DeepSeek 正式推出新一代大模型 DeepSeek-V4-Pro-0813，同步发布代码智能体框架 Harness 公开测试版及配套插件生态系统。这款基于混合专家架构（MoE）的模型总参数量达 1.6 万亿，但实际推理时每个 token 仅激活 490 亿参数，在保持高性能的同时显著降低计算资源消耗。其 100 万 token 的上下文窗口和 38.4 万 token 的最大输出长度，为复杂任务处理提供了强大支持。
Harness 框架被定位为连接大模型与实际应用的桥梁，通过调度上下文、工具、任务状态等要素，将模型能力转化为可落地的智能体解决方案。该框架采用 "Model+Harness=Agent" 的设计理念，直接对标 OpenAI Codex 和 Anthropic Claude Code，重点聚焦编程和办公场景的 AI 生产力提升。开发者可通过 npm 命令安装配套工具包（npm i @deepseek-ai/dsh），利用 dsh 命令行工具实现产品配置与启动。
在交互设计方面，V4 Pro 提供思考模式（默认）与非思考模式两种选择，全面支持 JSON 结构化输出、Tool Calls 等高级功能。内部测评数据显示，正式版在多项基准测试中表现优异：Terminal Bench 2.1 得分 87.9（预览版 72.1），DeepSWE 从 12.8 提升至 62.7，DSBench-Hard 成绩翻倍至 67.2，部分指标已接近或超越 Claude Fable 5。
技术开放策略成为本次发布的另一亮点。DeepSeek 将 V4 Pro 模型权重采用 MIT 许可证开源，允许开发者自由下载部署。这一举措打破了传统模型对云端服务的依赖，国产 GPU 和通用算力卡无需定制即可直接运行，显著降低了政企客户的私有化部署门槛，同时增强了供应链的抗风险能力。团队负责人透露，Harness 内测自 8 月 2 日启动以来，已吸引全球数十名开发者参与。
Harness 框架的扩展性通过插件机制实现，支持 Web、Headless 等多种运行模式。其核心命令 dsh --profile 可启动指定配置文件，为不同场景提供灵活适配方案。这种设计既满足了个人开发者的轻量化需求，也能支撑企业级复杂应用的构建，标志着 AI 工具链向模块化、生态化方向迈出重要一步。