你把这场 DeepSeek Harness（以下简称 DSH）当成一场艺术的话，其实就很好理解了。

像 DeepSeek-V4-Flash，在 300 多个 B 的前提下就已经达到了那么好的成绩，同时价格便宜，缓存命中率还高，可以说已经立于不败之地。按理说，DeepSeek-V4-Pro 只要继续沿着 Codex、Claude Code 这类成熟 Agent 的路线做大量后训练，基本就能稳稳拿到一个不错的成绩。

但 DeepSeek 团队让我觉得意外的是，他们偏偏选择了最有话题度的打法。

在 DSH 上，它分成了四种模式：极简模式、代码模式、标准模式和创造模式。

其中极简模式真的非常极简，只提供 持久化 Bash 和 str_replace_editor 两个工具，构成一个最基础的 Coding Agent。

但反差的是，在一些环境下，DeepSeek-V4-Pro 反而是在这个极简模式下面表现最好。

这就很有意思了：Agent 的工具真的是越多越好吗？

工具越多，能力当然越强，但同时也意味着更多选择、更复杂的决策，以及更多出错的可能。对于一个本身已经很强的模型来说，Harness 反而可能越简单越好。

而创造模式，则直接走到了另一个极端。

它可以自主创造、修改和卸载插件。只要能完成目标，怎么干都行。

为了钉一个钉子，它可以自己造一把锤子；如果这把锤子下一步不好用了，就修改，甚至直接扔掉，再造一个新的。

我觉得这里最牛逼的其实就是这种热插拔能力。

传统 Agent 是：

人类先把工具造好 → 模型学习怎么使用。

而创造模式更像是：

先给模型目标 → 模型自己决定需要什么工具 → 自己造 → 自己用 → 不合适就扔。

这就是 DSH 最艺术的地方：它把灵活性放到了非常高的优先级。

但灵活性也意味着混乱和随机，而这恰恰是现在大模型最难控制的东西。所以绝大多数 Agent 都在自己的code agent上，或者Codex 和 Claude Code 这种足够稳定、足够结构化的方向训练。

DeepSeek 却在反过来试：

到底应该给模型多少自由？

从两个模型在不同模式下表现都不一样，也能看出来，他们自己可能还处在快速迭代和实验阶段。

所以我觉得，DSH 真正有意思的地方，真不是去看 DeepSeek 在上面的跑分，因为跑分只是一时的，或者阶段性的表现。

而是它在问一个更根本的问题：

当模型本身足够强以后，我们是不是应该少规定一点“它应该怎么做”，把更多完成任务的权力交给模型自己？
如果未来 Agent 不只是会使用人类提前准备好的工具，而是能根据任务临时创造工具、修改工具、用完就扔——那它就不再只是一个优秀的工具使用者了。

它开始有一点“自己想办法”的味道了。