DeepSeek 正式发布 DeepSeek Harness（DSH）插件化 Agent 框架与 V4 Pro 正式版。V4 Pro 的 Agent 能力全面飙升——DeepSWE 从预览版 12.8 分跃升至 62.7 分，涨幅近 5 倍；DSH 配合 V4 Pro 在同等任务下 token 花费仅为 Claude Fable 5 的 1/120，缓存命中率高达 99%。
V4 Pro 正式版在 Agent 能力上实现了"跳级式"提升。三个关键基准的得分变化，清晰地展示了这次升级的幅度。
注：柱形宽度按新得分等比例缩放，标注点为预览版旧得分位置，非零起点。分差以标注数字为准。DeepSWE 涨幅 4.9 倍，DSBench-Hard 涨 2.2 倍，DSBench-FullStack 涨 1.7 倍。
但数字只是结果。真正让业界侧目的，是背后那套"一切皆插件"的架构。
在 Agent 领域影响力最大的基准 Terminal Bench 2.1 上，V4 Pro 正式版性能比肩当前最强的 Claude Fable 5。但真正的差距不在得分，而在成本。
单次任务 token 消耗成本
≈ 人民币 70 元
相同任务，同等效果
仅为 Fable 5 的 1/120 🏆
注：测试在非高峰时段进行，缓存命中率约 99%。若在高峰时段，成本差距约为 1/100 以内。数据引自公开评测，具体任务为代码审查与多步 Agent 管线。
一个诚实的注脚：高峰时段价格会上浮，但 DSH 的缓存机制让"便宜"在涨价后依然成立。
V4 Pro 正式版确实涨价了——输出高峰时段为原价 4.5 倍。但 DSH 的架构优化，让实际使用成本远低于表面定价。
注：价格单位为元/百万 token。缓存命中率 99% 意味着绝大多数输入走缓存通道，实际成本远低于标价。原价指 V4 Pro 预览版定价。
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，高峰时段升至 5.4 元，空闲时段 2.7 元。DSH 的缓存机制让实际支出更接近空闲时段水平。
DSH 不是又一款 Codex 或 Workbuddy。它走了一条从未有人走过的路——BS 架构的 Web UI，打开就是网页，网页里就是 Agent 工作区。安装门槛高（需要 node.js + npm），但换来的是极致的灵活性与资源效率。
它的核心设计理念来自北京大学与 DeepSeek 联合署名的论文《A Programming Paradigm for Spatiotemporal Composability》。两个维度定义了这套架构的独特性。
DSH 还定义了四套执行模式：普通任务直接做；长程任务进入 Goal 模式跨多轮自主执行；子任务丢给子 Agent 后台运行；大规模并行任务进入 Workflow，用 JavaScript 编排多个 Agent。每轮 Ralph Loop 创建一个完全"失忆"的新 Agent，只通过共享 Workspace 保留长期记忆。
注：DSH 的插件化架构实现了解耦——每个模块独立演化，不互相依赖。AI 注意力受限时，解耦设计能最大化并发优势，避免系统崩溃。
「帮我把这个文件改一下。」——AI 直接上手就做，不搞流程、不折腾。普通任务走直接执行模式，一步到位。
「给我写一个完整项目。」——进入 Goal 模式，Agent 会持续多轮自主执行，直到目标达成才收工。就像带了个 KPI，没完成不许下班。
「同时分析 10 份合同，提取风险条款并生成对比报告。」——Workflow 模式用 JavaScript 编排多个 Agent，并行执行，互不干扰。AI 注意力有限？没关系，每个模块是独立的小任务，分头指挥、同时推进。
注：以上场景均基于 DSH 的四套执行模式——普通/Goal/子 Agent/Workflow，开发者可根据任务复杂度自由选择。
DSH 的"一切皆插件"不只是一个架构选择——它第一次让 Agent 框架具备了"自进化"的能力：任何模块都可以独立升级、独立替换，而不需要推倒整个系统。当模型定价权掌握在厂商手中时，架构层面的效率优化才是用户真正能掌控的变量。涨价不可避免，但 DSH 让每一分钱都花在刀刃上。
DSH 已开源，可在 GitHub 搜索 "DeepSeek Harness" 获取。需要 node.js 环境，通过 npm 安装。V4 Pro 正式版已在 DeepSeek API 上线，登录官网即可体验。
deepseek.com → 体验 V4 ProDSH 安装指引：GitHub 搜索 DeepSeek Harness，按 README 配置即可