为完整工作流的一部分。

开源模型只是起点，真正的竞争在于生态

DeepSeek的另一项优势，是持续推动模型权重和相关工具开源。

V4.1-Flash-1017已经在Hugging Face开放，模型权重采用MIT许可证，官方模型卡还提供了本地推理和部署相关说明。

但这里也有一个容易被误解的地方：开源不等于普通电脑可以轻松运行。

模型采用MoE架构，虽然每个Token只激活部分参数，但完整模型权重仍然需要相应的存储和计算资源。想要实现高性能本地部署，仍然离不开多卡GPU、推理框架和缓存优化。

对于大多数个人开发者而言，通过API调用模型，再结合本地Agent运行环境，可能仍然是更实际的使用方式。

而DeepSeek Harness的开源，恰好提供了另一条发展路线。

开发者不一定要从零开始开发Agent框架，可以基于现有项目扩展插件、调整工作流、接入不同模型和工具，逐步搭建适合自己的自动化系统。

这也会让AI生态的竞争变得更加复杂。

未来用户选择AI产品时，可能不再只比较GPT、DeepSeek、Claude或者Gemini谁的回答更好，而是会关注哪套Agent系统能够接管更多工作，哪套工具生态更完善，哪种方案的执行成本更低。

模型能力决定Agent的上限，工具生态决定它能做什么，运行框架决定它如何完成任务，而安全和验证机制决定用户是否敢于真正使用它。

DeepSeek下一张牌，可能是完整的Agent工作平台

回顾DeepSeek近期的产品动作，可以看到一条比较清晰的发展路线。

V4.1 Flash持续强化模型的推理、编程和任务执行能力；V4.1-Flash-1017进一步优化项目级开发体验；DeepSeek Harness则尝试把模型能力转化为可以实际使用的工作环境。

这条路线与单纯发布更大参数量的模型有所不同。

未来AI市场的竞争，很可能不再局限于谁拥有更强的语言模型，而是谁能够率先把模型、工具、插件、任务调度和自动化执行整合成一个可靠的系统。

对于普通用户来说，真正有价值的AI，不应该只是告诉你如何完成一件事情，而是能够在获得授权后，直接帮你把事情做好。

对于开发者来说，真正有竞争力的Agent，也不应该只是生成一段看起来正确的代码，而是能够独立完成开发、运行测试、发现问题、修复错误，并交付可以使用的项目。

DeepSeek正在向这个方向推进。

它能否把当前的模型优势转化为长期的Agent生态优势，还需要时间检验。但有一点已经比较明确：AI行业的竞争焦点正在发生变化，单纯比拼模型参数和排行榜成绩的时代，已经不足以决定一家AI公司的长期竞争力。