现在，梁文锋需要一个自己的“Tibo” - 赛事赛程

两个月前，崔添翼还在请开发者帮忙检测一款新产品的缺陷；两个月后，他已接管DeepSeek的产品部门。

8月13日，DeepSeek Harness以开源形式发布。这套系统能让模型调用外部工具、操作文件，并执行连续任务。当时担任团队负责人的崔添翼在微博上以征求意见的方式，间接透露了进展：“目前的版本还很不完善，请大家多提提意见。”

10月16日，澎湃新闻记者从知情人士处了解到，DeepSeek将Harness与网页、App、开放平台团队合并，由崔添翼负责管理。

截至10月23日，DeepSeek官网招聘页在“产品部门”下新增了“AI产品经理”职位。这些岗位主要分为两个方向：一是，AI产品方向负责网页、App和开放平台，目标是降低使用门槛、提升留存率和转化率；二是，Agent Harness方向则需规划产品路线、持续追踪用户的真实任务，并与模型训练研究员协作。

DeepSeek的生态系统也在持续扩展，针对自行部署模型的开发者，DeepSeek正尝试提供更多辅助工具。

10月20日，DeepSeek开源了推理框架DeepInfer，将其服务中的部分工程能力开放出来，帮助开发者高效运行模型。一方面让开发者能更好地使用模型，另一方面通过自家产品帮助用户完成工作，DeepSeek承担的这两类产品任务正同步扩展。

对大模型公司而言，产品、结果和用户的重要性日益凸显。

三个月前，OpenAI将编程工具Codex的技术整合到ChatGPT Work中，使其能跨应用和文件执行任务。参与创建Codex的Tibo Sottiaux及其团队，曾让一款编程工具接手更多人的工作，从而改变了ChatGPT。

另一个信号来自报税领域。

在科技媒体Platformer于今年5月26日发布的“AI与就业”系列访谈中，Claude Code开发负责人Boris Cherny向主持人Casey Newton回忆：“有人专门安装了终端，就为了在里面报税。”团队看到编程之外的用途后，推出了面向更广泛工作任务的Cowork。

AI竞争的要求正在提升，模型不仅要有能力，还要让人能用起来并完成工作。 而DeepSeek此次的整合与招聘，也将问题推到了模型参数之外：谁来选择优先服务的任务，让用户完成工作，再把问题反馈给研发团队。

崔添翼的Agent公式

崔添翼的微博简介很简单，只有一个公式：Agent = Model + Harness。

这种组合直观地体现了崔对Agent的理解。

DeepSeek Harness开源五天后，一位用户只提出了四个字的要求：继续任务。

8月18日，用户oaixnah在Harness项目的GitHub讨论区提问：任务意外中断，还有消息排队，能否让新发出的继续指令越过队列，直接插入对话？用户希望工作能继续，但系统需要先解决这个问题，这句话该在何时送入。

9月10日，社区账号Gniy7Ga在帖子下回复，称问题已在新版本中修复。DeepSeek当天发布的v0.1.5-rc.1说明，还列出了通用文件上传、在侧栏预览成果，以及用本地应用打开文件等功能。

版本记录中，也能看到崔添翼的直接参与。

9月29日，Harness在代码托管平台GitHub发布的版本说明中，新增了一项功能：macOS和Windows桌面端可通过菜单安装管理插件所需的命令工具，无需额外安装运行环境和软件包管理工具。

这条更新后标注的贡献者是“@tianyicui”。点进账号主页，显示的姓名是Tianyi Cui，所属组织为DeepSeek，置顶项目正是DeepSeek Harness。

7月31日，崔添翼在微博介绍V4 Flash正式版时提到，让模型调用工具完成编程任务的基准测试，便使用了当时尚未发布的DeepSeek Harness。

至于这套系统如何工作，DeepSeek官网展示了一段演示。演示中，用户要求制作一个番茄钟插件，即安装进Harness的专注计时小工具。流程包括：系统查看开发指引、编写文件、安装和验证，最后交付可点击的计时器。

这个演示中，就能看出各自的角色。 模型负责判断下一步操作，Harness提供执行工具，再将操作结果返回，供模型继续判断。能这样调用工具、连续处理任务的AI系统，通常被称为Agent。

而崔添翼的那个Agent公式，指的就是这种协作方式。

据澎湃报道，崔添翼毕业于浙江大学计算机专业，曾在量化交易公司Jane Street工作九年，今年3月加入DeepSeek，其Harness团队也在当月组建。约半年后，他带领这支年轻团队做出的产品仍在预览和迭代中，职责便扩展到原有的网页、App和开放平台。

这些入口服务于不同的用户群体。网页和App直接提供聊天服务，开放平台则通过API（供其他软件调用的接口）提供模型。

早在8月13日发布V4 Pro正式版时，DeepSeek就调整了接口，使Codex能够接入；9月10日发布V4.1 Flash，又宣布WorkBuddy、OpenCode等Agent产品完成接入。公司一边推出自己的执行环境，一边继续让模型进入他人的工具。

DeepSeek也走到了下一步

将Token价格打下来，曾是DeepSeek走向用户的关键一步。

而在“Agent = Model + Harness”这个公式中，DeepSeek的Model长板确实明显，但Harness呢？

10月17日，DeepSeek发布V4.1 Flash更新。在官网同步发布的《DeepSeek V4.1 Flash 新版本：许愿式编程一键成真》中，公司称新版提升了在游戏开发、3D建模等方面“从零开始构建完整项目的能力”，并缩短了“任务运行时间与输出长度”。公告同时建议用户升级Harness，让执行环境适配新版模型。

同日发布的Harness版本记录中，另一项改动直接指向了用途：SDK（供开发者调用这套系统的软件开发工具包）中的默认角色，从固定的编程Agent改为适用于一般任务的通用AI Agent。

事实上，DeepSeek早已将模型带入了不同的使用环境。

2025年1月，它发布App，将模型送到手机上；今年8月，又开放Harness，让模型进入能操作工具和文件的工作环境。如今，官网提供macOS和Windows桌面版，展示文档、表格、代码、定时任务和成果预览。在这类产品中，一项任务需要经过读取材料、调用工具、生成文件等一系列操作。

但官网仍将Harness标注为预览版。

10月17日的更新中，它处理了两个具体问题：一是， 应用意外退出后，中断的任务会明确显示为停止，避免让人误以为已正常完成；二是， Office任务的回复也调整为避免引用已删除的预览图片。这些改动关系到用户能否了解工作进展、能否找到交付成果。

目前来看，招聘启事中，DeepSeek透露了部分目标。比如，面向网页、App和开放平台的岗位要提高留存与转化；比如，Harness方向要追踪真实任务、规划产品路线。

从对话到执行，已成趋势，产品层的改进也进入细节。

9月，Kimi的桌面工作助手Kimi Work加入了选中文档局部修改、Office历史版本管理等功能；10月6日起，Claude Cowork将Pro、Max订阅用户的新任务放到云端，用户可以跨桌面、网页和手机继续操作，但访问本机文件仍需桌面端保持打开。

产品团队扩充的同时，DeepSeek也在推进新一轮融资。 据彭博10月22日援引知情人士报道，公司本轮融资规模约1000亿元人民币，腾讯和宁德时代是主要投资方。路透同日跟进称，交易正进入收尾阶段，财务细节仍可能变化。彭博还提到，DeepSeek正加大对AI数据中心和开源模型的投入。

一个编程工具，曾改变了ChatGPT

Codex曾是OpenAI内部表现不错的测试品。但对外推出后，它并未很快成为用户持续使用的工具。

2025年5月，OpenAI推出云端Codex，让它在远程环境中读代码、改文件、运行测试。

科技媒体Every后来采访Tibo等团队成员，回顾了这次发布为何遇冷。当时OpenAI内部，统一的开发环境自动处理了准备工作，但外部用户却需要自己搬运访问凭证、安装所需软件，才能让Codex运行。

内部试用未能提前暴露的问题不止于此。

任务开始后，用户难以中途纠正方向，当时的模型能力也尚有不足。Every在报道中写道，Codex的发布在OpenAI之外引起了关注，却很少被持续使用。

2025年春末至夏季，Tibo接手Codex的工程管理，随后调整了方向：让Agent直接在开发者自己的电脑上运行，使用本机已有的文件和工具。

那时，团队已有一个起点：OpenAI在4月发布的命令行版Codex。在此基础上，Tibo优先安排重写读取文件、运行命令的底层程序，将其与用户输入指令的界面分开。这样，同一套执行程序就能支持不同界面。这项选择的代价是，命令行版的新功能一度进展较慢。

随后，这套程序支撑起了编辑器扩展，让Codex进入开发者平时写代码的软件。新的问题也随之出现：当用户同时交给AI几项工作，如何查看进度、检查修改、在需要时接手？

2026年2月2日，OpenAI发布Codex macOS桌面应用。这个版本中，任务按项目放在不同对话中，多个Agent可以并行工作，用户能够逐项检查改动。

按照OpenAI的官方解释，模型已能持续处理更复杂的任务，原有终端和代码编辑器却不适合让人同时指挥、监督多个Agent。

7月9日，OpenAI披露，Codex每周有超过500万人使用。OpenAI还表示，已有超过100万人用它做软件开发之外的工作。同一天，OpenAI将Codex技术内置到ChatGPT Work，Codex应用也开始并入新的ChatGPT桌面端。

至此，编程工具中形成的执行能力，进一步扩展到ChatGPT的通用工作任务。

另一边，Anthropic也遇到了意料之外的事。

前述访谈中，Boris提到，有用户为了报税，专门安装了终端。Claude Code虽然能接受自然语言指令，但终端这种工具入口，连部分工程师都不愿使用。

用户已将非编程任务带入Claude Code，此时，团队需要做的就是提供一个更易用的入口，让更多人不必先学会这种操作方式，也能用上它的能力。

1月12日，Anthropic上线了研究预览的Cowork，将Claude Code的执行能力放入桌面应用，并面向编程之外的知识工作，能够直接处理本地文件。

按Anthropic的官方教程，用户可以授权它访问一个文件夹，再交代整理要求，让它将下载目录中的文件分类、重命名。也就是说，原先需要在命令窗口中完成的交代，被放入了普通用户更熟悉的界面。

然而，做出新入口后，新的问题又出现了。

9月16日，Anthropic宣布将Cowork与聊天合并，向用户逐步开放统一的对话界面。Anthropic解释，过去用户得先判断该去聊天、Cowork还是处理视觉工作的Design，已在一个入口展开的工作也难以带到另一个。合并后，用户可以在同一段对话中交代任务、编辑文档或幻灯片，继续使用已有上下文和工具。

Google则改变了用户接收资料的方式。

2024年9月，资料研究工具NotebookLM推出“音频概览”功能（Audio Overview）。该功能可以将用户上传的材料变成两位AI主持人的对谈，并供用户下载收听。一个月后，它又允许用户指定讨论重点，并根据听众的专业程度调整讲解。于是，同一份资料，由此有了离开屏幕的用法。

将三组选择放在一起，可以看见产品团队实际改变了什么：

从OpenAI到Anthropic，再到NotebookLM，模型与产品正融合为一种能力。

长任务，DeepSeek的“新账”

然而，其他企业在产品上的经验，DeepSeek很难直接复制。

10月20日，DeepSeek宣布开源内部推理框架DeepInfer。据了解，DeepInfer集成了高性能算子与深度优化的推理引擎，支持分布式推理、推测解码、SWA Bounded Replay、结构化输出等能力，兼容英伟达与华为昇腾平台。

这次开源，意味着DeepSeek将模型在芯片上计算、安排请求执行等方面的部分工程能力交给了外部开发者。 而首批开放的是离线推理核心能力，搭建完整线上服务仍需补齐缓存管理、负载均衡等组件。

据DeepSeek介绍，模型决定能力边界，而如何以合理成本服务大规模用户，则是推理框架需要解决的核心问题。

开源和普惠一直是外界贴在DeepSeek身上的重要标签。

2025年1月20日，DeepSeek发布R1时，给出了极具冲击力的报价：按美元计，每百万输出token为2.19美元，同期OpenAI o1为60美元，前者约为后者的二十七分之一。

如今，低价普惠选择在增多，DeepSeek自己的价格也经历了调整。

以人民币计，V4 Flash在4月的输出价为每百万token 2元，8月上调，9月V4.1 Flash发布后又降至闲时4元、高峰8元。阿里云北京地域的Qwen3.7-Plus固定版本（2026-05-26），在单次输入不超过256K token时，常规实时调用的官方输出原价同样为每百万token 8元。

一次调用便宜，不等于一项工作便宜。 长任务增加的开销，在9月公开的V4.1技术报告中有具体体现。

技术报告中提到：模型需要处理越来越长的上下文，计算、缓存和传输负担也随之增加。而缓存保存的是模型处理上下文时产生的计算结果，复用它们可以减少重复计算，但也会占用存储空间。

报告还称，在相同上下文长度下，相比V4 Flash，V4.1 Flash的全局KV缓存占用约降至四分之一，持久化KV缓存约降至八分之一。

据DeepSeek在10月20日发布的推理部署说明，目前，基于DeepInfer已实现DeepSeek V4.1 Flash高吞吐、低延迟的大规模推理服务，单一集群的服务吞吐是155万亿Tokens/天，整体收入是每卡每小时38美金（按谷价）。

低价普惠曾是DeepSeek的重要优势，但长任务增加了计算、缓存和传输负担，也带来了新的成本压力。

“如果需要，我们做应用也没障碍。”2024年7月，梁文锋接受《暗涌》采访时，已这样回答过关于应用的问题。

那时，让DeepSeek受到关注的是V2及其价格。梁文锋将降价归因于架构探索带来的成本下降。V2通过压缩上下文缓存、减少每次计算实际动用的参数，降低运行负担，同时开发者拿到模型后，可以自行部署和改造。

与其他产品相比，用户已对DeepSeek建立了鲜明的认知。这是聚光灯，也是枷锁。在体验、结果、高效等要求之外，DeepSeek的Agent自然有不同的期待。这是它的惯性，也是DeepSeek的“Tibo”所要面对的。