备受瞩目的DeepSeek V4 Pro正式版与DeepSeek Harness（DSH）终于揭开神秘面纱，正式与公众见面。此前，DSH于8月1日启动内测招募，采用严格筛选机制，优先招募具备大型项目开发及AI Agent二次开发经验的工程师。申请人需提交代码托管平台账号及过往项目代表作，入选者还需签署保密协议，足见其重视程度。
经过一整晚的测试，字母AI给出结论：DSH性能卓越、响应迅速，且在节省token方面表现突出，延续了DeepSeek一贯的优良传统。然而，V4 Pro正式版的发布过程却一波三折。8月13日上午，由于DeepSeek修改API文件表述并在官网发布公告，全网误传V4 Pro正式版已发布。但实际情况是，此次发布的版本性能欠佳，价格却维持不变。当天下午，DeepSeek官方撤下相关公告，直至晚间才发布真正的V4 Pro正式版。
真正的V4 Pro正式版在Agent能力上有显著提升。从预览版的12.8分飙升至62.7分，涨幅近五倍；DSBench-Hard从31.1分提升至67.2分；DSBench-FullStack从41.8分提高到71.1分。在Agent领域极具影响力的基准Terminal Bench 2.1上，其性能可与当下顶尖的Claude Fable 5相媲美。
不过，DeepSeek随后宣布价格大幅上调，引发关注。输出方面，高峰时段价格涨至原价的4.5倍，达27元/百万token；空闲时段为原价的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，空闲时段为原价的1.5倍，即4.5元/百万token。缓存命中输入方面，高峰时段涨幅最高，达原价的12倍，为0.3元/百万token，空闲时段为原价的6倍，为0.15元/百万token。
DSH的安装门槛较高，需具备node.js环境，且用户需自行从GitHub使用npm命令安装，这与可直接双击安装的Codex、Workbuddy等Harness形成鲜明对比。DSH采用BS架构的Web UI，打开即为一个网页，内含Agent工作区域。其设计理念源于北京大学与DeepSeek联合署名的论文《A Programming Paradigm for Spatiotemporal Composability》，核心思路是“一切皆插件”，根据任务需求调用插件，用完即卸载以节省空间。
为实现这一理念，论文提出两个维度。一是时间可组合性，当一个组件被移除时，其对共享环境造成的所有修改必须能完全、安全地撤销。DSH将运行和撤销办法记录在“效应”中，命名为“可逆效应”，每次上下文变换都自带逆变换，运行时全程追踪，组件卸载时自动回滚。二是空间可组合性，这是一种运行时的组件组合模型，与传统静态依赖注入不同，组件依赖关系在共享运行时“空间”中动态建立和消解。例如，让DSH念一本书，视觉插件充当眼睛记录内容，声音插件负责朗读，二者在同一空间自动关联，视觉插件将文字传给声音插件进行朗读。DSH采用Cordis系统实现热模块替换，改完插件直接原地替换，保留缓存和活动连接，改错还能事务性回滚。
DSH定义了四种执行模式：普通任务直接处理；长程任务进入Goal，可跨多个自主轮次持续执行；一两个任务交给子Agent，默认后台运行；大规模并行任务进入Workflow，用Javascript编排多个Agent。为更好地完成任务，DSH设有单独的Ralph Loop，每轮创建“失忆”新Agent，不继承上一轮对话，仅通过共享Workspace保留长期记忆，然后迭代执行。DSH还为AI自进化设计，插件化使架构解耦，各模块可独立演化，避免传统软件中模块相互牵连的问题，提高并发优势，防止系统崩溃。
为检验DSH与V4 Pro正式版的实际效果，准备了三道测试题，并邀请Claude Fable 5和Claude Code作为对手。第一题是经典的鹈鹕测试，要求生成一个循环动画SVG，展示鹈鹕骑自行车，轮子旋转、踏板转动、鹈鹕腿正确踩踏板，平滑无限循环，且仅用SVG原生animateTransform动画，不用JS。结果显示，Fable 5设计的形象更合理，地面公路会后退，而DeepSeek生成的动画中地上草地无变化，Fable 5胜出。第二题是俄罗斯方块小游戏，要求制作一个HTML文件，可用Canvas或DOM实现，具备完整功能，包括7种方块、旋转、移动、加速下落、消行、计分、下一个方块预览、游戏结束判定及重新开始功能，且不能用任何游戏引擎。实际体验中，两者表现相近，但DSH制作的手感更好。第三题是曼德博集合，要求用Canvas实现一个HTML文件，展示曼德博集合可视化，鼠标滚轮可放大缩小，点击可平移，颜色用渐变，放大后细节清晰，且不能用任何外部库。Fable 5生成的结果最大只能渲染到100倍，而DSH可渲染超过300倍，DSH胜出。
在成本方面，相同任务下，Fable 5花费9.8美金token，约合人民币近70元，而DSH搭配V4 Pro正式版仅花费5毛9分钱人民币。此前，Artificial Analysis测算，V4 Flash正式版在相同任务条件下比Claude Fable 5便宜约100倍，但V4 Flash是轻量模型，无法完成复杂任务。此次V4 Pro正式版与DSH组合，比Claude Fable 5便宜近120倍，Artificial Analysis预测DeepSeek将覆盖全球超70%的模型，目前看来预测准确。不过，测试在非高峰时段进行，token价格相对便宜，若在高峰时段，V4 Pro正式版token费用比Fable 5便宜不到100倍。测试还发现，DSH缓存命中率极高，有时可达99%，无论高峰还是非高峰时段，命中缓存都比非命中缓存便宜30倍。
DSH在“省token”上还有诸多手段。其增量协调机制，配置层是由“档案卡”组成的树，每张档案卡声明一个插件信息。传统做法是档案一改就重建整个实例，而增量协调只做最小改动，根据改动位置进行相应操作，最终状态与推倒重建一致，大大节省算力。DSH的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，将原本五次模型往返的操作序列压缩为一次，进一步节省token。尽管DeepSeek涨价，但DSH能将每一分钱的价值发挥到极致，让用户觉得物有所值。
