一句话看懂：DeepSeek Harness 发布 v0.1.5，首次与 DeepSeek V4.1 Flash 模型在训练阶段深度绑定，并同步推出实验性的 Agent Teams 功能。这意味着 Harness 不再只是”套在模型外面的壳”，而是与模型一起被训练。
事件核心：发生了什么
DeepSeek Harness 团队负责人 Tianyi Cui 在 X 上宣布，Harness v0.1.5 开放试用。这一版本的關鍵变化是：它不再作为通用容器去适配模型，而是与 DeepSeek V4.1 Flash 在训练阶段就深度结合——模型针对 Harness 的不同配置做了专项训练和优化。与此同时，团队放出了实验性的 Agent Teams 功能，同样与模型训练绑定，招募尝鲜用户。该帖发布于 2026 年 9 月 10 日，浏览量约 11.8 万，团队同时表示仍在开放招聘，方向是”一切皆插件”以及模型与 Harness 共同进化。
为什么重要
过去一年多，Agent 产品的主流做法是：模型能力由厂商决定，Harness（调度、工具调用、上下文管理等外层框架）自己想办法把模型”用好”。这种解耦带来的问题是，框架只能被动适配模型的脾气。
v0.1.5 透露的信号是，DeepSeek 开始把 Harness 纳入训练环节——模型在训练时就”知道”自己会运行在什么样的脚手架里。这条路线在业内并非孤例，但由模型厂商自己主导、且明确以 Harness 配置为变量做专项训练，仍属少见。如果跑通，它可能改变 Agent 产品的竞争维度：比拼的不再只是模型参数和榜单分数，而是”模型＋Harness”整体调优后的任务完成率。
对用户/开发者/创作者的影响
对开发者来说，最直接的疑问是兼容性：与 Harness 深度绑定的 V4.1 Flash，在自建 Agent 框架或第三方 Harness 中是否还能保持同等表现，目前公开信息显示尚不清楚。Agent Teams 作为实验功能，意味着 API 和行为规范可能还会变，不建议直接用于生产环境。
对普通用户和创作者而言，这类深度耦合通常意味着开箱体验更顺——工具调用、多步任务的成功率可能高于”通用模型＋自建工作流”。代价是迁移成本上升：一旦业务建立在这套 Harness 上，换模型的摩擦会比以前更大。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Agent Teams 的具体形态和开放范围，是只对受邀用户还是逐步放开；二是”专项训练”是否会带来可量化的任务成功率提升，以及相关评测数据是否公开；三是其他模型厂商是否会跟进”模型与 Harness 联合训练”这一思路，进而影响 Agent 框架的选型格局。团队仍在扩招，也说明这套路线还处于早期投入阶段。
来源：@tianyi
