作者｜画画

过去，DeepSeek 最擅长的一件事，就是把复杂技术做得更便宜、更易用。

模型能力越强，价格反而越低。别人还在高投入烧钱，它却不断把价格压到极低。经历 V3、R1 之后，整个 AI 大模型行业对它形成了一个清晰印象：顶级模型，不一定意味着高成本。

但最近的两个新动作，让这个叙事方向突然发生了变化。

先是 V4 Pro 涨价，紧接着，智能体框架 DeepSeek Harness 正式上线。

一个动作，是让大模型重新回到商业化逻辑里；另一个动作，则是把模型之外那整套复杂的 Agent 运行能力，直接摆到了开发者面前。

两件看起来关联不大的事，放在一起看，反而像是在回答同一个关键问题：DeepSeek 下一步，究竟想争夺什么？

一、DeepSeek 开始换打法了

回头看过去两年，DeepSeek 其实一直在回答三个核心问题。

模型能不能做强？

模型做强之后，能不能做到足够便宜？

最后，这套能力能不能被更多用户和开发者真正拿走、用起来？

V3、R1 证明的是，中国团队不仅能做出世界级基础模型，还能在有限资源条件下，把训练效率和推理效率推到很高水平。

模型能力做出来之后，接下来要回答的，就是价格能不能打下来。这也是 DeepSeek 最让行业震动的地方：持续拉低大模型调用成本。

再往后，就是这些 AI 能力能不能被更多人带走并应用。DeepSeek 选择了开源路线，从模型权重到 API，再到开发者生态，能力持续向外延展。

过去的 DeepSeek 逻辑非常完整：先做强模型，再压低价格，然后开放能力，让更多人使用。

到了 V4 Pro，模型继续升级，但价格却不再一味往下压。单看涨价，其实并不稀奇。真正值得关注的，是它和 Harness 几乎在同一时间出现。

DeepSeek 可能已经开始算另一笔更大的账了。

过去，它争的是模型调用量；现在，它开始争调用究竟发生在哪里。这是两场完全不同的竞争。

模型真正产生价值，中间还要经过一层运行环境：调用工具、读取文件、管理权限、执行任务。过去，这一层大多被封装在产品内部，用户甚至意识不到它的存在。

Harness，是 DeepSeek 第一次把这一层单独拿出来，变成一个可见、可用、可改造的系统。

V4 Pro 和 Harness，其实像是两只手：一只让模型本身重新回到商业账本，另一只则伸向模型之外的基础设施层。

二、把 Agent 拆开了

要理解 DeepSeek Harness，最好的参照物之一，其实是苹果。

苹果有一条很重要的产品哲学：复杂性由系统承担，简单体验留给用户。你不需要知道 CPU 如何调度、内存如何管理、文件系统如何运作，打开 Mac 或 iPhone，直接使用就行。

后来，这套逻辑也被放进了 Agent 产品中。像 Claude Code、Codex、WorkBuddy 这类工具，本质上都是把 Agent 运行所需的一整套复杂能力提前封装好了。工具、Skills、沙箱、权限、工作流，一个都不少，但用户并不需要逐项理解。很多时候，你只要说一句“帮我把这件事做完”，后续的路径规划和执行过程，产品就会自动完成。

这是过去几年 AI 产品发展的主流方向：模型越来越复杂，产品体验却越来越简单。DeepSeek Harness 则走了反方向，把这些能力一层层拆了出来。

模型、工具、Skills、工作流、UI，都变成了可以单独替换和重新组合的模块。甚至连运行中的插件，也支持动态加载、卸载和重组。

Harness 最值得关注的地方，在于它重新定义了“封装”的边界。苹果式逻辑是：我替你把复杂性打包成产品；Harness 的逻辑则是：我把复杂性拆成模块，再把修改权和控制权交给你。

这也解释了它为什么叫 Harness，而不是 DeepSeek Code。Code 表达的是用途，Harness 强调的则是运行环境和控制能力。

把 Agent 拆开来看，其实就是：Agent = 模型 + Harness。模型负责思考，Harness 负责把思考转化为行动。过去这一整套能力都被隐藏在单一产品背后。

DeepSeek 做的，是把这层封装本身也变成开放对象。

三、让软件在运行中自我进化

如果只把 Harness 理解成一个 Agent 产品，它甚至显得有些反常。一家大模型公司，为什么会主动允许你接入和使用别家的模型？

答案可能不在 Agent 产品本身，而在更底层的技术布局。

这里就不得不提插件系统背后的 Cordis。

Cordis 是 Harness 底层的核心内核，专门负责插件如何安装、卸载以及彼此协作。它非常克制：不直接碰模型，不直接碰工具，也不定义具体的 Agent 能力，只专注一件事：

让插件能够被动态加载、动态卸载和统一管理，并且在不断变化的过程中，依然保持系统稳定。

仅仅这一点，就已经触碰到了两个非常硬核的技术概念。

一个叫时间可组合性：插件被卸载之后，它此前造成的影响，能不能被完整撤销。另一个叫空间可组合性：当一个插件依赖另一个插件时，如果后者突然消失或发生变化，前者能不能自动把依赖重新接上。

听起来很技术，但它们本质上都在回答一个关键问题：Agent 在运行过程中，能不能主动改变自己？

传统软件通常不是这样工作的。程序一旦启动，能力边界基本就固定了。你可以升级版本，但它不会在运行到一半时突然说“我缺一个能力，现在补上”。

Cordis 想提供的，正是这种能力。Harness 里的创造模式，就是这一理念最直观的展示。Agent 可以检查自己当前运行的环境，发现缺少什么，就现场生成、挂载回去，然后继续执行任务。

你可以让它变成一个只读代码、不能修改文件的安全审计 Agent，也可以把它配置成一个接入企业内部搜索、固定使用某个模型、搭配三种专属 Skills 的企业研究 Agent。

传统 Agent 往往需要人提前把一切配置好。Harness 探索的是另一条路：人只提出目标，Agent 再自行调整自己的运行环境。

这就像一台机器，在运转过程中发现自己缺了一个零部件，于是当场造一个装上，继续工作。

而今天，这种能力正在改变软件被构建出来的方式。

过去是人写软件、软件执行任务；未来可能变成：人提出目标，Agent 自动生成能力、完成装配，然后继续把任务做完。

如果这条路真的走通，Agent 这个词的含义都会发生变化。它将越来越不像一个预先编程好的软件，而更像一个可以持续调整自身能力边界的运行环境。

四、真正的战场，在模型之外

这里有一个细节，商业意义非常大。

Harness 并没有把用户锁定在 DeepSeek 自家的模型上。

对于模型公司来说，做 Agent 时最自然、也最符合商业直觉的路径，就是和自家模型深度绑定。OpenAI 背后有 GPT，Anthropic 手里有 Claude，Google 则有 Gemini。说到底，Agent 就是模型触达用户的“最后一公里”。绑定得越紧，用户在实际使用中调用自家模型的频率就越高。也正因为如此，模型公司几乎天然会把模型能力与 Agent 产品捆绑推进。

但 DeepSeek 偏偏没有这么做。它允许用户自定义模型、协议、Base URL，甚至直接接入其他厂商的大模型。

理论上，你完全可以在 DeepSeek Harness 里使用竞争对手的模型。

从 Agent 产品的角度看，这件事很不寻常；但如果从 AI 基础设施和运行时平台的角度看，就完全说得通了。它真正想控制的，可能不是某一个模型，而是模型之下那层 Agent 运行时环境。

这有点像操作系统。Windows 不需要自己开发所有软件，Android 也不需要。操作系统真正有价值的地方，在于让别人愿意在它上面开发。开发者多了，软件就多；软件多了，用户就多；用户多了，平台的重要性自然就上来了。

Harness 想复制的，可能正是这种平台逻辑。

它真正的对手，未必只是 Claude Code 或 Codex，更可能是 Agent 时代的运行时平台。谁控制了运行时环境，谁就更有机会决定未来 Agent 如何运行。

五、开始算生态的账

到了这里，V4 Pro 为什么涨价，也就有了另一种更清晰的解释。

DeepSeek 过去依靠的是：低价模型吸引更多用户，更多用户带来更多调用，更多调用再带来更多开发者和行业影响力，最后再反哺出更强的模型能力。

Harness 出现之后，一套新的 AI 生态循环正在形成。

这套模式与过去最大的不同，在于模型的位置变了：它不再只是终点，而更像是一台持续提供动力的发动机。

过去，DeepSeek 靠低价吸引更多人直接使用模型；现在，它开始尝试让整个 Agent 生态持续消耗模型能力。

这也是 Harness 不强制绑定 DeepSeek 模型的重要原因。

它真正想要的，是让所有 Agent 都运行在它定义的运行时之上。至于底层接的是哪家模型，反而没有那么关键。

只要运行时平台成了生态，模型调用自然就会持续发生。

V4 Pro 涨价背后的逻辑，也就在这里。DeepSeek 不再需要永远扮演“价格屠夫”的角色，模型开始要成为一台能够稳定产生现金流的商业机器。

六、难用，可能恰恰是它的答案

坦白说，第一次打开 DeepSeek Harness 的时候，很多人可能都会有一种“不知道该怎么用”的感觉。

UI 很工程师化，文档里也充满各种技术术语。普通用户第一次接触时，大概率会问：这个产品到底是给谁用的？

答案也许恰恰就在这里。它可能从一开始，就没把普通用户当作第一批目标用户。

但现在回头看，这件事反而没那么重要。

一个平台在最早期真正需要的，往往不是大量消费者，而是最早那批建设者。Windows、Linux、Android，哪一个在起步阶段不是先依靠开发者生态？

所以，判断 Harness 是否成功，甚至不应该先看下载量或用户规模。

更应该看插件生态，看 Agent 项目，看谁开始在它上面构建新东西。

如果已经有人围绕它开发各种 Agent，甚至有人基于 Harness 再搭建自己的 Harness，那才说明这个平台真正开始生长了。

今天，我们仍然把 Agent 看成一种 AI 产品。

但如果有一天，Agent 也能像软件一样，被持续搭建、修改、组合，甚至由 Agent 自己继续构建呢？

那么，我们今天对 Agent 的理解，可能只是它最早期的一种形态。

【版面之外】的话：

一家公司的野心，有时候藏在它发布了什么产品里；有时候，也藏在它刻意没有替你做什么的地方。

DeepSeek Harness 并没有把 Agent 做成一个彻底完成的成品。

它交到开发者手里的，是一个仍然开放、仍可扩展、仍待建设的系统。

但对于一家想做 AI 基础设施和开发者平台的公司来说，“未完成”有时候恰恰意味着还存在足够大的想象空间。

而这个空间，DeepSeek 选择交给开发者，也交给未来的用户。