DeepSeek 表示 Harness 日活躍用戶達 154 萬

DeepSeek 表示，其開源代理應用程式 Harness 在推出不足三個月後，於 11 月 4 日錄得 154 萬日活躍用戶。DeepSeek Harness 的採用情況亦伴隨一項異常龐大的工作負載說法：每日處理約 92 兆個 token。Token 是 AI 模型處理的文字片段。這些數字反映出大量活動，但未能證明該應用程式完成了多少有用工作。

據 Bloomberg 記者 Saritha Rai 的報道，並見於一則日活躍用戶更新，該公司於 11 月 8 日披露此里程碑。該數字涵蓋使用 DeepSeek 官方 API 的用戶，即應用程式向其模型發送請求的介面。因此，這應被理解為一個界定明確的活動範圍，而非所有 Harness 部署的完整普查。

這項公布令 DeepSeek 在代理軟件競爭中的位置更為明確；在這個領域中，模型會使用工具執行任務。核心問題關乎使用情況與結果：大量活動是否轉化為人們選擇委派、可重複完成的工作。OpenHands 與 PI 提供了有用的比較基準，因為研究已將它們與 Harness 一併評估。這些證據令模型周邊的應用程式亦成為競爭故事的一部分。

DeepSeek Harness 的採用數字有一項重要統計界線

DeepSeek 的數字描述透過其官方 API 進行的活動，讀者應保留這項統計界線。 開源應用程式可採用不同配置，因此基於服務的計數不會自動涵蓋整個產品受眾。

該公司將 Harness v0.1 定於 8 月 13 日推出，桌面版則於 9 月 29 日發布。因此，其 11 月 4 日的里程碑落在首次發布後三個月內。這些日期確立了分發及所報採用情況的時序，但本身並不能識別哪個版本或功能促使人們開始使用該應用程式。

這個區別很重要，因為桌面介面與開發者框架可觸及不同受眾。原本不會在終端機設定代理的人，或會嘗試桌面應用程式；開發者則可能把底層軟件嵌入另一個工作流程。若沒有細分資料，把標題中的受眾歸因於其中任何一組，都會超出現有證據所能支持的範圍。

「日活躍用戶」亦需要有操作性定義，讀者才能在不同產品之間比較。開啟介面、提交請求或運行無人值守工作流程，代表的是不同的行為。公告中限定為官方 API，有助界定涵蓋範圍，但未能回答所有有關合資格活動的問題。

帳戶身份亦帶來另一項不確定性。一個服務帳戶可支援團隊工作，而一個人亦可持有多個帳戶。這些可能性不會否定公司的披露，但說明了為何公布的數字應保留原有標籤，而不應變成個別工作者人數的估計。

同樣的審慎態度亦適用於地域及客戶類型。標題沒有提供按國家、職業或組織規模劃分的分布。它不能證明企業採購團隊採用 Harness 的速度，與個人試用者相同；也未能說明有多少活動來自軟件開發，或其他任務。

因此，對追蹤 DeepSeek Harness 採用情況的讀者而言，這個里程碑是更具體評估的起點。它表示公司報告在既定服務界線內有相當大的活躍受眾，但保留了留存率、部署組合及任務完成情況等問題。

這令一致的後續披露尤其有價值。若日後以相同定義發布數字，將有助區分持續使用與某個繁忙的報告日。如方法有所改變，便需要先作說明，才能得出可靠的增長曲線。

眼前的發展相當具體：DeepSeek 已為其代理應用程式附加一項可觀的使用量說法。解讀亦應同樣具體，聚焦於被計算的受眾，以及尚未量度的工作。

九十二兆個 Token 衡量的是工作負載，而非已完成工作

Token 數量衡量的是發生了多少文字處理，並不衡量用戶成功完成了多少工作。 在解讀一個旨在採取重複行動的應用程式時，這個區別至關重要。

將所報每日 token 總數除以所報活躍受眾，得出每名用戶約 6,000 萬個 token。這是根據經四捨五入的公司數字所作的計算，而非另行量度的行為統計數字。不應將其變成一般人親自閱讀或撰寫如此大量材料的說法。

平均數亦掩蓋了分布情況。少數運行高強度工作流程的群體，便可大幅推高數字。披露並未顯示活動是廣泛分布，還是集中於異常繁忙的帳戶。中位數用來識別中間觀測值，能回答另一個有用且不同的問題。

代理在處理同一個結果時，可能會重複處理資訊。它們或會檢查文件、呼叫工具、接收回應、修訂計劃，再嘗試另一項行動。這些一般機制有助說明，為何代理工作負載有別於普通對話；它們並非對 Harness 流量的已驗證細分。

重複處理可以支援有用工作。檢視複雜專案的代理，可能需要多次處理來檢查相依關係及修正錯誤。然而，重複處理亦可能反映低效率的迴圈。整體數字無法揭示哪一種解釋佔主導。

計算方式亦很重要。快取輸入是服務可以重用、先前已處理的材料。有意義的工作負載比較，應說明快取輸入、新輸入及生成輸出，是否以相同基準計入所報總數。若沒有這些細節，相同的 token 總數可以反映不同的營運需求。

這個數字本身亦不能確立基礎設施需求。不同模型配置、請求模式及重用機制，都會改變服務某個工作負載所需的資源。若把標題數字直接轉換成硬件估算，便需要公告未有提供的資訊。

對買方而言，更有用的分母是符合驗收標準的已完成任務。文件審閱在準確識別相關問題時才有價值；程式碼變更則在按要求運作並通過審閱時才有價值。這兩種結果都不會自動隨大量模型活動而出現。

這改變了該里程碑應如何影響競爭分析。大量使用值得調查，尤其對剛推出不久的應用程式而言；但它不能取代完成率、人手修正時間，或多次嘗試中的可靠性數據。

商業含義同樣仍未明朗。單憑處理量不能確立收入、營運利潤率或客戶的付費意願。繁忙的應用程式可以有多種不同的商業解釋，現有數字無法在其中作出判定。

若 DeepSeek 的披露能配合定義清晰工作負載的結果指標，將更具資訊價值。這種組合能把採用情況連結到實際表現，同時保留已報活動的重要性。

外掛程式讓開發者有理由圍繞 Harness 建構

DeepSeek 的外掛程式社群更新稱，現時約有 35,000 個第三方外掛程式，這些軟件擴充功能可新增或取代應用程式能力。更新指出，約 60% 的活躍用戶已建立或安裝至少一個外掛程式，亦概述官方市集及對外掛程式作者的支援，詳情仍有待公布。

外掛程式為通用代理軟件通往專門工作流程提供途徑，但單憑目錄規模無法證明日常實用性。 對開發者而言，機會在於觸及已使用主機應用程式的人。

可重用的擴充功能可把一個工作流程分發至原作者以外的用戶。解決了重複出現的研究或出版問題的人，可以把該解決方案封裝供其他人使用。即使主機應用程式尚未提供成熟市集，這亦令開發者關係具有經濟意義。

該公司重點介紹一個結合參考資料工作、翻譯、標註及筆記的論文閱讀擴充功能，亦展示涵蓋構思、劇本、封面及分鏡的創作者工作台。這些是公司挑選的例子，並非關於整體受眾的代表性證據，亦不是獨立驗證的生產力結果。

不過，這些例子確實說明開發者被邀請建立甚麼。機會不止於回答零散問題的聊天介面，也包括代理與文件、已儲存輸出及一連串相關活動互動的工作空間。

對研究人員而言，閱讀與寫作之間的交接，可能與個別答案的質素同樣重要。有用的應用程式會保留來源與從中得出結論之間的關係。若難以找回支援證據，再吸引的摘要也會失去部分價值。

這亦是為何隨着代理應用程式擴展，知識管理仍然相關。委派任務並不會消除整理其輸入及保留其結果的需要。周邊的資訊工作流程，決定了輸出日後是否仍然有用。

不斷增長的擴充功能目錄，為獨立工作流程應用程式的開發者帶來壓力。他們必須評估用戶是否偏好專屬目的地，還是既有工作空間內的擴充功能。這是分發決策，並不證明某一產品類別將取代另一類別。

外掛程式作者亦面對自身取捨。接觸既有受眾可降低尋找用戶的難度，但依賴主機則會面對介面變動、相容性問題及發現規則的風險。開發者需要有信心，維護工作會持續接觸到受眾。

因此，市集提案作為潛在分發機制具有重要意義。其意義將取決於發布、發現、更新及移除在實務上如何運作。支援公告尚未能證明，圍繞擴充功能建立業務的條件已具可預測性。

若人們持續回到由外部開發者建立的工作流程，採用故事便會變得更具影響力。這將表明價值已擴散至 DeepSeek 自身建立的功能以外。目前，安裝統計數字未有顯示這些擴充功能的使用頻率。

開放代理軟件在整個工作流程上競爭

代理的表現取決於其模型、周邊軟件及獲分配任務之間的互動。 即使讀者主要關注模型能力，DeepSeek 的應用程式策略仍然相關。

Harness 是圍繞模型運作、負責管理上下文、工具使用、執行及持續狀態的軟件。上下文是指模型在一次請求期間可取得的資訊。這些設計選擇會影響模型看見甚麼，以及它提出行動建議後會發生甚麼。

Dai Jiahong 在 8 月發表的預印本研究，探討了 LangChain 的 deepagents、Earendil 的 PI 及 DeepSeek 實作之間的 agent harness 架構。該研究雖然涉及不同的設計理念，仍識別出反覆出現的架構元素。研究亦指出，外部可驗證性仍是一項尚未解決的缺口：外部人士應能核查執行紀錄，而非只能信任運行時環境。

這項比較為採用公告提供了有用的框架。DeepSeek 正參與一個類別，在這個類別中，周邊軟件可決定模型能力能否有效觸達用戶。模型質素仍然重要，但不足以決定整合後應用程式的行為。

由 Yixuan Li 領導、於 10 月發表的預印本研究，檢視了 66 種設定中的模型與 harness 配合度。比較包括 OpenHands、DeepSeek Harness、PI 及 openJiuwen，以及原生 Codex 和 Claude Code 的配對。作者報告指出，模型排名會隨 harness 和任務而改變。

這些是在特定實驗條件下得出的研究結果，並非普遍適用的產品排名。它們並不能證明有一款應用程式最適合所有用戶。不過，研究支持應評估完整設定，而非假定強大的模型在任何環境都同樣表現出色。

對採用 DeepSeek Harness 的啟示很直接。日益擴大的受眾帶來機會，讓人了解哪些設定被認為有用。但這並不能證明它優於研究所涵蓋的其他系統。要作出這項判斷，需要可比較的任務、一致的設定，以及審閱者可檢查的結果。

對於選擇基礎方案的開發者而言，靈活性在能夠解決特定弱點時具有實際價值。不同的工具介面或可令錯誤更易復原。更妥善處理先前工作，或可避免重複犯錯。這些是設計上的可能性，並非對 DeepSeek 所報告增長的已證實解釋。

靈活性亦帶來維護責任。更改一個組件，可能會改變工作流程其他部分的假設。今天可正常運作的設定，需要有方法在更新後仍然易於理解。這項負擔包括記錄實際運行內容，以及在出錯時重現結果。

對企業採購者而言，這意味著產品比較應包括具代表性的工作，而不只是功能清單。一項有用的評估，會觀察整合後的系統完成任務、從失敗中復原，並將結果交予審閱者。

DeepSeek 的受眾聲稱提升了這場競爭的能見度。現有證據支持我們關注應用程式層面，同時把採用情況、任務表現及架構偏好視為不同的判斷。

安全與驗證仍然與受歡迎程度分開

即使廣泛使用的 agent，仍需要控制措施，把不受信任的資訊與採取行動的權限區分開來。 受歡迎程度無法建立這條界線，尤其當應用程式接受擴充功能並處理外部材料時。

間接提示注入是指，隱藏在擷取內容中的指令試圖將 agent 重新導向。一份文件或工具回應即使用戶只要求普通任務，仍可包含這類指令。關鍵在於系統把這些材料視為資訊還是權威指令。

Zonghao Ying 與同事在 8 月發表的預印本，利用 AI-Infra-Guard 對 DeepSeek Harness 進行提示注入評估。研究涵蓋 14,560 次受控執行，並報告在部分測試條件下攻擊成功。研究所用的工具及敏感目的地均為本機測試裝置，旨在記錄嘗試採取的行動，而不產生外部影響。

這些發現需要清楚的時間界線。它們涉及 8 月接受評估的實作及條件，並不證明每項問題在 11 月仍然存在，也不代表每個現時部署的行為完全相同。

它們同樣不能證明 DeepSeek 採用人數所涵蓋的用戶曾遭實際入侵。受控安全實驗與涉及已部署系統的事故，屬於不同形式的證據。保留這項區別，既可避免淡化已記錄的疑慮，亦可避免誇大其目前影響範圍。

更廣泛的教訓與插件策略相關。一項擴充功能會改變應用程式可存取或可執行的事情。其價值與風險可源自同一項能力，例如讀取專案檔案或與另一項服務互動。

因此，審視擴充功能不能只確認它能否安裝。採購者需要了解它獲得的存取權、傳輸的資訊，以及可啟動的行動。這些問題關乎已部署的設定，而非主機平台的受眾規模。

可發現性與信任亦是不同問題。市集可令擴充功能更容易被找到，卻不能保證每個上架項目都適合處理敏感工作。其審核及執行流程，決定了一個上架項目可提供多少保障。

執行紀錄亦然。可閱讀的歷史紀錄有助人們重建曾經發生的事情。更強的驗證，則要求人們相信紀錄完整且未被竄改。當 agent 的輸出影響需要問責的決策時，這項區別便尤其重要。

DeepSeek 的計劃改進，應在實作細節公開後再作評估。安全聲稱若能列明具體控制措施、版本及測試條件，便會更有用。一般性的保證，無法告訴採購者某個特定工作流程是否符合其要求。

這是對採用里程碑的實際補充說明。所報告的受眾規模值得關注，但部署決策仍需要關於權限、失敗處理及審閱的證據。這些標準同樣適用於競爭中的 agent 系統。

三項披露可令採用故事更有參考價值

最有資訊價值的後續披露，會把一致的受眾衡量方式、可重複的結果，以及更清晰的開發者條件連結起來。 在未來數月，尤其值得留意三項訊號。

第一項是採用穩定定義的後續使用量披露。DeepSeek 若能說明符合資格的活動，並展示用戶是否持續回訪，便可強化其採用聲稱。跨越多個時期的可比較衡量，會比單一里程碑提供更多背景。

留存率，即較早期一組用戶中其後回訪的比例，將特別有幫助。它可區分持續的工作流程使用與初次嘗試。定義改變未必自動否定增長，但在比較結果可被信任前，需要先作出解釋。

若在一致方法下，活動量仍然可觀，這項訊號將強化持續採用 DeepSeek Harness 的論點。若隨後的披露顯示只是短暫高峰，或計算規則明顯擴闊，則會削弱這項解讀。

第二項訊號是已完成工作的可比較證據。有用的評估會識別任務、應用程式版本、模型設定及驗收準則。它們會展示失敗和人工介入，並列成功的輸出。

就文件工作而言，這可意味著檢查結論是否仍獲其來源支持。就軟件工作而言，這可意味著審視所要求的改動是否通過有意義的檢查。這些是建議的評估方法，並非聲稱 DeepSeek 已公布相關結果。

獨立重現將加強人們相信結果反映可重複能力的信心。依賴未記錄調整的結果，支持力則較低。Token 總數可伴隨這些評估，讓讀者在有用輸出的同時評估處理強度。

第三項訊號是市集及開發者支援承諾的落實情況。相關證據包括發布規則、相容性預期、安全審核，以及對有問題擴充功能的清晰處理方式。當作者能理解參與及維護要求時，開發者支援才會變得具體。

可正常運作的發佈渠道，將強化外部開發者可圍繞 Harness 建立持久工作流程的論點。對可發現性或相容性的持續不確定性，則會令這項論點較缺乏說服力。重要的觀察點在於，開發者是否獲得可靠條件以服務用戶。

這三項訊號合起來，可釐清故事的不同部分，而無須強行把它們化為單一分數。受眾衡量建立觸及範圍。任務評估建立實際表現。開發者條件有助解釋專門應用程式能否持續提供及維護。

對考慮採用 agent 應用程式的讀者而言，應由一項可重複進行、且你能判斷結果的任務開始。把來源材料、驗收標準及最終輸出保留在一起。記錄何處需要人工介入，以及結果在審閱後是否仍然有用。然後在同一項工作上比較不同設定，而不是把最繁忙的系統當作最合適的選擇。DeepSeek Harness 的採用情況令產品值得檢視，但你的工作流程才會提供對你決策最重要的證據。你會信任它重複完成哪一項任務？在擴大這項責任前，你需要看見甚麼？