经过漫长等待，DeepSeek V4 Pro正式版和备受期待的DeepSeek Harness（DSH）终于正式问世。DSH曾在8月1日开启内测招募，当时采取严格的筛选制，优先吸纳具备大型项目开发和AI Agent二次开发经验的工程师，申请者需提交代码托管账号和过往项目作品，入选者还需签署保密协议。如今，我们终于见到了DSH的真容。经过一晚上的实测，结论是性能优异、响应迅速，且最为关键的是非常节省token。只能说，还得是DeepSeek，依旧是熟悉的味道。
再看V4 Pro正式版，虽然8月13日曾因DeepSeek修改API文件表述及官网发布公告，引发全网热议称V4 Pro已发布，但这实为一场乌龙。当时所谓的“正式版”不仅性能堪忧，价格也未变。8月13日下午，官方撤下了相关公告。当晚发布的才是真正的V4 Pro正式版，其Agent能力大幅提升。DeepSWE从预览版的12.8分飙升至62.7分，涨幅接近五倍；DSBench-Hard从31.1分跃升至67.2分；DSBench-FullStack从41.8分提升至71.1分。特别是在Agent领域影响力最大的基准Terminal Bench 2.1上，DeepSeek V4 Pro正式版的性能已可与当下最强的Claude Fable 5相媲美。
话虽如此，此前DeepSeek虽公告称价格上调，但涨幅之大出乎意料。输出方面，高峰时段价格为原价的4.5倍，即27元/百万token；空闲时段为2.25倍，即13.5元/百万token。以单日20万输出token的代码审查场景为例，调价前单日成本约1.2元，高峰时段将升至5.4元，空闲时段升至2.7元。缓存未命中输入方面，高峰时段为原价的3倍，即9元/百万token；空闲时段为1.5倍，即4.5元/百万token。缓存命中输入方面，高峰涨幅最高，达原价的12倍，即0.3元/百万token；空闲时段为原价的6倍，即0.15元/百万token。
尽管价格有所调整，但不妨先来了解这个产品。第一部分：它不是下一个Codex，而是第一个Harness。正如梁文锋所言“我们不在乎C端”，DSH的安装门槛非常高，不仅需要node.js环境，用户还需自行在GitHub上通过npm命令安装。与Codex、Workbuddy这类可直接双击安装的Harness不同，DSH既非桌面GUI，也非TUI或CLI，而是走了一条几乎无人涉足的道路——BS架构的Web UI。打开网页即使用，网页内包含一个Agent工作区域。
要理解DSH为何如此“反用户”，需先理解支撑它的论文《A Programming Paradigm for Spatiotemporal Composability》，该论文由北京大学与DeepSeek联合署名。DSH的核心思路是“一切皆插件”，任务需要什么功能，就调用什么插件，用完即卸载。打个比方，Claude Code是一辆车，可以加装装甲或武器，但本质仍是车；Codex也是车，只能改内饰车漆。DSH则像是一个底盘，可以加轮子变成车，也可以加装螺旋桨变成直升机。
为满足这一设计理念，论文提出了两个维度。第一个维度是时间可组合性，即组件移除时，对共享环境造成的所有修改必须能被完全、安全地撤销。论文引入了“效应”概念，DSH将运行办法和撤销办法记录在“可逆效应”中。传统效应如购物小票，退货需走程序；而DSH的可逆效应如同在胖东来购物，退货无需走程序，商品交给客服即可，系统自动处理。每次上下文变换自带逆变换，运行时全程追踪，组件卸载时自动回滚。
第二个维度是空间可组合性，这是一种运行时的组件组合模型。不同于传统静态依赖注入，组件依赖关系在共享运行时“空间”中动态建立、消解。例如，让DSH读一本书：视觉插件负责记录文字（充当眼睛），声音插件负责朗读（充当嘴巴）。两者在同一空间内自动关联，视觉插件将文字传递给声音插件。论文以VS Code为例，其扩展需重启才能卸载，导致缓存、连接作废，重建耗时，且需维持冗余副本。DSH采用Cordis系统，实现了热模块替换，插件原地替换，缓存和连接保留，修改失败可事务性回滚。
DSH真正惊艳之处，在于将理论应用于实践。它定义了四套执行模式：普通任务直接执行；长程任务进入Goal模式，跨多个自主轮次持续执行；少量任务可交给子Agent后台运行；大规模并行任务进入Workflow，用JavaScript编排。小事直接上手，大事制定“总目标”持续迭代，直至完成。此外，DSH还有专门的Ralph Loop，每轮创建“失忆”的新Agent，仅通过共享Workspace保留长期记忆，避免干扰。
DSH也是为AI自进化设计的。插件化实现架构解耦，模块可独立演化。AI注意力有限，大规模并发下解耦能最大限度发挥优势，避免崩溃。传统软件模块间相互依赖，改一处可能坏十处；插件化则每个功能独立，通过标准接口连接，互不干扰。传统模式下模块需排队等待，解耦后可并行推进，效率拉满。
第二部分：实际效果。我给DSH和V4 Pro正式版准备了三道题，并让Claude Fable 5和Claude Code作为对手。第一题是经典的鹈鹕测试，要求生成循环动画SVG：鹈鹕骑自行车，轮子旋转、踏板转动、腿正确踩踏，平滑无限循环，仅用SVG原生动画。Fable 5胜出，形象更合理，且地面公路会后退。DSH生成的动画中，云彩后退但草地无变化，细节不足。
第二题是俄罗斯方块小游戏，要求一个HTML文件，Canvas或DOM实现，包含七种方块、旋转、移动、加速、消行、计分、预览及重开功能，不使用任何游戏引擎。两者表现接近，但实际游玩时DSH手感更好，Fable 5略显僵硬。
第三题是曼德博集合可视化，要求HTML文件，Canvas实现，支持鼠标滚轮缩放、点击平移、渐变色彩，放大后细节清晰，不使用外部库。这是数学著名的分形图案，可无限放大。Fable 5最大只能渲染100倍，而DSH可渲染超过300倍，因此DSH胜出。
第三部分：同样的任务，便宜120倍。相同任务，相近效果，Fable 5花费9.8美金token，约合人民币近70元。使用DSH搭配V4 Pro正式版，仅花费0.59元人民币。此前Artificial Analysis测算，DeepSeek V4 Flash在相同任务下比Claude Fable 5便宜约100倍，但仅限于轻量模型。如今V4 Pro正式版及DSH的组合，已比Claude Fable 5便宜近120倍。Artificial Analysis预测V4 Pro将覆盖全球超70%模型，看来预测精准。不过，“唱个反调”的是，由于测试处于非高峰时段，token价格相对便宜，高峰时段价格优势可能小于100倍。
测试中发现DSH的缓存命中率极高，有时甚至达99%。无论高峰还是非高峰，命中缓存都比未命中缓存便宜整整30倍。除热替换和可逆效应外，还有“增量协调”机制。配置层是档案卡树，每张声明一个插件。传统做法是修改后重建整个实例；增量协调则只做最小动作，代码地址变了才重建，隔离方式变了调隔离域，配置变了交插件比对，停用卸载，取消停用再装回。插件下有子插件，则按编号“按名对账”：新增装、删掉卸、未动留，递归处理。最终状态与全量重建一致。通俗说，改东西只动该动的，效果与全推倒重来一样。
DSH在“省token”上还有后手，即PTC模式（程序化工具调用），让模型生成代码组合多轮工具调用，将五次往返压缩为一次。诚然，DeepSeek涨价了，但DSH能让“便宜”在涨价后依然成立。模型定价由DeepSeek决定，DSH能做的，是榨取每一分钱的极致价值。