首页 / 资讯详情
万字长文拆解DeepSeek V4 Pro与Harness：从后训练到「代理自进化」，更大的变化在开源框架里
摘要
不管哪个时代，人都会遇到同一道题：无论宏大叙事还是人生决策，面前问题太复杂，资源和时间却不够，必须决定先做哪个、放弃哪个。（雷峰网）从 1812 年黑格尔的辩证法，到马克思、列宁，再到 1915 年毛泽东在延安写下的《矛盾论》，一百多年里，这套思想最终落到了一个很实际的问题上：复杂事物中矛盾很多，但真正重要的是找到决定其他矛盾的主要矛盾。今天的大模型行业也不例外，当前大模型行业面临的主要问题有以下这些：1.模型能力的增长速度，同把这种能力转化成可靠产出的能力之间的矛盾（模型强，但产出物没价值）。2.算力资源受限，同能力需求无限之间的矛盾（人们总吐槽 AI 太傻）。3.单价在快速下降，同真实账单在上涨之间的矛盾（模型便宜了，但每个月花的更多了）。4.要做通用智能，同要交付一个能用的产品之间矛盾（简单的不好用，好用的不简单）。这些矛盾才构成了交错向上发展的行业和机会。没有人能逃避这些选项，DeepSeek 也一样。我们对 deepseek-v4-Pro以及 Harness 做了几轮实测：直接打接口的探针、七次编码任务运行（其中四次是只改一个变量的对照）、把上下文压到 92 万 token 的位置测试，加上把它 19.8 万行源码和 21.7 万行测试过了一遍。试图来回答以下问题：1.v4-Pro这个模型到底怎样，比 flash、preview 版本有哪些不同？2.好多网友反馈接入其他 Harness 会降智是怎么回事？3.使用成本到底怎么样？能否量化？4.Harness 解决什么问题？什么人适合它？总而言之，这几天的研究和使用下来还是很精彩的，我们甚至能透过 v4-Pro和 Harness 管中窥豹，看到一些 DeepSeek 对技术、对人性，甚至对世界的判断和认知。01先看模型：DeepSeek V4 Pro 到底强在哪里？Pro 很可能重做了一次非常先进的后训练Pro和 Flash 这两个模型其实有挺多版本，我们一次性拉出来看下：【Provs Flash 全参数对照，含字段释义】我们会发现两个有意思的结论：1.Pro 对比 flash，模型本身的层面在深度、宽度、注意力、专家池以及专家内部宽度都有很大进展。2.但这五个维度都是预训练阶段就定性的，不是后训练带来的变量。（有一样是相同的：每个 token 实际只激活 6 个专家，两个模型都是 6。）还有一处彩蛋，后面会再 call back：deepseek Harness 的出厂默认模型写的是 deepseek-v4-flash。【packages/bundle/base/cordis.patch.yml 里 agent-default-model 】为什么 Pro 正式版拖到 Flash 转正之后才公布？坊间其实预测 Pro 早就该来了。我们都知道模型预训练定天花板，后训练定发挥。如果去翻旧账会发现四月那版 v4-Pro-Preview 其实有一个缺陷：竞赛型代码题三项全场第一，但 Terminal Bench 2.0 只有 67.9。7 月 31 日 Flash 转正，官方贴出它的 Terminal Bench 2.1 是 82.7，而同一张表里 Pro-Preview 是 72.1。也就是说 Flash 正式版的 Terminal Bench 已经比旗舰模型 Pro的分数高不少了，我合理推测 DeepSeek 在 Flash 版本上尝试出了更好的后训练方法，因此 v4-Pro 被回炉重造。【官方自测当前 v4 家族和几款旗舰模型的评测分数】再看 v4-pro-0813 的几项跃升里边，正好