DeepSeek Harness 攜300個外掛程式進軍代理市場，挑戰 Codex

DeepSeek 推出 DeepSeek Harness，這是其首款 Agent 產品，建立在「萬物皆外掛」的架構之上，讓開發人員可以替換模型、工具，甚至介面。該測試版已擁有約 300 個社群外掛程式。

該產品的說明文件明確點出差異：「萬物皆外掛。」不同於 OpenAI 的 Codex 提供可直接使用的 Agent，DeepSeek Harness 將完整執行環境——包括模型適配器、工具執行、上下文管理與 UI 元件——以可設定的外掛程式樹形式呈現，根據產品開發文件及 APPSO 的實測評論所述。

該系統內建四種 Agent 預設——minimal、standard、code 與 cordis——每種各自定義不同的工具集與提示詞設定。它支援約 40 家第三方模型供應商，包括 Kimi、OpenAI、Anthropic 與 Google。此架構記錄完整的事件串流，而不僅是最終訊息；上下文壓縮則透過替換事件保留原始歷史紀錄。

此次發布將 DeepSeek 的競爭攻勢延伸至模型定價之外。V4 Flash 每百萬輸入 tokens 收費 0.14 美元，每百萬輸出 tokens 收費 0.28 美元；而 V4 Pro——已於 8 月 12 日以 build 0813 正式上市——收費分別為 0.435 美元與 0.87 美元。DeepSeek 已警告 API 價格將顯著上調，而 Harness 的發布為該實驗室提供了一個模型分發層，以因應 Agent 工作負載的擴張。

外掛程式架構重新定義 Agent 技術堆疊

外掛系統超越了典型的擴充點。在 DeepSeek Harness 中，外掛程式可以修改系統提示詞、註冊模型可自主呼叫的工具、替換上下文壓縮策略、新增網路搜尋或外部 MCP 伺服器，甚至可以改變 UI 版面。其中一個社群外掛程式透過本地檔案持久化與分層上下文注入實現跨會話的長期記憶，而非使用向量資料庫。另一個外掛程式能將整個介面改造成多側邊欄的佈局。

兩層級的設定系統——Profile 與 Agent Preset——決定了執行環境的行為。Profile 控制程序層級的設定，包括安裝哪些套件，以及 UI 以 web 或是 headless 模式執行。Agent Preset 則定義特定會話可以存取哪些工具、提示詞、技能與子代理，其作用域解析順序為 agent → preset → global。這意味著單一程序可以同時執行寫作代理、程式代理與研究代理，各自配備不同的工具與指令。

Harness 內 V4 Flash 勝過 V4 Pro

這款產品的發布時機備受矚目。DeepSeek 在 7 月 31 日 V4 Flash 正式上市的變更日誌中指出，該模型是使用「DeepSeek Harness minimal mode（即將推出）」進行測試的。根據 APPSO 報導的一項對比測試，在 Harness 的 minimal 預設下執行的 V4 Flash 所生成的 Three.js 衝浪遊戲，比起在同一個 harness 中執行的 V4 Pro 所生成的版本，bug 更少且視覺品質更佳，儘管 Pro 擁有更高的推理努力設定。

兩款模型之間的定價差距十分明顯。V4 Flash 每百萬輸入 tokens 收費 0.14 美元，每百萬輸出 tokens 收費 0.28 美元；而 V4 Pro 分別為 0.435 美元與 0.87 美元。V4 Pro 擁有 1.6 兆總參數，每次 token 有 490 億個活躍參數；而 Flash 的並發上限為 2,500 個請求，相比之下 Pro 為 500 個。The New Stack 的獨立測試發現，Flash 在 bug 修復與功能建置上與 Pro 相當，同時使用較少的 API 呼叫，並且在開放式最佳化任務上表現更優——雖然 Flash 消耗的 tokens 是 Pro 的三倍，幾乎抹平了成本差距。

競爭態勢與投資人影響

DeepSeek 進軍 Agent 執行層，使其直接與 OpenAI 的 Codex、Anthropic 的 Claude Code，以及 Pi Agent 等新興平台展開競爭。關鍵差異在於架構層面：Codex 提供的是成品，而 DeepSeek Harness 提供的是組裝 Agent 的執行環境。Beta 版發布數天內便湧現約 300 個社群外掛程式，顯示開發者對這種方法的高度興趣。

對投資人而言，問題在於 DeepSeek 能否將其模型定價優勢轉化為可持續的平台營收。該實驗室已警告 API 價格將顯著上調，而 Harness 的發布為其在 Agent 工作負載擴張時提供了一個模型分發管道。OpenAI、Anthropic 與 Google 都提供自家的 Agent 產品，但沒有業者像 DeepSeek 那樣開放完整的執行環境。如果 DeepSeek 的開放式架構獲得市場採用，Agent 平台利潤率所面臨的競爭壓力可能進一步加劇。

本文僅供資訊參考，不構成投資建議。