本周，DeepSeek 的「Harness 团队」公众号正式完成注册，主体为北京深度求索人工智能基础技术研究有限公司。消息本身很轻，信号却很重：这家靠模型封神的实验室，正式下场做「模型之外的那层工程系统」，而且对标目标直接写在了脸上——Claude Code。
过去几年行业默认「模型最强就赢」，这个假设正在失效。头部模型的能力快速趋同，真正的护城河转移到了模型外围的工程层。DeepSeek 内部有一句公式说得很直白：Model + Harness = Agent。
Harness 到底是什么
Harness 就是让模型真正「能干活」的一切能力：工具调用、任务规划、文件与终端操作、记忆管理、执行调度、异常恢复。模型只会推理，但不会读代码仓库、批量改源码、跑单元测试、构建失败后自动重试——这些活全在 Harness 里。
这也是多数人对市场最大的误判。开源圈子里绝大多数「Agent 框架」本质是轻量级 Prompt 编排：拼几个工具调用、串一串指令，就自称 Agent，缺乏工业化落地所需的完整运行能力。DeepSeek Harness 的定位是生产级智能体运行系统——能自主解析代码仓库、批量改文件、跑测试、定位缺陷、端到端闭环交付，直接对标 Claude Code，是国内稀缺的工业化代码智能体底层系统。
团队配置同样说明问题。负责人崔添翼毕业于浙大计算机系，在 Jane Street 做了九年高频量化系统——那是一个靠极端负载下的稳定执行、异常兜底、全程可追溯吃饭的领域。用系统工程专家而非模型研究员来带队，本身就是判断：智能体的瓶颈早已不是模型智力，而是系统工程能力。
缓存才是真正的战略
最有信息量的证据不在官方公告里，而在已经跑起来的开源生态。GitHub 约 8.6 万 Star 的编程 Agent「Pi」成了 DeepSeek 事实上的最佳第三方 Harness，原因纯粹是经济学。
机制不复杂：编程 Agent 每执行一步，都要把系统提示词、工具定义、历史对话、代码重新发给模型。任务越做越长，请求越滚越大，其中绝大部分内容是模型早就计算过的。自动前缀缓存会复用此前的结果，模型只需处理新增的尾巴——缓存命中率，就是成本的第一杠杆。
Pi 的设计恰好把命中率推到极致：默认只有四个工具（读、写、改、执行），会话内容持续向后追加而不是回头改写，前面算过的内容稳定可复用。有开发者实测，Pi 接 DeepSeek 的缓存命中率达 99.93%，不命中率只有 0.07%。Composio 用 DeepSeek V4 Flash 横向测了 8 款 Harness，Pi 完成一次成功任务平均只要 0.028 美元；为自家模型深度优化的 Claude Code 平均要约 0.195 美元——同一个模型，成本差了近 7 倍。
这不是说 Claude Code 不行，而是说**「模型 × Harness」的匹配度，现在能让成本差出一个数量级**。对把 Token 卖到地板价的 DeepSeek 来说，缓存命中率决定低价策略到底是可持续的经济模型，还是烧钱补贴——这正是它要亲自下场造 Harness 的原因：把决定成本的那个变量，握在自己手里。
三个值得关注的趋势
1. 竞争换层了。 模型基准测试的重要性每个季度都在下降，战场转移到「把模型变成交付物」的工程栈——谁掌握 Harness，谁就掌握工作流。
2. 商业模式在变形状。 DeepSeek 正在从「卖算力」（按 Token 收费，不管活有没有干成）转向「交结果」（为修好的 bug、交付的功能付费）。这对仍靠 API 费过日子的国内 AI 实验室是一次结构性示范。
3. Harness 大战开打。 Codex 和 Claude Code 定义了品类，Pi 证明了开源路径，DeepSeek 带着它端到端可控的成本曲线入场，而且已经在向开源 Agent 开发者公开征集内测，用真实边界问题打磨系统稳定性。
你现在可以做什么
- 用 DeepSeek 做 Agent 的，现在就去试 Pi。 官方 Harness 还没上线，而 Pi 的缓存行为比任何模型参数表都更能预告你的账单。
- 选 Harness 时先问缓存，别只看工具列表。 默认工具数量和上下文处理方式，决定你的请求能不能持续命中缓存——这才是成本数字的来源。
- 盯住官方发布。 DeepSeek 自家 Harness 是围绕 V4 推理输出从零造的（包括通用框架经常处理错的 reasoning_content），目标直指 Claude Code 的工作流。
只卖模型的时代有过它的好日子。AI 竞争的下半场，比的不是谁的大脑最聪明，而是谁的神经系统最好用。
