DeepSeek 悄悄更新 Harness：多模态测试来了，V4 视觉版还远吗？

今早刷到一条消息：DeepSeek 开源的评测框架 Harness 更新了，这次加上了多模态支持。圈里人一看就懂，这是在给后面的大招铺路——社区里不少开发者都在猜，V4 的视觉版本是不是快来了。

Harness 到底是干嘛的

简单说，Harness 是 DeepSeek 用来给自家模型"考试"的框架。模型训练完到底行不行，不能光靠聊天手感，得跑一堆标准评测任务，比如代码生成、数学推理、逻辑问答，用统一的流程去测、去对比。以前这套东西主要处理纯文本任务，模型输入一段话，输出一段话，评分相对好设计。

但多模态就不一样了。图像理解、图表分析、OCR 识别、甚至让模型看着屏幕截图去操作界面，这些场景的"标准答案"很难用一段文本描述清楚。评测框架得模拟真实的使用环境：给模型一张 UI 截图，看它能不能找到按钮；给一张财报图表，看它能不能读出关键数字。

多模态评测难在哪

我自己的感受是，文本评测顶多算"闭卷考"，多模态评测直接变成"开卷考加实操"。你得准备图片、视频、音频各种格式的样本，还得定义清楚什么叫答对了。比如一张模糊的截图，人眼都费劲，模型答错了算它的还是算题目的？这些细节都要框架层去兜底。

所以 Harness 这次补上多模态支持，等于把"考试系统"先建好了。测试框架到位了，后面模型的视觉能力上线就有了验收标准，发布节奏自然能快起来。

对普通开发者意味着什么

如果你正打算基于 DeepSeek 做多模态应用，比如图片问答、文档解析、自动化测试工具，现在就可以先用 Harness 把模型能力摸个底，再决定方案怎么设计。评测先行，比上线了再翻车强。

说句题外话，DeepSeek 这半年更新节奏明显加快了，从长上下文到 Agent 能力，再到这次的多模态铺垫，每一步都踩在点上。V4 视觉版什么时候来不好说，但方向已经很清楚了。想尝鲜的，建议先把 Harness 拉下来跑一跑，等模型发布那天你已经是老司机了。