DeepSeek Harness: วาฬดำโผล่ขึ้นมา — สิ่งที่เรารู้จนถึงตอนนี้เกี่ยวกับคู่แข่ง Claude Code ของ DeepSeek

D​eepSeek Harness v0.1 เปิดตัวแล้ว และรายงานภาคสนามฉบับแรกที่มีนัยสำคัญก็มาถึงในเวลาไม่ถึงวันต่อมา เมื่อวันที่ 14 สิงหาคม บัญชี X เดียวกันที่เคยกำหนดนาฬิกาปล่อยตัว — teortaxesTex — บรรยายเซสชันที่ดูเหมือนค้าง แต่จริง ๆ แล้วกำลังทำงานเสร็จ: การสตรีมโทเคนช้าลงแบบ "เอ็กซ์โปเนนเชียล" จนแทบจะหยุดนิ่ง อินเทอร์เฟซแสดงรายการที่ต้องทำเสร็จ 5 จาก 9 รายการ และเมื่อรีเฟรชหน้าก็พบว่าทั้ง 9 รายการเสร็จสิ้นไปแล้ว UI แสดงสถานะจากเมื่อประมาณห้าสิบนาทีก่อนหน้านั้น "นี่คือ...สิ่งที่คุณหมายถึงโดย spatiotemporal composability งั้นเหรอ?" — เป็นการเหน็บแนมที่สมเหตุสมผล เพราะเฟรมเวิร์กที่ D​eepSeek สร้างสิ่งนี้ขึ้นมานั้นมีทฤษฎีเกี่ยวกับเวลาอยู่จริง ๆ โพสต์นี้เริ่มต้นจากชิ้นส่วนที่ตามรอยการรั่วไหล; ร่องรอยนั้นไขความกระจ่างเมื่อวันที่ 13 สิงหาคม เมื่อ D​eepSeek เปิดซอร์ส harness สิ่งที่ตามมาคือสิ่งที่ปล่อยออกมาจริง และสิ่งที่วันแรกของการใช้งานจริงเผยให้เห็นเกี่ยวกับเลเยอร์เอเจนต์ที่กำลังถูกสร้างรอบ ๆ DeepSeek V4 Flash 0731 และ DeepSeek V4 Pro

กรอบการนำเสนอที่ตรงไปตรงมาได้เปลี่ยนไปนับตั้งแต่โพสต์นี้เผยแพร่ครั้งแรก เมื่อตอนที่เผยแพร่ ยังไม่มีอะไรที่เรียกว่า "D​eepSeek Harness" เปิดตัว และหลักฐานที่มีเป็นเพียงชุดเบาะแสสาธารณะ — บัญชี WeChat ที่ได้รับการรับรอง ประกาศรับสมัครงาน เชิงอรรถจาก benchmark และการโทรศัพท์ทดสอบภายใน สิ่งนั้นไม่เป็นความจริงอีกต่อไป ในตอนเย็นของวันที่ 13 สิงหาคมตามเวลาปักกิ่ง D​eepSeek ได้เผยแพร่ v0.1 ของ harness ในรูปแบบ developer preview ภายใต้สัญญาอนุญาต MIT ที่ github.com/deepseek-ai/deepseek-harness ซึ่งสามารถรันได้ด้วยคำสั่ง npm เพียงคำสั่งเดียว และ repository ดังกล่าวได้รับดาวบน GitHub มากกว่า 30,000 ดาวภายในไม่กี่ชั่วโมง การรั่วไหลกลายเป็นผลิตภัณฑ์ สิ่งที่ยังไม่ได้รับการยืนยันในตอนนี้ไม่ใช่การมีอยู่ของ harness แต่เป็นพฤติกรรมของมันเมื่อใช้งานจริง — และรายงานภาคสนามช่วงแรกคือหลักฐานชิ้นใหม่

โมเดล + ฮาร์เนส = เอเจนต์: ว่าที่จริงแล้ว "ฮาร์เนส" คืออะไร

สูตรที่ DeepSeek ใช้ภายในคือ Model + Harness = Agent โมเดลคือสมอง ส่วน Harness คือทุกอย่างอื่นที่ทำให้เอเจนต์ทำงานได้จริง นั่นคือการจัดการบริบทและความจำ การเรียกใช้เครื่องมือ การวางแผนงาน การอ่านและเขียนไฟล์ การทำงานบนเทอร์มินัล การป้อนผลลัพธ์ข้อผิดพลาดกลับเข้าสู่ลูป และการประเมินว่างานนั้นเสร็จสิ้นจริงหรือไม่

คำนี้ถูกทำให้เป็นที่นิยมโดย A​nthropic และกลายเป็นกรอบคิดของอุตสาหกรรมว่าทำไมเอเจนต์เขียนโค้ดถึงเป็นมากกว่าแค่ LLM ที่ดี โมเดลที่ทำคะแนนได้ดีใน benchmarks ยังอาจล้มเหลวใน agentic loop ได้ ถ้ากลไกรอบข้าง — วิธีที่มันเรียกใช้เครื่องมือ วิธีที่มันจำสิ่งที่มันทำเมื่อสิบนาทีที่แล้ว วิธีที่มันกู้คืนเมื่อคำสั่งล้มเหลว — อ่อนแอ D​eepSeek ได้เปลี่ยนกลไกนั้นให้กลายเป็นกลยุทธ์ผลิตภัณฑ์ที่ชัดเจน และทีม Harness คือทีมในแผนผังองค์กรที่ทำสิ่งนี้ โมเดลที่อยู่เบื้องหลังได้เปิดตัวไปแล้ว: DeepSeek V4 Flash 0731 และ DeepSeek V4 Pro ต่างก็มีคะแนน benchmark ที่ถูกปรับแต่งสำหรับเอเจนต์ ซึ่ง D​eepSeek สร้างขึ้นภายใน harness ของตัวเอง ไปจนถึงชื่อ "D​eepSeek Harness minimal mode"

เส้นทางการรั่วไหลที่สิ้นสุดลงในวันที่ 13 สิงหาคม

นี่ไม่เคยเป็นการรั่วไหลเพียงครั้งเดียว; มันคือกองของเบาะแสสาธารณะที่สะสมมาตั้งแต่เดือนมีนาคม แล้วมาลงเอยที่วันวางจำหน่าย โดยเรียงตามลำดับคร่าวๆ:

• มีนาคม 2026 — รายงานเชื่อมโยง Cui Tianyi (崔添翼) บัณฑิตวิทยาการคอมพิวเตอร์จากมหาวิทยาลัยเจ้อเจียง และอดีตวิศวกร Jane Street เก้าปี เข้ากับงานเอเจนต์ของ D​eepSeek; ต่อมาสื่อระบุว่าเขาเป็นหัวหน้าทีม Harness ยังเป็นเพียงรายงาน ยังไม่ได้รับการยืนยันจาก D​eepSeek ในขณะนั้น

• 24 เมษายน 2026 — DeepSeek V4 เปิดตัวพรีวิว โดยวางตำแหน่งอย่างชัดเจนสำหรับงานเอเจนต์ และปรับแต่งสำหรับเครื่องมือเอเจนต์เช่น Claude Code

• พฤษภาคม 2026 — DeepSeek ประกาศรับสมัครตำแหน่ง Harness สองตำแหน่งบน Moka — ได้แก่ Product Manager สำหรับ Agent Harness และ Research Engineer โดยทั้งสองตำแหน่งประจำอยู่ที่ปักกิ่ง นักวิจัยของ DeepSeek ชื่อ Chen Deli เขียนต่อสาธารณะว่า เป้าหมายโดยสรุปคือการ benchmark Claude Code และสร้าง "DeepSeek Code Harness"

• มิถุนายน 2026 — การเร่งจ้างงานยังคงดำเนินต่อไป; หัวหน้าทีมอธิบายว่าแผนกนี้มีอัตรากำลังไม่เพียงพอ พร้อมกับ "เป้าหมายอันทะเยอทะยานและภาระงานที่หนัก"

6–7 กรกฎาคม 2026 — บัญชี WeChat ของ 'ทีม D​eepSeek Harness' ได้รับการจดทะเบียนและรับรองภายใต้นิติบุคคลปักกิ่งของ D​eepSeek พร้อมโลโก้ปลาวาฬสีดำ ยังไม่มีใครภายนอกสังเกตเห็น

• 31 กรกฎาคม 2026 — API อย่างเป็นทางการของ D​eepSeek V4 Flash เข้าสู่ช่วงเบต้าสาธารณะ และเอกสาร API ของ D​eepSeek เปิดเผย — เป็นครั้งแรก — ว่างาน CodeAgent ในเกณฑ์มาตรฐานสาธารณะของมันถูกเรียกใช้บน "D​eepSeek Harness minimal mode" พร้อมคำระบุว่า "เร็วๆ นี้."

• 1 สิงหาคม 2026 — หัวหน้าทีม Harness เปิดรับสมัครผู้ทดสอบภายใน โดยมุ่งเป้าไปที่นักพัฒนาที่พัฒนาโปรเจกต์ agent-harness แบบโอเพนซอร์ส สื่อเทคโนโลยจีนรายงานว่ามีผู้สมัคร 769 ราย จาก 712 โครงการที่ไม่ซ้ำกัน และมีดาว GitHub สะสมมากกว่า 1.2 ล้านดวง

• 11 สิงหาคม 2026 — การรายงานข่าวเกี่ยวกับบัญชีนี้แพร่หลายเป็นวงกว้าง วาฬดำโผล่ขึ้นมา

• 13 สิงหาคม 2026 — v0.1 เปิดตัว: ใช้ใบอนุญาต MIT โอเพนซอร์สบน GitHub, รันได้ด้วย npx @deepseek-ai/dsh web. เส้นทางเรียบร้อยแล้ว

สิ่งที่ v0.1 ปล่อยออกมาจริงๆ

ดีเวลลอเปอร์พรีวิวเป็นรันไทม์เอเจนต์แบบเดสก์ท็อปและ CLI ในเนมสเปซแพ็กเกจ Node สร้างบน Cordis meta-framework โดยมีหลักการออกแบบที่ระบุว่า "ทุกอย่างเป็นปลั๊กอิน" โมเดล เครื่องมือ ทักษะ เซสชัน แซนด์บ็อกซ์ พื้นที่จัดเก็บ วงวนเอเจนต์ การจัดกำหนดการ และ UI ล้วนเป็นปลั๊กอิน Cordis ที่สามารถเปลี่ยนแทนได้ มีพรีเซ็ตสี่แบบ: Standard (ชุดเครื่องมือเอเจนต์เขียนโค้ดเต็มรูปแบบ), PTC (โมเดลเขียนโปรแกรม TypeScript เพื่อประสานงานการเรียกเครื่องมือหลายขั้นตอน), Minimal (เครื่องมือเชลล์บวกกับตัวแก้ไขไฟล์ — โหมดที่ใช้รันเกณฑ์มาตรฐาน V4) และ Creation (สำหรับสร้างพรีเซ็ตแบบกำหนดเอง) มุมมอง Trajectory จะเขียนทุกสิ่งที่โมเดลเห็นลงในบันทึกเซสชันแบบ append-only ซึ่งสามารถเล่นซ้ำได้ทีละแหล่ง — คำตอบของ D​eepSeek ต่อข้อร้องเรียน "กล่องดำ" เกี่ยวกับประวัติเอเจนต์แบบสรุป

ข้อควรระวังที่สำคัญคือข้อควรระวังของ D​eepSeek เอง: นี่คือ developer preview โค้ดรีโพซิทอรีมีประกาศการทดสอบภายใน และคาดว่าจะมีการเปลี่ยนแปลงที่อาจทำลายความเข้ากันได้ (breaking changes) ในขณะที่ปลั๊กอินหลักและ API พื้นฐานยังคงพัฒนาต่อไป คำเตือนนั้นกลับกลายเป็นว่าสมเหตุสมผลภายในไม่กี่ชั่วโมง — และมันเป็นกรอบสำหรับรายงานภาคสนามด้านล่าง

สิ่งที่รายงานภาคสนามฉบับแรกแสดงให้เห็น

รายงานที่รวบรวมข้อมูลอัปเดตนี้ขึ้นมาเป็นบัญชีผู้ใช้เพียงรายเดียว และควรอ่านในฐานะเช่นนั้น: teortaxesTex เมื่อวันที่ 14 สิงหาคม ได้บรรยายถึงเซสชัน D​eepSeek Harness ที่การสตรีมโทเคนค่อยๆ ช้าลงจนแทบหยุดนิ่ง หน้าจอแสดงรายการที่ต้องทำเสร็จแล้วห้าจากเก้ารายการ และเมื่อโหลดใหม่ก็เผยให้เห็นว่าทั้งเก้ารายการเสร็จสมบูรณ์แล้วจริงๆ — อินเทอร์เฟซกำลังแสดงสถานะจากเมื่อประมาณห้าสิบนาทีก่อนหน้านี้ มันเป็นโพสต์ X เพียงหนึ่งโพสต์ ไม่ใช่การยอมรับจากผู้จำหน่าย และยังไม่มีการพิสูจน์ซ้ำอย่างอิสระ แต่ประเภทของอาการนี้ได้รับการสนับสนุนจากบันทึกสาธารณะของโปรเจกต์เอง ซึ่งเป็นสิ่งที่ทำให้ควรนำมาพิจารณาอย่างจริงจัง

ที่เก็บข้อมูลอย่างเป็นทางการ ในการสนทนา GitHub Discussion #483 ที่ยื่นเมื่อวันที่ 13 สิงหาคม ได้บันทึกกลุ่มความล้มเหลวนี้ไว้อย่างชัดเจน เนื้อหาเซสชันถูกจัดเก็บด้วยชุดการเขียนแบบ write-behind ที่มีขอบเขตจำกัด — อีเวนต์จะอยู่ในคิวรอในหน่วยความจำจนกว่าไทเมอร์ 200 มิลลิวินาทีจะกระตุ้นให้เกิดการเขียนที่ทนทาน — และอินเทอร์เฟซจะแสดงเฉพาะสถานะที่คอมมิตแล้วเท่านั้น ภายใต้โหลดพร้อมกันที่สูง ช่วงเวลาดังกล่าวยืดออกอย่างมาก หลังจากการปิดระบบที่ไม่สะอาด ส่วนท้ายที่อยู่ในหน่วยความจำจะไม่ถูกฟลัช และแบ็กเอนด์ JSONL หรือ SQLite จะโหลดเฉพาะส่วนนำที่คอมมิตแล้ว ทำให้อินพุตผู้ใช้ปรากฏช้าหรือไม่ปรากฏเลย และประวัติที่มองเห็นก่อนหน้านี้หายไป การสนทนานี้เชื่อมโยงกับปัญหาที่เปิดอยู่สองรายการ: #477 (อินพุตข้อความผู้ใช้ล่าช้าเป็นเวลานานภายใต้โหลดพร้อมกันที่สูง) และ #479 (คำขอใหม่จากผู้ใช้ไม่ปรากฏในมุมมองการสนทนาเลย) รายงานภาคสนามที่ว่า "5/9 บนหน้าจอ, 9/9 เสร็จสิ้น" คือช่องว่างระหว่างสถานะที่คอมมิตแล้วกับสถานะจริงที่ปรากฏในเซสชันสด

ผลตอบรับของ Broader v0.1 ถูกแบ่งเป็นสองขั้วอย่างที่สมเหตุสมผล ผู้ทดสอบบางส่วนยกย่องสถาปัตยกรรมปลั๊กอินว่าเป็น 'เดสก์ท็อปพีซีที่ประกอบเองได้พร้อมพอร์ตสากล' เมื่อเทียบกับคู่แข่งแบบปิด ขณะที่คนอื่นๆ รวบรวมจุดบกพร่อง — เส้นทางมัลติโมดัลที่ฮาร์ดโค้ดไว้ และบั๊กนโยบายเอเจนต์ที่มีการบันทึก ซึ่งแฮร์เนสบังคับให้โมเดลตรวจสอบทุกรหัสออกที่ไม่ใช่ศูนย์ ขณะที่รหัสออก 1 ของ grep สำหรับ 'ไม่พบ' ทำให้การทดสอบที่ผ่านดูเหมือนล้มเหลว ขับเคลื่อนวงจรการตรวจสอบเกินจำเป็นที่เสริมตัวเอง (คำขอ 61 ครั้งเทียบกับ 32 ครั้ง และ $0.17 เทียบกับ $0.05 สำหรับงานเดียวกันในการเปรียบเทียบที่รายงาน) บทวิจารณ์ในวันแรกอ่านแล้วเหมือนตัวอย่างสำหรับนักพัฒนาที่มีความทะเยอทะยานจริงและปัญหาในเลเยอร์สถานะจริง ไม่เหมือนคู่แข่งที่เสร็จสมบูรณ์ของ Claude Code

"Spatiotemporal composability" ไม่ใช่แค่มุกเท่านั้น

มุขปิดท้ายของรายงานภาคสนามมีเอกสารวิชาการรองรับอยู่เบื้องหลัง D​eepSeek Harness ถูกสร้างบน Cordis ซึ่งการออกแบบมาจาก "A Programming Paradigm for Spatiotemporal Composability" — งานวิจัยเชิงรูปแบบจำนวน 88 หน้า ซึ่งร่วมเขียนโดย Peking University และ D​eepSeek โดยมี Yifan Shi (ผู้สร้างเฟรมเวิร์กแชทบอท Koishi) เป็นผู้เขียนคนแรก ร่วมกับ Wei Zhang และ Cui Tianyi หัวหน้าทีม Harness เอกสารนี้แยกย่อยการประกอบรวมแบบไดนามิกออกเป็นสองแกนที่ตั้งฉากกัน: ความสามารถในการประกอบรวมเชิงเวลา (temporal composability) ซึ่งการนำคอมโพเนนต์ออกจะยกเลิกผลข้างเคียงของมันอย่างสะอาดราวกับว่ามันไม่เคยมีอยู่ และความสามารถในการประกอบรวมเชิงสเปซ (spatial composability) ซึ่งคอมโพเนนต์ประกาศการพึ่งพา และรันไทม์จะเปิดใช้งานและปิดใช้งานคอมโพเนนต์เหล่านั้นโดยตอบสนองตามการปรากฏขึ้นและหายไปของผู้ให้บริการ

มุกนี้ได้ผลเพราะสถานะการเรนเดอร์ UI จากห้าสิบนาทีก่อนคือความล้มเหลวของการประกอบเชิงเวลาในความหมายที่ตรงที่สุด: รันไทม์ยังคงทำงานต่อไปในขณะที่สถานะที่มองเห็นถูกคอมมิตตามหลังอยู่ ช่องว่างด้านความคงทนที่บันทึกไว้ใน Discussion #483 — แบทช์แบบเขียนตามหลังที่อาจล้าหลังลูปการทำงานไปไกล — คือสิ่งที่ข้อรับประกันของเอกสารตั้งใจจะป้องกันพอดี ไม่ว่าชั้นสถานะของแฮร์เนสจะปฏิบัติตามข้อรับประกันเหล่านั้นในทางปฏิบัติจริงหรือไม่ ถือเป็นหนึ่งในคำถามที่ยังเปิดอยู่จริง ๆ ของรุ่นนี้ และรายงานวันแรกเป็นหลักฐานชิ้นแรกที่จะบ่งชี้ทั้งสองกรณี

โมเดลที่อยู่ด้านล่าง

ตัวฮาร์เนสคือผลิตภัณฑ์ ส่วนโมเดลคือเครื่องยนต์ โมเดลทั้งสองที่ D​eepSeek คาดว่าจะนำมาวางภายใต้ฮาร์เนสนี้เปิดใช้งานจริงแล้ว และทั้งคู่สามารถเรียกใช้ผ่าน OrcaRouter ได้แล้วในวันนี้:

• DeepSeek V4 Flash 0731 — เวอร์ชันทางการที่ถูกฝึกซ้ำ (re-post-trained) ของ DeepSeek ซึ่งเป็นโมเดล MoE ที่มีประสิทธิภาพ (รวม 284B / ใช้งานจริง 13B) รองรับบริบท 1M โทเคน เอาต์พุตสูงสุด 384K โหมดคิด (thinking mode) เปิดโดยค่าเริ่มต้น และคล่องแคล่วโดยกำเนิดใน OpenAI Responses API ซึ่งเป็นภาษาถิ่นที่เอเจนต์สไตล์ Codex ใช้พูด ตัวเลข benchmark เอเจนต์ที่ DeepSeek เผยแพร่เองสำหรับเวอร์ชัน 0731: 82.7 ใน Terminal-Bench 2.1, 76.7 ใน Cybergym, 70.3 ใน Toolathlon Verified, 68.7 ใน DSBench-FullStack, 59.6 ใน DSBench-Hard ตัวเลขเหล่านั้นรายงานโดยผู้ผลิตและยังไม่ผ่านการตรวจสอบซ้ำ แต่เป็นสิ่งที่ DeepSeek เลือกนำเสนอ และยังทำคะแนนสูงกว่า DeepSeek V4 Pro Preview ในชุดเดียวกันอีกด้วย

• DeepSeek V4 Pro — โมเดล MoE เรือธงขนาด 1.6T (พารามิเตอร์รวม) / 49B (แอกทีฟ) รองรับคอนเทกซ์ 1M โทเคนเท่าเดิม โอเพนเวตส์ (เผยแพร่เมษายน 2026) ราคา $0.44 / $0.87 ต่อล้านโทเคน

ในเรื่องราคา ประเด็นทั้งหมดคือ D​eepSeek มีราคาถูก DeepSeek V4 Flash 0731 ทำงานที่ประมาณ $0.147 ต่อล้าน input tokens และ $0.295 ต่อล้าน output tokens — ราคารายการของผู้ขาย ซึ่ง OrcaRouter ส่งผ่านโดยไม่บวกกำไรเพิ่มเติม เมื่อ harness เติบโตเต็มที่ คุณจะสามารถชี้มันไปที่โมเดลเดียวกันกับที่คุณเรียกใช้ได้อยู่แล้วในวันนี้ และการสลับ harness เข้าหรือออกในภายหลังเป็นการเปลี่ยนแปลงการตั้งค่า ไม่ใช่การย้ายระบบ คุณไม่จำเป็นต้องใช้ D​eepSeek Harness เพื่อรันโมเดลใดโมเดลหนึ่งในตอนนี้

สงครามต้นทุนที่มันกำลังก้าวเข้าไป

นี่ไม่ใช่ตลาดเล็กๆ ตามรายงาน Claude Code มีรายได้ต่อปี (annualized revenue run rate) เกิน 2.5 พันล้านดอลลาร์สหรัฐในช่วงต้นปี 2026 และตลาดการเขียนโค้ดแบบเอเจนต์ (agentic-coding) ถูกประเมินขนาดอยู่ในช่วงหลักพันล้านดอลลาร์หลักเดียว การที่ห้องแล็บจีนรายหนึ่งเข้ามาตัดราคา API — และโมเดลของมันก็ทำงานภายใน Claude Code อยู่แล้ว — ถือเป็นการเคลื่อนไหวที่ทำให้ทั้งหมวดหมู่ต้องปรับราคาใหม่

ในเรื่องต้นทุน การเลือกแฮร์เนสมีความสำคัญพอๆ กับโมเดล การทดสอบแนวนอนของ Composio ที่รัน DeepSeek V4 Flash บนแฮร์เนสแปดตัวพบว่าแฮร์เนสที่ถูกที่สุด (แฮร์เนสโอเพนซอร์ส "Pi") มีต้นทุนการอนุมานประมาณ 0.028 ดอลลาร์ต่องานที่สำเร็จ เทียบกับประมาณ 0.195 ดอลลาร์สำหรับ Claude Code ในการทดสอบเดียวกัน ซึ่งเป็นช่องว่างเกือบ 7 เท่าในงานประเภทเดียวกัน เมื่อบวกส่วนลด prefix-cache ที่ D​eepSeek รายงาน และอัตราการเข้าถึงแคช 99.93% ที่แฮร์เนสจากบุคคลที่สามรายงานร่วมกับมัน ต้นทุนต่องานจริงของเอเจนต์ที่ขับเคลื่อนด้วย D​eepSeek จะลดลงอย่างมากและรวดเร็ว

อีกทั้งยังควรจำไว้ว่าสิ่งที่เป็นจริงในวันนี้ก็คือ D​eepSeek มี endpoint ที่เข้ากันได้กับ A​nthropic (URL ฐานคือ https://api.deepseek.com/anthropic) และเอกสารของตัวมันเองก็อธิบายถึงการชี้ Claude Code ไปยังโมเดล D​eepSeek V4 ผลิตภัณฑ์แฮร์เนสคือการที่ D​eepSeek พยายามเป็นเจ้าของเลเยอร์นั้นแทนที่จะเช่ามัน — และ D​eepSeek ได้ประกาศว่าจะมีการขึ้นราคาอย่างมีนัยสำคัญทั่วทั้งไลน์ V4 เนื่องจาก OrcaRouter ส่งต่อราคารายการของผู้ให้บริการโดยไม่บวกกำไร อัตราใหม่จึงมีผลในฝั่งของเราในวันเดียวกับที่วางจำหน่าย โดยไม่ต้องเจรจาใหม่

เหตุใดสายรัดจึงเป็นสมรภูมิรบแห่งใหม่

การเปลี่ยนแปลงครั้งนี้เปลี่ยนจากความสามารถของโมเดลไปสู่การส่งมอบงาน โมเดลระดับแนวหน้าในตอนนี้เป็นเพียงสิ่งจำเป็นพื้นฐาน (table stakes) สิ่งที่ชี้ขาดว่าทีมใดจะปล่อยเอเจนต์ออกมาจริงๆ คือกลไกรอบข้าง — และข้อมูลที่มันสร้างขึ้น นักวิเคราะห์ที่มองการเคลื่อนไหวของ D​eepSeek รวมถึง CITIC Securities โต้แย้งว่า harness ที่สมบูรณ์เป็นกำแพงป้องกันคู่แข่งด้วยเหตุผลสองประการที่เสริมกัน: ประการแรก มันปิดวงจรเชิงพาณิชย์จากจุดเริ่มต้นไปจนถึงงานที่เสร็จสิ้น และประการที่สอง มันสร้างข้อมูลเส้นทางของงานระยะยาวที่ป้อนกลับเข้าสู่การฝึกโมเดล Harness ของชุมชนเช่น Pi หรือ D​eepSeek-TUI พิสูจน์ให้เห็นถึงความต้องการ แต่พวกมันไม่ได้ส่งข้อมูลนั้นกลับเข้าสู่โมเดล Harness ของ D​eepSeek เองจะทำได้ — และฟีเจอร์ Trajectory ที่มาพร้อม v0.1 คือเส้นทางข้อมูลนั้นที่ถูกทำให้มองเห็น

นั่นก็เป็นเหตุผลว่าทำไมการมองแบบ "แค่ benchmark โมเดล" จึงไม่ครบถ้วน คะแนน agent ของ DeepSeek V4 Flash นั้นแข็งแกร่ง แต่ harness คือสิ่งที่ DeepSeek คาดหวังจะสร้างความได้เปรียบที่ยั่งยืน — ซึ่งทำให้บั๊กใน state layer ที่ปรากฏในรายงานวันแรกไม่ใช่แค่ปัญหาผิวเผิน harness ที่ UI ล้าหลังไปจาก loop ได้ถึงห้าสิบนาทียังเป็นเพียง developer preview ยังไม่ใช่ปราการป้องกันคู่แข่ง

สิ่งที่เรากำลังดูอยู่ตอนนี้

ชั้นสถานะ (state layer) ตามทันหรือไม่ ความหน่วงแบบเขียนตามหลัง (write-behind lag) ได้รับการบันทึกไว้ ทำซ้ำได้ และกำลังถูกยื่นรายงานต่อ official repository จับตาดูว่า flush path จะได้รับการแก้ไขเร็วหรือไม่ และการออกแบบที่ให้ "UI แสดงเฉพาะสถานะที่คอมมิตแล้วเท่านั้น" จะเปลี่ยนไปหรือไม่เมื่อเซสชันกำลังดำเนินอยู่กลางคัน

• การทดสอบการทำซ้ำแบบเนทีฟ เหตุผลทั้งหมดที่การเผยแพร่ครั้งนี้สำคัญคือ คะแนนเอเจนต์ V4 ของ D​eepSeek ถูกสร้างขึ้นบน "D​eepSeek Harness minimal mode" — ตอนนี้ใครก็สามารถติดตั้งพรีวิวและรันงานเหล่านั้นแบบเนทีฟได้ หากตัวเลข 82.7 / 87.9 ทำซ้ำได้ การเผยแพร่สองครั้งล่าสุดจะอ่านเป็นระบบที่สอดคล้องกันหนึ่งเดียว แต่ถ้าไม่ ช่องว่างระหว่าง benchmark ของผู้ขายก็จะกลายเป็นสิ่งที่วัดได้

• ว่า plugin ecosystem จะไปได้ไกลหรือไม่ พื้นผิว plugin ที่ติดแท็ก #dsh นั้นมีอยู่จริง แต่ยังเป็นคำถามเปิดว่าบุคคลที่สามจะปล่อยอะไรที่คุ้มค่าติดตั้งออกมาหรือไม่

• รายการราคา D​eepSeek ยังไม่ได้พูดถึงว่าตัวฮาร์เนสเองจะมีค่าใช้จ่ายเท่าไร และการประกาศขึ้นราคา API ของ V4 ก็เป็นอีกหนึ่งความไม่แน่นอนใหญ่

• ไม่ว่า "spatiotemporal composability" จะกลายเป็นรายการแก้ไขหรือเพียงคำขวัญ บทความนี้ให้คำศัพท์ที่เข้มงวดแก่ DeepSeek สำหรับความล้มเหลวที่รายงานภาคสนามเผยออกมา การที่ชั้นสถานะ v0.1 จะบรรจบกับหลักประกันเหล่านั้นหรือไม่คือบททดสอบ

อ่านกันตามตรง: สัญญาณก่อนเปิดตัวที่แข็งแกร่งที่สุดที่ D​eepSeek เคยให้ไว้ ตอนนี้กลายเป็นผลิตภัณฑ์จริงแล้ว แต่ยังเป็นเวอร์ชันตัวอย่างสำหรับนักพัฒนา (developer preview) ที่มีจุดบกพร่องระบุไว้ชัดเจน สิ่งที่มั่นคงในวันนี้คือโมเดลคู่ภายใต้มัน — DeepSeek V4 Flash 0731 และ DeepSeek V4 Pro ซึ่งทั้งคู่เปิดใช้งานบน OrcaRouter ในราคารายการของผู้ให้บริการโดยไม่มีส่วนเพิ่ม และใช้งานได้ในวงรอบเอเจนต์ผ่าน API มาตรฐานเดียว เมื่อโครงสร้างการประเมินเติบโตเต็มที่ วิธีประเมินมันโดยไม่ต้องเดิมพันเส้นทางการผลิตกับ v0.1 คือการจัดเส้นทาง: วางโครงสร้างการประเมินไว้ด้านหน้าเพื่อการประเมิน เก็บโมเดลชุดเดียวกันไว้เบื้องหลังปลายทางเดียว และสลับไปใช้ชุดที่พิสูจน์แล้วทันทีที่ติดขัด การสลับนั้นแก้ไขเพียงบรรทัดเดียว