DeepSeek Harness更新多模态能力
Harness最狠的一步，是让“看图”从模型能力变成工作流能力DeepSeek Harness v0.1.0-rc.8距离上版只隔两天，却把原本偏文本的/goal、/plan等Agent命令接入了原生图片请求，还支持Claude Code、Codex作为子代理。表面看，这是14项更新；真正值得关注的是产品边界变了，图片不再只是模型回答时的一个附件，而是进入任务规划、工具调用和子代理协作的完整工作流。这对开发者很重要。过去要做一个“看截图修代码”的Agent，通常需要自己拼接图像解析、上下文管理、任务拆解和工具调用。现在Harness试图把这些能力放到框架层，用一个标准化运行环境承接不同模型。模型负责推理，Harness负责把推理变成可执行流程，这正是“Agent = Model + Harness”的现实含义。更有意思的是，它采用工具层视觉赋能的路线。也就是说，部分纯文本模型也可以借助框架和插件处理图像任务。这不等于纯文本模型突然变成了原生多模态模型，视觉编码、细粒度空间理解和复杂图像推理仍可能存在差距。但对大量中小开发者来说，先把图片纳入工作流，价值已经足够大。子代理支持也不是简单“多调用几个模型”。真正难的是任务如何拆分、上下文怎么传、失败如何重试、权限如何隔离、成本怎样控制。一个Agent如果每一步都启动昂贵的子代理，功能越强，账单也可能越吓人。所以我会把这次更新看成工程化信号，而不是单纯的多模态发布。开发者接下来要观察的，是图文任务的成功率、子代理稳定性、插件生态数量，以及一项任务的平均调用成本。
发布于 湖南
分享
评论
赞
未登录
友善发言
评论
加载中
