一切皆插件，DSH在“自進化”之路上狂飆

字母AI2026.08.14 15:56 · 來自北京全文4564字00:00 / 12:37DSH超高安裝門檻，但是能用6毛錢幹10美金的活。文 | 字母AI千呼萬喚始出來，DeepSeek V4 Pro正式版和傳說中的DeepSeek Harness（DSH）終於問世了。說起DSH這個產品，它曾於8月1日開始招募內測。招募採取篩選制，優先吸納具備大型項目開發、AI Agent二次開發經驗的工程師，申請人需要提交代碼託管平臺賬號和過往項目代表作品，入選者還要簽署保密協議。現在終於算是見到了DSH的廬山真面目。

經過字母AI一晚上的測試，結論是這個產品性能很好、響應速度快，關鍵是還非常省token。只能說，還得是DeepSeek，老配方老味道！再看V4 Pro正式版這邊，雖然8月13日時，由於DeepSeek修改了API文件的表述，以及在DeepSeek官網增加公告，導致8月13日上午，全網都在熱傳V4 Pro正式版已經發布。可事實上，此次發佈實則為一場烏龍，所謂的DeepSeek V4 Pro正式版不僅性能堪憂，而且價格還保持著此前的價格不變。8月13日下午，DeepSeek官方撤下了首頁關於DeepSeek V4 Pro正式版發佈的公告。

而8月13日晚間發佈的，才是真正的DeepSeek V4 Pro正式版。Agent能力大幅提升。DeepSWE從預覽版的12.8分直接飆到62.7分，漲幅接近五倍；DSBench-Hard從31.1衝到 67.2；DSBench-FullStack從41.8提升到71.1。尤其是在Agent領域影響力最大的基準Terminal Bench 2.1上，DeepSeek V4 Pro正式版性能比肩當下最強的Claude Fable 5。話又說回來了，雖然此前DeepSeek公告稱價格上調，但誰也沒想到漲價漲得這麼多。輸出方面，高峰時段價格為原價的4.

5倍，為27元/百萬token，空閒時段為原價的2.25倍，為13.5元/百萬token。以單日20萬輸出token的代碼審查場景為例，調價前單日成本約1.2元，高峰時段將升至5.4元，空閒時段升至2.7元。緩存未命中輸入方面，高峰時段為原價的3倍，為9元/百萬token，空閒時段為原價的1.5倍，為4.5元/百萬token。緩存命中輸入方面，高峰漲幅最高，達到原價的12倍，為0.3元/百萬token，空閒時段為原價的6倍，為0.15元/百萬token。無論如何，不妨先來一起看一下這個產品。

它不是下一個Codex，它是第一個DSH應了梁文鋒那句“我們不在乎C端”，DSH的安裝門檻非常高，不僅要有node.js環境，還需要用戶自己去GitHub上面用npm命令安裝。像是Codex、Workbuddy這樣的Harness，都是可以直接雙擊安裝的。之所以有安裝門檻，是因為DSH既不是桌面GUI，也不是TUI、CLI，而是走了一條几乎沒人走過的路，DSH是BS架構的Web UI，打開就是個網頁，網頁裡帶一塊Agent幹活的區域。

要理解DSH為什麼這麼“反用戶”，就得先理解支撐它的那篇論文《A Programming Paradigm for Spatiotemporal Composability》，由北京大學和DeepSeek聯合署名。DSH的思路叫做一切皆插件，任務需要什麼，就調用什麼插件，用完立馬卸載騰空間。打個比方，Claude Code是一輛車，你可以給它裝上裝甲、防滑胎甚至是武器，但它歸根結底就是一輛車。Codex同樣是一輛車，可你只能給它改改內飾和車漆。DSH只是一個底盤，你可以給它加輪子讓它變成車，但你同樣可以給它加螺旋槳讓它變成直升機。為了滿足這個核心設計理念，論文提出了兩個維度。

第一個維度叫時間可組合性。意思是，當一個組件被移除時，它對共享環境造成的所有修改，必須能被完全、安全地撤銷。論文引用了“效應”這個概念，傳統的效應指的是一個程序在跑出結果之外，還會動手改變外面的世界，比如創建了一個文件，那麼磁盤裡就會記錄這個文件的內容。DSH是把運行辦法、撤銷辦法全都記錄在了效應之中，還專門給它起了個名字，叫做可逆效應。這個很好理解，經典“效應”像是你買東西時收銀臺給你開的小票，它只記錄你買了什麼，如果你想退貨，你還得走一些程序。而DSH論文中的可逆效應，就像是你在胖東來買東西，你退貨的時候不需要走程序，直接把商品交給客服，剩下的他們（系統）會替你解決。

每一次上下文變換都自帶一個逆變換，運行時全程追蹤，組件卸載時自動回滾。第二個維度叫空間可組合性。這是一種運行時的組件組合模型。和傳統的靜態依賴注入不同，組件的依賴關係不是在代碼編寫時或啟動時固定的，而是在一個共享的運行時“空間”中動態建立、動態消解的。舉個例子，假如說你想讓DSH給你念一本書。DSH上有視覺相關的插件，它可以充當眼睛，把書的內容記錄下來，但是它沒辦法念出聲。同時DSH還有聲音相關的插件，它只會讀卻不會記。將視覺插件和聲音插件放在同一個空間內，它們就會自動關聯，視覺插件負責把記錄的文字給聲音插件，聲音插件再將其讀出來。

論文裡拿VS Code當反例，VS Code的擴展全部跑在一個共享進程裡，裝了就不能熱卸載，想停用一個帶代碼的擴展，就得重啟整個擴展宿主。按論文統計，安裝量前100的擴展裡，有87個包含可執行代碼，都得靠重啟來卸載。可是一旦重啟，進程內積累的緩存、連接、部分計算結果全部作廢，重建要花上幾秒到幾分鐘；為了維持可用性，還得養冗餘副本，以供重啟之後Vs Code調用。DSH採用了一套Cordis系統，實現了熱模塊替換，改完插件直接原地替換，緩存和活動連接都給你留著，改炸了還能事務性回滾。但DSH真正讓人驚豔的，並不在這套理論本身，而是它把理論用在了哪裡。

DSH定義了四套完全不同的執行模式：普通任務直接做；長程任務進入Goal，可以跨多個自主輪次（autonomous rounds）持續執行；一兩個任務可以丟給子Agent，默認後臺運行；大規模並行任務進入Workflow，用一段JavaScript去編排多個 Agent。小事，比如“幫我把這個文件改一下”，AI直接上手就幹，不搞流程、不折騰。大事，比如“給我寫一個完整項目”，可能得幹好幾個小時。為了防止過程中出錯，所以DSH給它定製一個“總目標”，讓它能連續幹好多輪，直到目標達成才收工。就像帶了個KPI，沒完成不許下班。

為了能更好地完成任務，DSH甚至還有一個單獨的Ralph Loop，每一輪都創建一個完全“失憶”的新Agent，不繼承上一輪對話，只通過共享的Workspace保留長期記憶，然後一輪輪迭代。DSH也是為了AI自進化設計的。插件化意味著架構解耦，任何模塊都可以獨立演化；AI注意力受限，又是大規模併發，解耦設計能最大限度發揮這種高併發優勢，還避免了把自己搞崩潰的問題。傳統軟件裡，模塊之間經常“你中有我，我中有你”。改一個地方，可能連帶弄壞十個地方。插件化就不一樣，每個功能都是一個獨立的插件，只通過一個標準接口跟系統相連。插件之間不直接認識、不互相扯皮。

正因為這樣，任何一個插件都能單獨升級、單獨替換、單獨進化，不用動其他插件。假如按照傳統模塊A幹活必須等模塊B先幹完，那大家排著隊，互相干等。但解耦之後，每個模塊都是獨立的，誰也不擋誰的路，幾十個任務可以同時撒出去跑，互不干擾。AI注意力有限沒關係，因為每個模塊是獨立的小任務，AI分頭指揮、同時推進，效率拉滿。同樣的任務，便宜120倍相同的任務，差不多的效果，Fable 5一共花了9.8美金的token，約合人民幣將近70塊錢。用DSH配上DeepSeek V4 Pro 正式版跑，只花了5毛9分錢人民幣。

此前根據Artificial Analysis的測算，DeepSeek V4 Flash正式版在相同的任務條件下，比Claude Fable 5便宜了約100倍。但V4 Flash畢竟只是個輕量模型，並不能完成複雜任務。這次隨著V4 Pro正式版以及DSH的組合，已經比Claude Fable 5便宜將近120倍了。Artificial Analysis曾預測，隨著DeepSeek V4 Pro正式版發佈，DeepSeek斬殺線將會覆蓋全球超過70%的模型。現在看來Artificial Analysis預測的非常準確。

不過我也得“唱個反調”，由於我測試的時間段屬於非高峰時間段，所以token價格相對便宜，如果換做高峰時間段，那麼V4 Pro正式版的token費用將比Fable 5便宜不到100倍。在我測試的過程中發現，DSH的緩存命中率能高到離譜，有時候甚至能高到99%。要知道，無論是高峰還是非高峰，命中緩存都比非命中緩存便宜整30倍。除了前文提到的熱替換和可逆效應以外，還有一點就是論文裡的“增量協調”（Incremental Reconciliation）。配置層是一棵由“檔案卡”（entry）組成的樹，每張檔案卡聲明一個插件，裡面的信息包括它叫什麼、跑哪份代碼、帶什麼配置。

傳統做法是，檔案一改，就把對應的整個實例連根拔起、全部重來。增量協調不是這樣。它先看改動落在檔案卡的哪一格，再做最小動作，只有代碼地址變了，才重建整個實例。如果只是隔離方式變了，那就單獨調一下隔離域。如果改的是配置本身，就交給插件自己比對，只有真動到實質內容才重載。標成停用就卸掉，取消停用再裝回來。插件底下還掛著子插件的話，就按各自的編號“按名對賬”：新增的裝進來、刪掉的卸下去、沒動的原樣留著，一層層遞歸下去。這樣一路修補下來的最終狀態，和把整個系統推倒重建再加載的最終狀態完全一致。用人話說，就是改東西的時候只動該動的，沒動的原地繼續幹活，而且最終效果跟全部推倒重來一模一樣。

在以前，把宮保雞丁變成宮保雞丁（微辣），需要將整個餐館停業，重新培訓廚子、服務員和大堂經理。然而這樣顯然是浪費算力，增量協調相當於是檢查一下宮保雞丁（微辣）的菜譜，發現好像只要撒一點辣椒進去就可以了，於是就讓所有流程保持不變，多增加了一道撒辣椒的程序。DSH在“省token”這件事上，還留了一整套後手。它的PTC模式（程序化工具調用），讓模型生成一段代碼去組合多輪工具調用，原本要五次模型往返的操作序列，一次就完成了。相當於是把五次的輸入輸出，壓縮成了一次。誠然，DeepSeek漲價了，還漲了不少錢。就算是梁文鋒也沒辦法讓DeepSeek永遠便宜，但DSH能讓“便宜”這件事在漲價之後依然成立。

模型定價是DeepSeek說了算，DSH能做的，是把每一分錢榨出最大價值，貴可以貴，但絕不白貴。