DeepSeek Harness v0.1开放全球测试：采用“一切皆插件”架构并开源

DeepSeek Harness 开发者预览版（v0.1）已面向全球 Harness 开发者开放测试，并同步以 MIT 协议开源。作为早期预览版本，DeepSeek Harness 采用“一切皆插件”的设计思路，通过插件化架构构建 Agent Harness，模型、工具、技能、会话、沙箱、存储、循环、调度和 UI 等能力均以插件形式组合，可独立替换与灵活重组。

DeepSeek Harness 主要基于 Cordis 插件系统构建。Cordis 元框架仅负责插件加载、卸载及依赖管理，Agent Harness 的具体组件则由不同 Cordis 插件实现，并通过服务与事件机制协作。开发者无需修改 DeepSeek Harness 源码，即可在配置层独立选择、替换或扩展任意能力。

针对不同场景，DeepSeek Harness 提供标准、PTC（程序化工具调用）、极简和创造四种模式。其中，PTC模式由模型生成代码组合多轮工具调用;极简模式仅保留 Shell 和文件编辑工具，用于最小环境下的模型基准测试;创造模式则支持检查运行时、在内存中试验 Cordis 插件并组合新的模式。目前，已安装 Node.js 开发工具链的系统可通过 npx 快速启动其 Web UI。

via AI新闻资讯 (author: AI Base)

DeepSeek V4 Pro 编程测评夺亚：分数仅输 Kimi K3，成本却只有对手十四分之一

CLUE 团队最新发布的 SuperCLUE-Terminal 中文智能体终端编程测评榜单显示，DeepSeek-V4-Pro-0813 拿下 51.52 分，在所有参测模型中位列第二，仅落后于登顶的 Kimi K3。更值得注意的是，它在取得这一成绩的同时保持着极低的调用成本，性价比优势在一众高分模型中格外突出。该榜单专门面向国内开发者设计，全部采用本土真实编程任务，并统一以 Claude Code 作为运行框架，公平对比各大模型理解中文需求、规划任务、调用工具及排错改代码的完整能力。

评测的真实感来自其任务设定：每道考题需要模型完成 50 至 110 轮交互，单题完整运行耗时半小时到一小时半，能高度还原日常开发中的复杂工作流。本轮榜单中 Kimi K3 以 60.61 分排名第一，DeepSeek-V4-Pro-0813 紧随其后，分数高于 GLM-5.2 的 48.48 分和老版 DeepSeek-V4-Flash 的 46.46 分，稳居第一梯队。

1.42 元单题成本，硬刚顶级算力

最亮眼的是 DeepSeek-V4-Pro-0813 的成本控制：单题调用成本仅约 1.42 元，大约是 Kimi K3 的十四分之一、GLM-5.2 的十六分之一。在头部模型比拼分数往往只差几分的当下，这种数量级的成本差距，意味着中小团队用得起"接近顶级"的代码能力，而不必为每一次交互支付高昂算力费。

从实测场景看，该模型覆盖了前端页面、3D 游戏和工程脚本修改等真实需求，能完整闭环游戏开发逻辑，碰撞、计分、结算功能均运转正常，页面配色与交互反馈也摆脱了模板化的 AI 风格。少数创意绘图类题目会出现结构小瑕疵，但整体完成度仍处于领先水平。对预算敏感的中小企业和独立开发者而言，DeepSeek-V4-Pro-0813 用"第二名的分数、十四分之一的价格"重新定义了编程模型的性价比基准——当顶级能力不再意味着顶级开销，AI 编程的普及门槛正在被真正拉低。

via AI新闻资讯 (author: AI Base)