文 | 字母 AI
千呼万唤始出来，DeepSeek V4 Pro 正式版和传说中的 DeepSeek Harness（DSH）终于问世了。
说起 DSH 这个产品，它曾于 8 月 1 日开始招募内测。招募采取筛选制，优先吸纳具备大型项目开发、AI Agent 二次开发经验的工程师，申请人需要提交代码托管平台账号和过往项目代表作品，入选者还要签署保密协议。
只能说，还得是 DeepSeek，老配方老味道！
再看 V4 Pro 正式版这边，虽然 8 月 13 日时，由于 DeepSeek 修改了 API 文件的表述，以及在 DeepSeek 官网增加公告，导致 8 月 13 日上午，全网都在热传 V4 Pro 正式版已经发布。
可事实上，此次发布实则为一场乌龙，所谓的 DeepSeek V4 Pro 正式版不仅性能堪忧，而且价格还保持着此前的价格不变。
8 月 13 日下午，DeepSeek 官方撤下了首页关于 DeepSeek V4 Pro 正式版发布的公告。
而 8 月 13 日晚间发布的，才是真正的 DeepSeek V4 Pro 正式版。
Agent 能力大幅提升。DeepSWE 从预览版的 12.8 分直接飙到 62.7 分，涨幅接近五倍；DSBench-Hard 从 31.1 冲到 67.2；DSBench-FullStack 从 41.8 提升到 71.1。尤其是在 Agent 领域影响力最大的基准 Terminal Bench 2.1 上，DeepSeek V4 Pro 正式版性能比肩当下最强的 Claude Fable 5。
输出方面，高峰时段价格为原价的 4.5 倍，为 27 元 / 百万 token，空闲时段为原价的 2.25 倍，为 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。
无论如何，不妨先来一起看一下这个产品。
它不是下一个 Codex，它是第一个 DSH
应了梁文锋那句 " 我们不在乎 C 端 "，DSH 的安装门槛非常高，不仅要有 node.js 环境，还需要用户自己去 GitHub 上面用 npm 命令安装。像是 Codex、Workbuddy 这样的 Harness，都是可以直接双击安装的。
之所以有安装门槛，是因为 DSH 既不是桌面 GUI，也不是 TUI、CLI，而是走了一条几乎没人走过的路，DSH 是 BS 架构的 Web UI，打开就是个网页，网页里带一块 Agent 干活的区域。
要理解 DSH 为什么这么 " 反用户 "，就得先理解支撑它的那篇论文《A Programming Paradigm for Spatiotemporal Composability》，由北京大学和 DeepSeek 联合署名。
DSH 的思路叫做一切皆插件，任务需要什么，就调用什么插件，用完立马卸载腾空间。
打个比方，Claude Code 是一辆车，你可以给它装上装甲、防滑胎甚至是武器，但它归根结底就是一辆车。Codex 同样是一辆车，可你只能给它改改内饰和车漆。DSH 只是一个底盘，你可以给它加轮子让它变成车，但你同样可以给它加螺旋桨让它变成直升机。
为了满足这个核心设计理念，论文提出了两个维度。
第一个维度叫时间可组合性。意思是，当一个组件被移除时，它对共享环境造成的所有修改，必须能被完全、安全地撤销。
论文引用了 " 效应 " 这个概念，传统的效应指的是一个程序在跑出结果之外，还会动手改变外面的世界，比如创建了一个文件，那么磁盘里就会记录这个文件的内容。
DSH 是把运行办法、撤销办法全都记录在了效应之中，还专门给它起了个名字，叫做可逆效应。
这个很好理解，经典 " 效应 " 像是你买东西时收银台给你开的小票，它只记录你买了什么，如果你想退货，你还得走一些程序。而 DSH 论文中的可逆效应，就像是你在胖东来买东西，你退货的时候不需要走程序，直接把商品交给客服，剩下的他们（系统）会替你解决。
每一次上下文变换都自带一个逆变换，运行时全程追踪，组件卸载时自动回滚。
第二个维度叫空间可组合性。
这是一种运行时的组件组合模型。和传统的静态依赖注入不同，组件的依赖关系不是在代码编写时或启动时固定的，而是在一个共享的运行时 " 空间 " 中动态建立、动态消解的。
举个例子，假如说你想让 DSH 给你念一本书。DSH 上有视觉相关的插件，它可以充当眼睛，把书的内容记录下来，但是它没办法念出声。同时 DSH 还有声音相关的插件，它只会读却不会记。将视觉插件和声音插件放在同一个空间内，它们就会自动关联，视觉插件负责把记录的文字给声音插件，声音插件再将其读出来。
论文里拿 VS Code 当反例，VS Code 的扩展全部跑在一个共享进程里，装了就不能热卸载，想停用一个带代码的扩展，就得重启整个扩展宿主。
按论文统计，安装量前 100 的扩展里，有 87 个包含可执行代码，都得靠重启来卸载。
可是一旦重启，进程内积累的缓存、连接、部分计算结果全部作废，重建要花上几秒到几分钟；为了维持可用性，还得养冗余副本，以供重启之后 Vs Code 调用。
DSH 采用了一套 Cordis 系统，实现了热模块替换，改完插件直接原地替换，缓存和活动连接都给你留着，改炸了还能事务性回滚。
但 DSH 真正让人惊艳的，并不在这套理论本身，而是它把理论用在了哪里。
DSH 定义了四套完全不同的执行模式：普通任务直接做；长程任务进入 Goal，可以跨多个自主轮次（autonomous rounds）持续执行；一两个任务可以丢给子 Agent，默认后台运行；大规模并行任务进入 Workflow，用一段 JavaScript 去编排多个 Agent。
小事，比如 " 帮我把这个文件改一下 "，AI 直接上手就干，不搞流程、不折腾。
大事，比如 " 给我写一个完整项目 "，可能得干好几个小时。为了防止过程中出错，所以 DSH 给它定制一个 " 总目标 "，让它能连续干好多轮，直到目标达成才收工。就像带了个 KPI，没完成不许下班。
为了能更好地完成任务，DSH 甚至还有一个单独的 Ralph Loop，每一轮都创建一个完全 " 失忆 " 的新 Agent，不继承上一轮对话，只通过共享的 Workspace 保留长期记忆，然后一轮轮迭代。
DSH 也是为了 AI 自进化设计的。
插件化意味着架构解耦，任何模块都可以独立演化；AI 注意力受限，又是大规模并发，解耦设计能最大限度发挥这种高并发优势，还避免了把自己搞崩溃的问题。
传统软件里，模块之间经常 " 你中有我，我中有你 "。改一个地方，可能连带弄坏十个地方。
插件化就不一样，每个功能都是一个独立的插件，只通过一个标准接口跟系统相连。插件之间不直接认识、不互相扯皮。
正因为这样，任何一个插件都能单独升级、单独替换、单独进化，不用动其他插件。
假如按照传统模块 A 干活必须等模块 B 先干完，那大家排着队，互相干等。但解耦之后，每个模块都是独立的，谁也不挡谁的路，几十个任务可以同时撒出去跑，互不干扰。
AI 注意力有限没关系，因为每个模块是独立的小任务，AI 分头指挥、同时推进，效率拉满。
同样的任务，便宜 120 倍
相同的任务，差不多的效果，Fable 5 一共花了 9.8 美金的 token，约合人民币将近 70 块钱。用 DSH 配上 DeepSeek V4 Pro 正式版跑，只花了 5 毛 9 分钱人民币。
此前根据 Artificial Analysis 的测算，DeepSeek V4 Flash 正式版在相同的任务条件下，比 Claude Fable 5 便宜了约 100 倍。
但 V4 Flash 毕竟只是个轻量模型，并不能完成复杂任务。这次随着 V4 Pro 正式版以及 DSH 的组合，已经比 Claude Fable 5 便宜将近 120 倍了。
Artificial Analysis 曾预测，随着 DeepSeek V4 Pro 正式版发布，DeepSeek 斩杀线将会覆盖全球超过 70% 的模型。现在看来 Artificial Analysis 预测的非常准确。
不过我也得 " 唱个反调 "，由于我测试的时间段属于非高峰时间段，所以 token 价格相对便宜，如果换做高峰时间段，那么 V4 Pro 正式版的 token 费用将比 Fable 5 便宜不到 100 倍。
在我测试的过程中发现，DSH 的缓存命中率能高到离谱，有时候甚至能高到 99%。
要知道，无论是高峰还是非高峰，命中缓存都比非命中缓存便宜整 30 倍。
除了前文提到的热替换和可逆效应以外，还有一点就是论文里的 " 增量协调 "（Incremental Reconciliation）。
配置层是一棵由 " 档案卡 "（entry）组成的树，每张档案卡声明一个插件，里面的信息包括它叫什么、跑哪份代码、带什么配置。
传统做法是，档案一改，就把对应的整个实例连根拔起、全部重来。
增量协调不是这样。它先看改动落在档案卡的哪一格，再做最小动作，只有代码地址变了，才重建整个实例。如果只是隔离方式变了，那就单独调一下隔离域。如果改的是配置本身，就交给插件自己比对，只有真动到实质内容才重载。标成停用就卸掉，取消停用再装回来。插件底下还挂着子插件的话，就按各自的编号 " 按名对账 "：新增的装进来、删掉的卸下去、没动的原样留着，一层层递归下去。
这样一路修补下来的最终状态，和把整个系统推倒重建再加载的最终状态完全一致。
用人话说，就是改东西的时候只动该动的，没动的原地继续干活，而且最终效果跟全部推倒重来一模一样。
在以前，把宫保鸡丁变成宫保鸡丁（微辣），需要将整个餐馆停业，重新培训厨子、服务员和大堂经理。然而这样显然是浪费算力，增量协调相当于是检查一下宫保鸡丁（微辣）的菜谱，发现好像只要撒一点辣椒进去就可以了，于是就让所有流程保持不变，多增加了一道撒辣椒的程序。
DSH 在 " 省 token" 这件事上，还留了一整套后手。它的 PTC 模式（程序化工具调用），让模型生成一段代码去组合多轮工具调用，原本要五次模型往返的操作序列，一次就完成了。
相当于是把五次的输入输出，压缩成了一次。
诚然，DeepSeek 涨价了，还涨了不少钱。就算是梁文锋也没办法让 DeepSeek 永远便宜，但 DSH 能让 " 便宜 " 这件事在涨价之后依然成立。
模型定价是 DeepSeek 说了算，DSH 能做的，是把每一分钱榨出最大价值，贵可以贵，但绝不白贵。
