DeepSeek Harness來了：AI開始製造AI了？
中國 AI 新創公司 DeepSeek 近日低調釋出一款名為「Harness」的新工具，消息曝光後迅速在科技圈與 AI 社群中引發高度關注。儘管官方尚未發布詳細的技術文件或使用說明，光是這個命名本身，就已經讓許多人開始揣測 DeepSeek 下一步的戰略意圖。在英文語境中，Harness 帶有「駕馭」、「控制」、「束縛」的雙重含義，外界普遍解讀，這可能是 DeepSeek 在 AI 自主發展與自我優化方向上的一次關鍵布局，也讓「AI 開始製造 AI」的討論再度成為焦點。
所謂「AI 製造 AI」，並非指機器人在工廠裡組裝另一台機器人，而是指讓模型在訓練、評估或迭代的過程中扮演更主動的角色，而非只是被動接受人類設計好的流程與參數。傳統的 AI 開發模式高度依賴研究人員與工程師的反覆調校，從資料集的挑選、模型架構的設計，到超參數的調整與評估標準的制定，幾乎每一個環節都需要人工介入。而 Harness 這個名字所暗示的方向，則可能讓模型本身參與到這套流程之中，具備一定程度的自我修正、自我評估，甚至是自我進化的能力。這類技術路線過去並非完全沒有討論，但多半停留在學術實驗室的論文預印本，或是小規模的實驗性研究之中。如今由一線模型開發商實際推出產品雛形，意義自然不同。
DeepSeek 並非第一家嘗試讓模型參與自身設計流程的團隊，但卻是少數在開源社群中擁有大量影響力、且模型性能已達國際第一梯隊的中國廠商。當這樣的角色開始把「自主迭代」從概念化為實際工具，整個產業的想像空間與警覺性，都會同步被拉高。從 DeepSeek 過往的發布節奏與開源風格來看，這家公司在技術分享上向來不吝嗇，從模型權重到訓練細節，都傾向於公開透明。也因此，外界對於 Harness 的具體功能雖然所知有限，卻普遍預期 DeepSeek 不會讓這項工具停留在內部使用，而是有可能在後續階段開放給社群測試，甚至納入其開源生態體系之中。
若果真如此，Harness 的影響範圍將不僅止於 DeepSeek 自家模型，而可能成為整個開源 AI 社群共同使用的基礎設施。當然，現階段關於 Harness 的具體功能、適用場景與技術細節仍然相當有限，外界多半只能從名稱與 DeepSeek 的過往路線來推測。它究竟是用於自動化資料標註、模型評估、訓練過程的動態調整，還是更進一步的自主程式碼生成與架構搜尋，目前都還沒有明確答案。但可以確定的是，這項發布已經讓 AI 產業開始重新思考一個根本問題：當模型開始參與自身的設計與改良，開發者的角色究竟會發生什麼變化。過去，AI 開發者被視為模型的「創造者」，從無到有賦予模型能力與邊界。
但在 AI 製造 AI 的願景中，開發者更像是「初始條件的設定者」與「最終結果的驗收者」，中間那段漫長而繁瑣的試錯與優化過程，可能逐步交給模型自己完成。這並不意味著人類工程師會失業，而是意味著他們的工作內容將從低階的重複性調校，轉向更高層級的目標定義、倫理約束與安全防護。與此同時，監管框架也將面臨新的挑戰。現行的 AI 監管邏輯，多半建立在「人類控制模型」的前提之上，要求開發者對模型的行為負責。但當模型具備一定程度的自主迭代能力，其行為模式可能超出原始設計者的預期範圍，屆時責任歸屬、透明度要求與安全評估機制，都必須重新設計。
這也正是 Harness 這類工具引發討論的原因之一——它不僅是技術問題，更牽動著整個產業的治理結構。從產業競爭的角度來看，DeepSeek 選擇在此時推出 Harness，時機點也頗耐人尋味。全球 AI 市場正處於激烈競爭階段，各大廠商都在尋找下一階段的差異化優勢。算力規模與資料量的競賽固然重要，但若能在「模型自主進化」這個方向上搶得先機，無疑將建立起另一道競爭壁壘。DeepSeek 此舉，或許正是試圖在模型能力之外，開闢一條全新的技術賽道。當然，也有觀察者持較為保留的態度。AI 自主迭代聽起來前景廣闊，但實務上充滿風險與不確定性。
模型在自我優化的過程中，可能出現「獎勵駭取」——也就是模型找到投機取巧的方式來通過評估，而非真正提升能力；也可能在反覆迭代中累積偏差，導致行為逐漸偏離人類價值觀。這些都是 Harness 若要走向成熟應用，必須正面回應的問題。無論如何，DeepSeek Harness 的出現，已經在科技圈投下一顆震撼彈。它象徵著 AI 發展可能正從「人類設計模型」的階段，逐步過渡到「模型協助設計模型」的新時代。這條路最終會通向何處，目前尚無人能給出確切答案，但可以確定的是，AI 產業的遊戲規則，正因為這樣一個看似低調的工具發布，而悄然迎來新一輪的調整與重構。
Related
相關文章
Mistral AI Releases Timestral: A 209M Forecasting Model Family That Outperforms Google’s TimesFM-3
Mistral AI has released Timestral, its first family of time series foundation models. Timestral is a set of 4 zero-shot forecasting models from Mistral AI, sized from 5M to 209M parameters.
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。