DeepSeek 表示，Harness 日活用户达到 154 万

DeepSeek 表示，其开源智能体应用 Harness 在 11 月 4 日的日活跃用户数达到 154 万，距离发布不到三个月。DeepSeek Harness 的采用规模还伴随着一项异常庞大的工作负载说法：每日处理约 92 万亿个 token。Token 是 AI 模型处理的文本片段。这些数据表明存在大量活动，但并不能证明该应用完成了多少有用工作。

据彭博社记者 Saritha Rai 在一篇日活用户更新中的报道，公司于 11 月 8 日披露了这一里程碑。该统计覆盖访问 DeepSeek 官方 API 的用户，即应用通过其向 DeepSeek 模型发送请求的接口。因此，应将其视为特定范围内的活动，而非对所有 Harness 部署实例的完整普查。

这项公告使 DeepSeek 更深入地进入智能体软件的竞争领域，即模型使用工具执行任务的领域。核心问题在于使用情况和结果：大量活动是否转化为人们愿意反复委托的工作。OpenHands 和 PI 是有价值的比较对象，因为研究已将它们与 Harness 一同评估。这些证据表明，围绕模型构建的应用本身也是竞争故事的一部分。

DeepSeek Harness 的采用数据存在重要统计边界

DeepSeek 的数据描述的是通过其官方 API 发生的活动，读者应保留这一统计边界。 开源应用可以采用不同配置运行，因此，基于服务的统计并不会自动覆盖整个产品受众。

该公司将 Harness v0.1 的日期定为 8 月 13 日，桌面版发布日期定为 9 月 29 日。因此，其 11 月 4 日的里程碑发生在首次发布后的三个月内。这些日期确立了分发与所报告采用情况的时间顺序。但它们本身并不能说明是哪一版本或功能促使人们开始使用该应用。

这一差异很重要，因为桌面界面与开发者框架可能触达不同受众。一个永远不会通过终端配置智能体的人，可能会尝试桌面应用。开发者则可能将底层软件嵌入其他工作流。在缺乏细分数据的情况下，将标题所述受众归因于任一群体，都会超出现有证据的范围。

在读者跨产品比较之前，“日活跃用户”也需要一个操作性定义。打开界面、提交请求或运行无人值守工作流，代表的是不同的行为。公告中关于官方 API 的限定有助于界定覆盖范围，但并未回答有关合格活动的所有问题。

账户身份也带来另一层不确定性。一个服务账户可能支持团队工作，而一个人也可能拥有多个账户。这些可能性并不会否定公司的披露。它们说明，已公布的数字应保留其原始标签，而不应被改写为对个体工作者数量的估计。

同样的谨慎也适用于地域和客户类型。标题并未提供按国家、职业或组织规模划分的分布。它无法证明企业采购团队正以与个人尝鲜者相同的速度采用 Harness。它也没有说明有多少活动来自软件开发，多少来自其他任务。

因此，对于追踪 DeepSeek Harness 采用情况的读者而言，这一里程碑是进行更具体评估的起点。它表示公司在明确服务边界内报告了一个规模可观的活跃受众。留存率、部署结构和任务完成情况仍有待厘清。

这使得采用一致定义的后续披露尤具价值。以相同定义发布的后续数据，有助于区分持续使用与某个繁忙的统计日。任何方法论变化都需要说明，之后人们才能绘制可靠的增长曲线。

眼前的发展是明确的：DeepSeek 已将一项规模可观的使用量主张与其智能体应用联系起来。对其解读也应保持同样具体，聚焦被统计的受众，以及尚未测量的工作。

92 万亿个 Token 衡量的是工作负载，而非已完成的工作

Token 总量衡量的是发生了多少文本处理，而非用户成功完成了多少工作。 在解读一个旨在执行重复操作的应用时，这一区别至关重要。

将报告的每日 token 总量除以报告的活跃受众，得出每位用户约 6000 万个 token。这是基于经过取整的公司数据进行的计算，并非单独测量得出的行为统计。它不应被转化为典型用户亲自阅读或撰写了如此大量材料的说法。

平均值还掩盖了分布情况。少数运行高强度工作流的用户可以显著抬高这一数值。该披露并未表明活动是广泛分布，还是集中在异常活跃的账户中。中位数即位于中间位置的观测值，则能回答另一个有用的问题。

智能体在处理一个结果的过程中，可能会反复处理信息。它们可能检查文档、调用工具、接收响应、修订计划，然后尝试另一项操作。这些是有助于解释智能体工作负载为何不同于普通对话的一般机制。它们并非对 Harness 流量的经验证细分。

重复处理可以支持有用工作。审查复杂项目的智能体可能需要多次检查，才能核验依赖关系并纠正错误。然而，重复处理也可能反映低效循环。汇总数字并不能揭示哪种解释占主导地位。

统计口径同样重要。缓存输入是服务可以复用的先前处理材料。有意义的工作负载比较应说明，缓存输入、新输入和生成输出是否以相同口径计入报告总量。缺少这些细节时，相同的 token 总量可能描述不同的运营需求。

该数字本身也无法确定基础设施需求。不同的模型配置、请求模式和复用机制，会改变服务某一工作负载所需的资源。若要将标题数字直接换算成硬件需求估计，需要公告未提供的信息。

对买方而言，更有用的分母是达到验收标准的已完成任务。文档审查只有在准确识别相关问题时才有价值。代码变更只有在按要求运行并通过审查时才有价值。这两种结果都不会自动源自大量模型活动。

这改变了该里程碑应如何影响竞争分析。高使用量是值得调查的证据，尤其对于刚发布不久的应用而言。但它不能替代完成率、人工修正时间，或多次尝试中的可靠性数据。

商业影响同样尚未明确。仅凭处理量无法确定收入、运营利润率或客户的付费意愿。一个繁忙的应用可能有多种不同的商业解释。现有数字无法在它们之间作出选择。

如果 DeepSeek 的披露能与来自明确定义工作负载的结果指标结合，其信息价值将更高。这种组合将采用情况与实际表现联系起来，同时保留已报告活动的重要性。

插件为开发者提供了围绕 Harness 构建的理由

DeepSeek 的插件社区更新称，目前已有约 35,000 个第三方插件，即可增加或替代应用功能的软件扩展。它表示，约 60% 的活跃用户已创建或安装至少一个插件。该更新还概述了官方市场和对插件作者的支持，具体细节仍待公布。

插件为通用智能体软件通向专业化工作流创造了路径，但目录规模本身无法证明其日常实用性。 对开发者而言，机会在于触达已经使用主应用的人群。

一个可复用扩展可以让工作流传播到其原始作者之外。解决了反复出现的研究或发布问题的人，可以将该解决方案打包供他人使用。这使开发者关系在主应用提供成熟市场之前，就具有经济相关性。

公司重点介绍了一款论文阅读扩展，结合了参考资料处理、翻译、高亮和笔记功能。它还展示了一个覆盖创意、脚本、封面和分镜的创作者工作台。这些是公司选定的示例，并非关于整体受众的代表性证据，也不是经过独立验证的生产力成果。

不过，这些例子阐明了开发者受邀构建的内容。机会不止于回答孤立问题的聊天界面。它还包括智能体可与文档、已保存输出和一系列相关活动交互的工作空间。

对研究者而言，阅读与写作之间的衔接，可能与单个回答的质量同样重要。一个有用的应用会保留来源与从中得出的结论之间的关系。当支持其结论的证据难以找回时，再吸引人的摘要也会失去价值。

这也是随着智能体应用扩展，知识管理仍然相关的原因。委托一项任务并不会消除整理其输入和保留其结果的需要。周边的信息工作流决定了某项输出日后是否仍然有用。

不断增长的扩展目录给独立工作流应用的开发者带来压力。他们必须评估，用户是更偏好专门的目的地，还是现有工作空间中的一个扩展。这是分发决策，而非某一产品类别将取代另一类别的证据。

插件作者也面临自身的权衡。获得既有受众可以降低寻找用户的难度。依赖主应用则会带来界面变化、兼容性问题和发现规则方面的风险。开发者需要确信，维护工作仍能持续触达受众。

因此，市场提案作为一种潜在分发机制具有重要意义。其意义将取决于发布、发现、更新和下架机制在实践中如何运作。宣布支持尚不能证明围绕扩展构建业务已具备可预测的条件。

如果人们反复回到由外部开发者创建的工作流，采用故事将变得更具影响力。这将表明价值正在扩散到 DeepSeek 自身构建的功能之外。目前，安装统计并未显示这些扩展被使用的频率。

开放智能体软件在整个工作流层面竞争

智能体的表现取决于其模型、周边软件和所分配任务之间的互动。 因此，即使读者主要关注模型能力，DeepSeek 的应用策略也仍然具有相关性。

Harness 是围绕模型运行的软件，负责管理上下文、工具使用、执行过程和持续状态。上下文指模型在一次请求中可获得的信息。这些设计选择会影响模型看到什么，以及它提出行动建议后会发生什么。

Dai Jiahong 在 8 月发布的一篇预印本中，考察了 LangChain 的 deepagents、Earendil 的 PI 和 DeepSeek 实现中的智能体 Harness 架构。研究发现，尽管设计理念各异，这些系统仍存在反复出现的架构元素。研究还指出，外部可验证性仍是一个尚未解决的缺口：外部人员应能检查执行记录，而不只是信任运行时环境。

这一比较为采用公告提供了有用的框架。DeepSeek 所参与的领域中，周边软件能够决定模型能力以多大程度有效地触达用户。模型质量依然重要，但它并不能决定组装完成的应用程序会呈现何种行为。

Yixuan Li 领衔的一篇 10 月预印本考察了 66 种配置中的模型与 Harness 适配性。比较对象包括 OpenHands、DeepSeek Harness、PI 和 openJiuwen，以及原生 Codex 与 Claude Code 的组合。作者报告称，模型排名会随 Harness 和任务而改变。

这些是在特定实验条件下得出的研究发现，并非普适的产品排名。它们并不能证明对每位用户而言都存在唯一的最佳应用程序。但它们确实支持人们评估完整配置，而不是假定强大的模型在任何地方都同样出色。

这对采用 DeepSeek Harness 的启示很直接。不断增长的受众为了解人们认为哪些配置有用创造了机会。但这并不能证明它优于研究中纳入的替代系统。要作出这种判断，需要可比的任务、一致的设置，以及供评审者检查的结果。

对于选择基础设施的开发者而言，灵活性只有在能够帮助他们解决特定弱点时才具有实际价值。不同的工具界面或许能让错误更易恢复。对既有工作的更好处理或许能避免重复犯错。这些是设计上的可能性，而非对 DeepSeek 所报告增长的已证实解释。

灵活性也会带来维护责任。改变一个组件，可能会改变工作流其他环节中的假设。今天有效的配置，需要有办法在更新后仍保持可理解性。这一负担包括记录实际运行了什么，并在出错时复现结果。

对于企业买家，这意味着产品比较应包含有代表性的实际工作，而不只是功能清单。有效的评估应观察组装完成的系统如何完成任务、从失败中恢复，以及将结果交给审阅者。

DeepSeek 的受众声明提升了这场竞争的可见度。现有证据支持人们关注应用层，同时将采用情况、任务表现和架构偏好视为彼此独立的判断。

安全与验证仍应与受欢迎程度区分开来

被广泛使用的智能体仍需要控制措施，以将不受信任的信息与采取行动的权限分离开来。 受欢迎程度无法建立这种边界，尤其是在应用程序接受扩展并处理外部材料时。

间接提示注入发生在检索内容中隐藏的指令试图重定向智能体时。即使用户请求的是一项普通任务，文档或工具响应中也可能包含此类指令。关键在于，系统究竟将这些材料视为信息，还是视为权威指令。

Zonghao Ying 及其同事在 8 月发布的一篇预印本中，使用 AI-Infra-Guard 对 DeepSeek Harness 进行了提示注入评估。该研究涵盖 14,560 次受控执行，并报告称，在部分测试条件下攻击成功。研究所使用的工具和敏感目标均为本地测试装置，用于记录尝试执行的操作，而不产生外部影响。

这些发现需要明确的时间边界。它们针对的是 8 月接受评估的实现与条件，并不能证明每个问题到 11 月仍然存在，也不能证明所有当前部署的行为完全相同。

它们同样不能证明 DeepSeek 采用计数中的用户确实遭到入侵。受控安全实验与涉及已部署系统的事件属于不同形式的证据。保持这一差异，既能避免淡化已记录的担忧，也能避免夸大其当前影响范围。

更广泛的教训同样适用于插件策略。扩展会改变应用程序能够访问或执行的内容。其价值与风险可能源于同一种能力，例如读取项目文件或与另一项服务交互。

因此，审查扩展不应止于确认它能够安装。买家需要了解它获得了哪些访问权限、传输了哪些信息，以及能够发起哪些操作。这些问题关注的是已部署的配置，而非宿主平台的受众规模。

可发现性和信任也是彼此独立的问题。市场可以让扩展更容易被找到，却不能证明每一个上架项目都适用于敏感工作。其审查与执行流程决定了一个上架项目能够提供多少保障。

执行记录也是如此。可读的历史记录有助于人们重建发生过的过程。更强的验证则要求人们确信记录是完整的，且未被篡改。当智能体输出会影响需要问责的决策时，这一区别就变得重要。

DeepSeek 计划中的改进，值得在实施细节公布后接受评估。安全声明在明确具体控制措施、版本和测试条件时会更有价值。笼统的保证无法告诉买家某个具体工作流是否符合其要求。

这是对采用里程碑的一项务实限定。所报告的受众规模值得关注，但部署决策仍需要有关权限、失败处理和审查的证据。这些标准同样适用于竞争性的智能体系统。

三项披露可让采用故事更具参考价值

最具信息价值的后续披露，应将一致的受众衡量标准与可重复的结果及更清晰的开发者条件联系起来。 在未来几个月中，有三项信号尤其值得关注。

第一项是采用稳定定义的后续使用情况披露。DeepSeek 若能说明何种活动符合统计条件，并展示用户是否持续回访，将能增强其采用声明的说服力。跨多个时期的可比测量，比单一里程碑能提供更多背景。

留存率，即较早一批用户中后来再次返回的比例，将尤其有帮助。它能够区分持久的工作流使用和最初的尝试。统计定义发生变化并不必然否定增长，但在比较结果能够被信任之前，这种变化需要得到解释。

如果在一致的方法下，活动规模仍然可观，这一信号将增强 DeepSeek Harness 被持续采用的论点。若后续披露显示这只是短期峰值，或采用了明显更宽泛的计数规则，则会削弱这一解释。

第二项信号是关于已完成工作的可比证据。有效评估应明确任务、应用程序版本、模型配置和验收标准。它们应同时展示失败情况和人工干预，而不只展示成功输出。

对于文档工作，这可以是检查结论是否仍得到其来源支持。对于软件工作，这可以是审查所请求的变更是否通过了有意义的检查。这些是拟议的评估方法，而不是有关 DeepSeek 已经发布结果的说法。

独立复现能够增强人们对某项结果反映可重复能力的信心。依赖未记录调整的结果，支持力度则较弱。Token 总量可以与这些评估一并提供，使读者能在有用输出之外评估处理强度。

第三项信号是市场和开发者支持承诺的落实情况。相关证据应包括发布规则、兼容性预期、安全审查，以及对存在问题的扩展的明确处理方式。当作者能够理解参与和维护要求时，开发者支持才会变得具体可感。

一个正常运作的分发渠道将增强这样的论点：外部开发者能够围绕 Harness 构建持久的工作流。若围绕发现机制或兼容性持续存在不确定性，这一论点就会显得不那么有说服力。关键观察点在于，开发者是否获得了为用户提供服务的可靠条件。

这三项信号结合起来，能够厘清故事的不同部分，而无需将它们强行压缩为单一分数。受众指标反映覆盖范围。任务评估反映实际表现。开发者条件则有助于解释专业化应用程序能否持续可用并得到维护。

对于正在考虑智能体应用程序的读者，应从一项你能够判断结果的重复性任务开始。将源材料、验收标准和最终输出保留在一起。记录哪些地方必须由人工介入，以及结果在审查后是否仍然有用。然后在同一项工作上比较不同配置，而不要把最繁忙的系统视为最合适的选择。DeepSeek Harness 的采用情况使这款产品值得考察，但你的工作流才能提供对你决策真正重要的证据。你会信任它反复完成哪项任务？在扩大这项责任之前，你需要看到什么？