DeepSeek 強勢回歸與市場衝擊
在 OpenAI 宣稱因安全考量暫停研發之際，DeepSeek 發布了 GitHub 史上星數增長最快的開源 Harness 框架。
DeepSeek is back... and Silicon Valley is terrified
✓ 這篇在你的庫裡
在摘要庫開啟 →
這部在講什麼評測比較
介紹 DeepSeek 推出的開源 AI 代理框架「DeepSeek Harness」，並實測其 V4 Pro 模型在開發應用程式上的效能與成本。
適合誰想自定義 AI 工作流的開發者與技術愛好者。
決策依據理解 AI Harness 的插件化架構、DeepSeek V4 Pro 的實戰開發表現、評估開源與閉源 AI 工具的差異。
最值得看2:13 深度解析「萬物皆插件」的高靈活性架構。
判斷路徑
先看差異，再做決定意義優先，時間戳用來導航
AI Harness 的核心機制
模型是預測 Token 的大腦，而 Harness（外殼）則是讓模型能操作文件系統、插件與管理上下文的執行環節。
高度自定義的插件化設計
基於「時空可組合性」論文，將模型適配器、工具、甚至 UI 都做成插件，開發者可透過 YAML 配置自由替換。
實戰開發成本與效率
使用 V4 Pro 模型開發一個功能完整的應用耗時約 30 分鐘，消耗 260 萬個 Token，成本約 30 美金。
功能穩健但視覺表現中規中矩
與 Claude Code 或 Codeex 相比，DeepSeek 的 UI 生成較不華麗，但在邏輯功能與互動細節（如側滑動畫、聊天功能）上非常紮實。
看完可以做什麼
前往 GitHub 搜尋並研究 DeepSeek Harness 或 Cordis 框架，嘗試在自己的開發環境中配置自定義插件。需要留意：DeepSeek V4 Pro 的 API 價格隨著這次更新有顯著提升；生成大型應用需耗費較長時間（約 30 分鐘），且 UI 美感可能需要手動優化。
生成於 5 小時前
檢舉
觀眾怎麼看
整理 40 則有效留言信心 高觀眾對 DeepSeek Harness 的開源潛力感到興奮，同時對其成本效益與技術細節展開熱烈討論。
多數觀眾認為開源模型正逐漸追趕甚至超越封閉式模型，DeepSeek Harness 被視為 AI 代理領域的重要突破。
有觀眾指出在 DeepSeek Harness 中使用「最小模式」配合特定插件，能獲得比標準模式更高效的推理表現。
有觀眾質疑影片中提到的 0.30 美元成本與截圖中的 Token 數量計算不符，對數據準確性提出疑問。
部分觀眾對影片中展示的 AI 應用場景（如馬匹交友軟體）感到荒謬，並質疑其作為評測基準的合理性。
觀眾詢問是否能將 DeepSeek Harness 在本地環境運行，以及對硬體規格的具體要求。
留言樣本僅代表部分觀眾觀點，且部分內容包含網路迷因與戲謔成分。