橘橘橘子汁 & 🍊

https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro-0813

彻底区了，悲（

还是看看 DeepSeek Harness 和 Grok 吧

🌚51😭10

5.47K views12:30

# DeepSeek Harness

https://github.com/deepseek-ai/deepseek-harness/
https://www.npmjs.com/package/@deepseek-ai/dsh

dsh 来了！最近刚好在到处找一个正常的，通过 WebUI 而不是 TUI 操作的 Agent，换了好几个都不是很满意，这下要后悔没去签保密参加内测了——

dsh 使用了我们最可拓展，架构最优雅，副作用最少，文档最少（？），热重载，插件化最爽的元框架 Cordis 进行构建，关注 Cordis 谢谢喵：https://github.com/cordiverse/cordis

也是非常羡慕 Cordis 主开发者 Shigma 了。北大本研，期间以兴趣项目的形式开发了 Koishi 和 Cordis，并且现在把 Cordis 带进了 DeepSeek，作为支持万亿用户的基础服务的一部分；带入了数以万计开发者的电脑，实现人生价值...真是让人羡慕呀！

希望 Cordis 在 Deepseek Harness 中的应用能让 Cordis 相关生态蓬勃发展～

（写这段话的时候还不知道 V4Pro 居然这么菜，嘛总之 dsh 还是值得一试的

❤52👍5

6.52K viewsedited 12:36

橘橘橘子汁 & 🍊

🔥41🥰6

4.12K views05:33

橘橘橘子汁 & 🍊

哪位大能在渡劫

⚡42🐳19

4.44K views06:28

橘橘橘子汁 & 🍊

🌚85👍6

4.83K views06:38

橘橘橘子汁 & 🍊

https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro-0813 彻底区了，悲（还是看看 DeepSeek Harness 和 Grok 吧

？？有人测出来 V4 Pro 在 Minimal 工具下启动行为和其它工具下表现完全不一样，Minimal 工具下和之前灰度时候的 “I need” CoT 一模一样，复现了一下是真的

真绷不住了，我说他们怎么做到官方跑 Terminal Bench 跑 87.9，结果 AA 跑的只有 79 的，感情搁这疯狂过拟合 Minimal Harness，还有安全词的说是

又要变祖了吗...

DeepSeek V4 Pro 不是能力不行，而是对首次请求的工具结构极其敏感。官方 Standard/PTC 只有 91/92 分，Minimal 是 99/96，但只有两个工具。我们做了一个两阶段插件：首轮只给 shell + read 锚定 Minimal 推理轨迹，第一次工具调用后立刻恢复 Standard 全部 25 项工具。Windows 连跑两次 98/99，均值 98.5，第二轮全程 let me=0，证明不是抽卡，也不需要牺牲完整工具能力。
插件已开源：https://github.com/xiaobright/dsh-anchored-standard
完整评测、原理分析和统计证据：https://github.com/xiaobright/modeltest

如果真的是这样的话那也太弱智了，dpsk 这模型发的真是创记录了
· 全球首个发了权重以后发现发成 V4Flash 权重了，然后紧急撤回权重的模型
· 全球首个在短短一天内发布和不发布来回抽搐 N 次的模型
· 全球首个不在指定环境运行就能掉完性能的模型（原来对标 Codex 是这么个对标法吗），而且还不告诉用户要在这个环境运行
搁这当 ARG 玩呢

甚至 deepseek-harness 还专门有一个 Commit 将 Minimal 的提示词对齐到 RL 环境

🤯101👍3

9.18K views15:09