DeepSeek V4 Pro 深拆：后训练重做，Harness 指向自进化

不管哪个时代，人都会遇到同一道题：面前的问题太复杂，资源和时间却不够，必须决定先做哪个、放弃哪个。从黑格尔到毛泽东的《矛盾论》，这套思想最终落到一个具体问题上：复杂事物中的矛盾很多，真正的关键是找到决定其他矛盾的主要矛盾。今天的大模型行业同样如此。

我们对 DeepSeek V4 Pro 和 Harness 做了几轮实测：接口探针、七次编码任务（其中四次是控制变量的对照）、把上下文压到 92 万 token 的位置测试，外加 19.8 万行源码和 21.7 万行测试的阅读。试图回答四个问题：Pro 到底强在哪？为什么接入其他 Harness 会"降智"？使用成本能否量化？Harness 解决什么问题？

模型：Pro 很可能是重做了后训练

Pro 和 Flash 有多个版本。对比配置，Pro 在深度、宽度、注意力、专家池和专家内部宽度上都有提升，但这些维度在预训练阶段就已定死。一个彩蛋是：DeepSeek Harness 的出厂默认模型写的是 flash。

另一个关键线索：v4-Pro-Preview 的 Terminal Bench 2.0 只有 67.9。7 月 31 日 Flash 转正时，同一张表里 Flash 是 82.7，Pro-Preview 是 72.1——Flash 的 Agent 能力比分比当时的旗舰还高。合理推测 DeepSeek 在 Flash 上跑通了新的后训练方法，然后把 Pro 回炉重造。到 v4-Pro-0813，Terminal Bench 2.1 从 72.1 涨到 87.9，DeepSWE 从 12.8 涨到 62.7。我们自造的两道题，六次运行全部满分。

但官方自测表的另一半被忽略了：Kimi K3 在多数 agentic 项上仍领先 0813，Terminal Bench 88.3 对 87.9。Pro 总参是 Flash 的 5.6 倍，激活参数 3.8 倍，换来的只是个位数领先。Flash 才是 DeepSeek 认定的主力性价比档，Pro 是上限档。

1M 上下文是外推出来的

DeepSeek 的 1M 上下文来自 Hugging Face 配置：65536 × 16 = 1,048,576。它是在 64K 基础上用 YaRN 外推 16 倍。同标 1M 的 Kimi K3 换了注意力机制，GLM-5.2 把 rope_theta 拉到 800 万，只有 DeepSeek 明确用了外推。

外推的长上下文通常会在窗口后段衰减。我们在 385 万字符（约 92 万 token）的语料里埋了十条可客观判对错的事实，位置从 5% 到 95%，结果 10/10 全部命中，零编造。也就是跑到 1440 米还没掉速。不过官方给 Claude Code 的接入建议把自动压缩窗口设在 768K，显然不建议跑满。

单价偏贵，任务便宜，省钱在缓存

第三方评测机构 Artificial Analysis 把 Pro 的输入价标为 expensive：同类中位数每百万 token $0.33，它要 $1.32。但每个任务均价 $0.25，在 106 个开源模型里第二低。比它强的 Kimi K3 每任务 $0.84，Claude Opus 5 是 $2.34。

真正省钱的是缓存。92 万 token 的上下文，第一次提问花了约 ¥9，之后四次加起来约 ¥0.28。我们四次编码任务的缓存命中率在 93% 到 98%。8 月 17 日涨价，涨幅最大的是缓存命中价（6 到 12 倍），最受伤的反而是把缓存用得最好的人。

为什么换 Harness 会"降智"？

网友反馈把 V4 Pro 接入 Claude Code 后明显变差。实测发现是官方路由导致的：DeepSeek 做了一层模型名翻译，Anthropic 三档被压成两档——claude-opus 对应 Pro，claude-sonnet 和 claude-haiku 都对应 Flash。问题在于 Sonnet 在 Anthropic 那边是干活主力，能力离 Opus 更近，却被归到 284B 的 Flash。非 claude 开头的名字会直接报 400，只有 claude-* 前缀才会静默映射。老教程里的 claude-3-opus 这类旧名字也很可能落到 Flash。

计费上它是按 Flash 计价，不是偷钱的问题，但开发者会误以为自己在用 1.6T 的旗舰，实际是混合体。正确做法是显式覆盖 ANTHROPIC_MODEL 等四个环境变量。

Harness：要么极简，要么让模型自己改自己

8 月 13 日晚发布 V4 Pro 后 76 分钟，DeepSeek 开源了 Harness。官方跑分用的"极简模式"里，模型只有两个工具：一个持久 bash、一个字符串替换编辑器；上下文压缩关闭；系统提示词只有一句话；空闲超时 48 小时。两道题我们照跑都做对了，但极简模式比标准模式多走 55% 的步数、多花 58% 的成本。它用步数换工具数，少即是贵。

更有意思的是"一切皆插件"。模型适配器、工具注册表、会话日志、沙箱策略，连派活的主循环本身都是插件，都能从配置里换掉。它甚至内置五个工具，让模型在运行中的进程里自己写插件、挂载、执行——相当于允许一个 App 在运行时自己写一个新 App 并立刻装进系统。官方对此很坦诚：沙箱只隔离全局对象，不是安全边界，要当作 bash 权限对待。