DeepSeek के डेवलपर्स ने DeepSeek Harness का प्रीव्यू संस्करण जारी किया है, जिसे 13 अगस्त को रात 20:30 बजे समुदाय के लिए खोल दिया गया था। हालांकि उत्पाद का संस्करण v0.1 के रूप में चिह्नित है, समुदाय ने बहुत सक्रिय प्रतिक्रिया दी। उसी दिन DeepSeek V4 Pro आधिकारिक तौर पर जारी किया गया।
DeepSeek Harness एक एजेंट फ्रेमवर्क है जो Claude Code और Codex जैसी ही श्रेणी से संबंधित है, लेकिन यह स्वयं एक मॉडल नहीं है। DeepSeek के आंतरिक सूत्र के अनुसार, एजेंट मॉडल और Harness को मिलाकर बनता है: मॉडल 'मस्तिष्क' के रूप में कार्य करता है जो तर्क के लिए जिम्मेदार होता है, जबकि Harness एक परिधीय प्रणाली है जो इस मस्तिष्क को बाहरी दुनिया, फ़ाइलों, टर्मिनलों और ब्राउज़रों से जोड़ती है। इस प्रकार, उत्पाद एक एजेंट है, लेकिन इसे अधिक सटीक रूप से एजेंट फ्रेमवर्क कहना चाहिए।
उत्पाद के साथ शुरुआत करना काफी सरल है: आपको टर्मिनल में कमांड npx @deepseek-ai/dsh web चलाना होगा, ब्राउज़र में localhost:3080 खोलना होगा और DeepSeek API कुंजी दर्ज करनी होगी। अन्य एजेंट उत्पादों के विपरीत, जो तुरंत प्रश्नों के लिए इंटरफ़ेस में खुलते हैं, dsh पहले API कुंजी दर्ज करने की मांग करता है, जिसके बाद 'Exploring the Uncharted' स्लोगन के साथ मुख्य इंटरफ़ेस प्रदर्शित होता है।
उत्पाद में चार पूर्व-स्थापित ऑपरेटिंग मोड शामिल हैं। मानक मोड एक पूर्ण कार्यात्मक कोडिंग एजेंट है जिसमें फ़ाइल संपादन, शेल उपयोग, खोज, कौशल, योजना, लक्ष्य, सबएजेंट और वर्कफ़्लो की क्षमताएं हैं, जो Claude Code और Codex के समान है। PTC (प्रोग्रामेटिक टूल कॉलिंग) मोड उपकरणों को एपीआई कोड के रूप में लपेटने की अनुमति देता है, जिससे मॉडल TypeScript में एक प्रोग्राम लिख सकता है जो क्रमिक रूप से संचालन निष्पादित करता है और केवल अंतिम परिणाम लौटाता है, मध्यवर्ती डेटा को रनटाइम वातावरण में सहेजता है, जिससे टोकन की बचत होती है और स्वचालन डेवलपर्स पर केंद्रित होता है।
न्यूनतम मोड केवल दो उपकरण प्रदान करता है - एक स्थायी bash शेल और str_replace_editor संपादक, इस धारणा पर कि एक शक्तिशाली मॉडल टर्मिनल और फ़ाइल संपादक का उपयोग करके कोडिंग का अधिकांश भाग कर सकता है। और निर्माण मोड (Creation Mode) प्लगइन डेवलपर्स के लिए डिज़ाइन किया गया है, क्योंकि यह रनटाइम जांच और प्लगइन प्राधिकरण मार्गदर्शन के साथ कस्टम एजेंट प्रीसेट बनाने की अनुमति देता है।
प्रत्येक मोड अपने स्वयं के प्लगइन सेट को लोड करता है: मोड बदलने से निर्धारित होता है कि एजेंट के लिए कौन से उपकरण उपलब्ध हैं और वह किन नियमों के तहत कार्य करेगा। मुख्य अवधारणा यह है कि सब कुछ Cordis प्लगइन सिस्टम पर बनाया गया एक प्लगइन है, जो मॉडल, उपकरण, कौशल, सत्र, सैंडबॉक्स, स्टोरेज, चक्र, योजना और उपयोगकर्ता इंटरफ़ेस को कवर करता है। एक उपयोगकर्ता ने प्लगइन्स की मदद से पूरे कार्य इंटरफ़ेस को पुनर्स्थापित करने की सूचना दी, और दूसरे ने केवल प्लगइन्स का उपयोग करके सत्रों के बीच दीर्घकालिक स्मृति और पृष्ठभूमि में स्व-विकास लागू किया, जिससे मॉडल को समय-समय पर अपने काम के रिकॉर्ड की समीक्षा करने और अस्थायी अनुभव को स्थायी ज्ञान में संपीड़ित करने की अनुमति मिली।
DeepSeek ने रिकॉर्डिंग और पथ ट्रैकिंग के साथ सत्र लॉग भी प्रदान किए हैं। प्रीव्यू संस्करण डिफ़ॉल्ट रूप से Kimi, OpenAI, Anthropic और Google सहित लगभग 40 मॉडल का समर्थन करता है। हालांकि, समीक्षक के लिए बुरी खबर यह थी कि एक लंबी कार्य को पूरा करने में आधे घंटे से अधिक का समय लग सकता है, जो गति के लिए जाने जाने वाले कंपनी के लिए अस्वीकार्य है। आधिकारिक बयान स्वीकार करता है कि चूंकि यह एक प्रारंभिक प्रीव्यू संस्करण है, इसलिए कई विवरणों को अभी भी परिष्कृत करने की आवश्यकता है, और मुख्य प्लगइन्स और इंटरफेस को शीघ्र ही अपडेट किया जाएगा। हालांकि शेल शुरुआती चरण में है, वास्तुकला पर दांव बहुत बड़ा है, और समुदाय पहले से ही DeepSeek Harness के भविष्य को परिभाषित कर रहा है।
DeepSeek कंपनी ने अपनी V4 Pro मॉडल को सार्वजनिक रूप से उपलब्ध कराया है, और इसने अपनी मूल्य निर्धारण पृष्ठ पर DeepSeek-V4-Pro-0813 नामक रिलीज़ प्रस्तुत की है। फ्लैगशिप स्तर का मॉडल 1 मिलियन टोकन की संदर्भ विंडो और 384 हजार टोकन के अधिकतम आउटपुट से लैस है, जो डिफ़ॉल्ट रूप से थिंकिंग मोड का उपयोग करता है, लेकिन विलंबता-संवेदनशील अनुरोधों के लिए थिंकिंग मोड के बिना एक एंडपॉइंट भी प्रदान करता है।
1 मिलियन टोकन इनपुट और 384 हजार टोकन आउटपुट का संयोजन एक ही कॉल के भीतर पिछले पीढ़ी की तुलना में काफी अधिक मात्रा में सामग्री को संसाधित और उत्पन्न करने की अनुमति देता है, जो बड़ी कोडबेस, व्यापक दस्तावेज़ कॉर्पस और बहु-चरणीय एजेंटों के साथ काम करने के लिए विशेष रूप से प्रासंगिक है।
DeepSeek ने उन सुविधाओं को भी एकीकृत किया है जिनकी अधिकांश एजेंट डेवलपर्स से अपेक्षा करते हैं: JSON प्रारूप में संरचित आउटपुट, टूल कॉल्स का समर्थन, रिस्पॉन्स एपीआई और Anthropic-API के साथ संगतता। इसके अलावा, वार्तालाप उपसर्ग के साथ निरंतरता और FIM समाप्ति के लिए बीटा समर्थन लागू किया गया है, जिसमें FIM थिंकिंग-मुक्त मोड तक सीमित है।
सेवा स्तर पर, ऐसे एंडपॉइंट पेश किए जाते हैं जो OpenAI और Anthropic दोनों के साथ संगत हैं, जिससे उन टीमों को स्विच करने की अनुमति मिलती है जो पहले से ही इनमें से किसी भी मानक का उपयोग कर रही हैं, बिना अपनी बुनियादी ढांचे को फिर से बनाए जाने की आवश्यकता के।
मूल्य निर्धारण स्तरों के जानबूझकर विभाजन को दर्शाता है। कैश में हिट होने पर Pro मॉडल की कीमत प्रति मिलियन टोकन के लिए 0.025 युआन है, जबकि कैश मिस पर इनपुट के लिए 3 युआन और आउटपुट के लिए 6 युआन है। इसके विपरीत, Flash मॉडल की कीमत क्रमशः 0.02, 1 और 2 युआन है, जो कैश मिस पर इनपुट और आउटपुट के लिए Pro को Flash की तुलना में लगभग तीन गुना महंगा बनाता है।
अंतर समानांतरवाद की सीमाओं द्वारा भी रेखांकित किए जाते हैं: Flash 2500 समवर्ती अनुरोधों का समर्थन करता है, जबकि Pro 500 तक सीमित है। यह अनुपात V4 परिवार के लिए एक अधिक स्पष्ट उत्पाद संरचना का संकेत देता है। Flash उच्च थ्रूपुट वाले ट्रैफिक पर केंद्रित है जहां लागत प्रमुख है, जबकि Pro लंबी संदर्भ कोडिंग और एजेंट वर्कफ़्लो जैसे अधिक गहन तर्क कार्यों पर शक्ति केंद्रित करता है, जहां मॉडल के उपयोग के लिए अधिक प्रदर्शन बफर होता है।
हालांकि, उन्नत मॉडलों के मानकों के अनुसार Pro की निरपेक्ष कीमत मध्यम बनी हुई है, जो DeepSeek को हाल ही में मूल्य वृद्धि की घोषणा के बाद खर्चों की भरपाई करने की अनुमति देती है, जबकि यह अभी भी अधिकांश विदेशी प्रतिस्पर्धियों से सस्ता रहता है। इस प्रकार, V4 श्रृंखला दोहरे मार्ग का प्रस्ताव प्रस्तुत करती है: स्केलिंग के लिए कम लागत वाला Flash स्तर और कोडिंग और एजेंट उपयोग के लिए लक्षित अधिक शक्तिशाली Pro स्तर।
डीपसीक V4 फ्लैश मॉडल ने ओपनकोड टूल में केवल एक दिन में 8 ट्रिलियन टोकन का विशाल उपयोग प्रदर्शित किया। यह मात्रा ओपनर राउटर प्लेटफॉर्म के औसत दैनिक आंकड़े से अधिक है, जो लगभग 6.6 ट्रिलियन टोकन है। उपयोग में यह उछाल एआई के साथ काम करने के तरीकों में एक मौलिक बदलाव को दर्शाता है: यदि पहले कार्य एक साधारण प्रश्न और उत्तर तक सीमित थे, तो अब एजेंट फ़ाइलें पढ़ने, कोड बदलने, प्रोग्राम चलाने और त्रुटियों के बाद पुनः प्रयास करने जैसे अधिक जटिल ऑपरेशन करते हैं, जिससे टोकन की खपत कई गुना बढ़ जाती है।
इस तरह की जटिल परस्पर क्रिया का एक उदाहरण एक उपयोगकर्ता द्वारा दिखाया गया जिसने क्लॉड ओपस 5 का उपयोग करके एक सिंगल-पेज 3डी गेम प्रोजेक्ट बनाया। इस प्रक्रिया के परिणामस्वरूप एक एचटीएमएल फ़ाइल बनी, जिसमें 690 मिलियन टोकन की आवश्यकता हुई और इसकी लागत लगभग 3000 युआन आई।
एजेंटों द्वारा किए जाने वाले कार्यों के आगमन के साथ, मॉडलों के मूल्यांकन का मानदंड व्यक्तिगत उत्तर की गुणवत्ता से हटकर लंबी अवधि के कार्य को पूरा करने की लागत पर स्थानांतरित हो गया है। उदाहरण के लिए, डीपसीक पर एक मिलियन आउटपुट टोकन की कीमत 2 युआन थी, जबकि क्लॉड ओपस 4.8 पर यही ऑपरेशन 25 अमेरिकी डॉलर का आया, जो लगभग 170 युआन के बराबर है, जो 85 गुना मूल्य अंतर को दर्शाता है। हालांकि आर्टिफिशियल एनालिसिस इंटेलिजेंस इंडेक्स v4.1 में V4 फ्लैश मैक्स ने ओपस मैक्स के मुकाबले 50 अंक प्राप्त किए, लेकिन इस परीक्षण को पास करने की लागत V4 फ्लैश के लिए 72.02 अमेरिकी डॉलर थी, जबकि ओपस के लिए 3752.55 अमेरिकी डॉलर थी, और ओपस ने कॉल की लागत में लगभग 52 गुना वृद्धि के साथ 6 अतिरिक्त अंक प्राप्त किए।
V4 फ्लैश अभी तक पूर्ण श्रेष्ठता साबित नहीं कर सकता है, लेकिन यदि दोनों मॉडल एक ही उम्मीदवार सूची में आते हैं, तो 85 गुना मूल्य अंतर मानक चयन को बदल सकता है। जब एक मॉडल अपने प्रतियोगी से केवल कुछ प्रतिशत आगे होता है, लेकिन वह दर्जनों गुना अधिक महंगा होता है, तो गणितीय रूप से अधिक महंगे विकल्प के पक्ष में चयन करना बंद हो जाता है।
इस प्रवृत्ति से सबसे पहले प्रभावित न तो सबसे कमजोर मॉडल होते हैं, क्योंकि छोटे मॉडल रूटिंग के लिए उपयुक्त बने रहते हैं, और फ्लैगशिप मॉडल सबसे कठिन कार्यों को संभालते रहते हैं। मध्यम स्तर के मॉडल सबसे अधिक संवेदनशील साबित होते हैं - वे V4 फ्लैश से मजबूत होते हैं, लेकिन वे दर्जनों गुना अधिक महंगे होते हैं और उन कार्यों को हल करने के लिए पर्याप्त शक्तिशाली नहीं होते हैं जिन्हें V4 फ्लैश संभालता है। यही डीपसीक की 'किलिंग लाइन' है: मॉडलों को जरूरी नहीं कि सबसे मजबूत होना पड़े, उन्हें अधिकांश कार्यों को पूरा करने के लिए पर्याप्त अच्छा होने की आवश्यकता है, लगभग दो परिमाण के क्रम का मूल्य अंतर का उपयोग करके, ताकि अधिक महंगे विकल्पों को डिफ़ॉल्ट सूची से बाहर किया जा सके।
मूल्य निर्धारण के संदर्भ में, ओपस एक मिलियन आउटपुट टोकन के लिए 25 अमेरिकी डॉलर, फेबल 5 के लिए 50 अमेरिकी डॉलर, और चीनी मॉडल में Qwen 3.8 Max 36 युआन, Kimi K3 100 युआन और GLM 5.2 28 युआन शामिल हैं।
मुटाई को मिनरल वाटर की कीमतों पर बेचने की क्षमता प्रति टोकन इन्फेरेंस की सीधी लागत के कारण संभव होती है, जो सक्रिय मापदंडों, सटीकता, ध्यान, KV-कैश, आउटपुट की लंबाई, हार्डवेयर के उपयोग और समानांतरवाद पर निर्भर करती है। V4 फ्लैश में 284 बिलियन कुल पैरामीटर हैं, लेकिन यह प्रत्येक टोकन के लिए लगभग 13 बिलियन को सक्रिय करता है, हाइब्रिड अटेंशन, लो-प्रिसिजन वेट्स और कैश ऑप्टिमाइज़ेशन का उपयोग करता है। एक मिलियन टोकन के संदर्भ में, इन्फेरेंस की कम्प्यूटेशनल लोड V3.2 का लगभग 10% है, और KV-कैश का आकार लगभग 7% है। V4 श्रृंखला ने CSA compress-then-focus और HCA full-browse तंत्रों को लागू करते हुए अटेंशन मैकेनिज्म को फिर से डिज़ाइन किया है, और डीपसीकMoE रूटिंग का उपयोग करता है, जो प्रत्येक टोकन को विशेषज्ञों के एक छोटे उपसमूह की ओर निर्देशित करता है। वाणिज्यिक मूल्य निर्धारण और सेवा लागत इन तकनीकी विशेषताओं का अनुसरण करती है। इस प्रकार, 'किलिंग लाइन' विकास की सीमा को फिर से परिभाषित करती है: प्रदर्शन और मूल्य का संयोजन निर्णायक कारक बन जाता है, जहां कार्य को पूरा करने की लागत एक निर्धारित मीट्रिक है।
