DeepSeek Harness和V4 Pro正式版同时重磅上线，一手实测：DSH更像是AI操作系统

V4 Pro正式版0813上线了，主要升级了Agent能力，网页，API，app现在都可用了， 也重磅亮相，我第一时间做了测试， 是最大的惊喜，它和我用过的所有Agent都不一样，废话不多说了，直接看重点。

V4 Pro跑分如下，整体提升感觉没有flash那么惊艳，网络安全能力这一项比较突出超越。

API价格更贵了。

涨价前：

涨价后

统一成一张「涨价前 vs 涨价后」的表格。按每百万 计算：

涨价时间：2026 年 8 月 17 日 00:00（北京时间）

高峰时段：9:00–12:00、14:00–18:00；其余时间为低峰/空闲时段。

我用我的经典模拟火星登陆题目测试了一下，

用HTML和three.js制作一个火星登陆模拟过程，全程要符合物理过程，逼真，发挥你最大的想象力，开始吧

结果比较困扰，三个都是完全一样的提示词，max档位，以下是对比：

结果是kimi K3依然是最好的（花费时间大概1个半小时），但奇怪的是V4 pro 0813（花费时间大概30分钟，需要说明的这是还没正式官宣时测的，只是API页面显示更新到了0813，用的，cc效果也差不多）效果竟然感觉没有 V4 flash 0731（花费时间20分钟左右）好，测得我都郁闷了。

V4 flash 0731确实是一个怪兽级模型，当然这一个说明不了很多问题

V4 pro 0813具体表现还需要大量的实际生产测试。

另外 v0.1 现已在开发者预览版中推出！

现向全球开发代理框架的开发者开放，并以 MIT 许可开源代码库。

由 元框架驱动， 是一个围绕一个核心理念构建的代理框架：一切皆插件。模型、工具、技能、会话、沙箱、文件系统、循环、编排和 UI 全部作为插件实现，可以自由组合、匹配、替换和扩展。

试用地址：

我第一时间用 又重测了一下模拟火星登陆，这是官宣后我新建的API key，肯定是正式版的V4 Pro，

测试过程发现了一些非常有意思的东西，假设某个功能现在没有， Agent 在执行任务的时候，可以自己发现缺少某种能力，然后自己完成开发、安装和调用，这个与DSH设计有很大关系，感觉有点自我进化的意思？

比如识图：

还有一个轨迹模式，也非常有意思，现在完全可以知道 Agent 的工作进展，你的 Agent 员工具体的思考步骤，调用工具，工具返回结果都清晰可见。最有意思的是，它会用不同颜色区分 AI 执行任务时产生的各种内容，比如橙色代表工具调用，绿色代表上下文，然后其会向轨迹一样在顶部展示。

对话框下面还能实时看工具调用，缓存命中，token速度，输入输出token等。

最终交付花了大概1个半小时，结果不太理想，主要物理过程实现有问题，但设计和审美还是在线，毕竟这才是DSH0.1版本，下面是无删减单次shot结果演示。

这两天我会用 做一些测试看看，同时发了一篇80页设计论文，值得好好研究一下。

我的整体感觉是对 非常重视，站的高度很高，有点像AI时代真正的操作系统雏形，自我进化是其中一个核心，还是开源的。