डीपसीक हार्नेस ने सार्वजनिक बीटा परीक्षण पूरा होने के बाद अपना पहला महत्वपूर्ण अपडेट जारी किया है - संस्करण v0.1.0-rc.8। मुख्य नवाचार मल्टीमॉडल क्षमताओं का समावेश है। इस अपडेट में 14 परिवर्तन शामिल हैं जो मल्टीमॉडल इनपुट प्रोसेसिंग, एजेंट इंटरैक्शन, टर्मिनल में उपयोगकर्ता अनुभव, टूल कॉलिंग और डेवलपर समर्थन को प्रभावित करते हैं।
अब सिस्टम छवियों को सीधे स्वीकार करता है और टेक्स्ट और छवियों के मिश्रित इनपुट को संभालता है, जबकि /goal और /plan कमांड सीधे छवियों को प्राप्त कर सकते हैं। सिस्टम में क्लॉड कोड और कोडेक्स को एजेंट सिस्टम में एकीकृत किया गया है, विंडोज टर्मिनल में सुधार किया गया है, और इमेज रिक्वेस्ट, डेटा स्ट्रीमिंग और यूजर गेटवे से संबंधित समस्याओं को ठीक किया गया है।
डीपसीक हार्नेस ने 13 अगस्त को अपना सार्वजनिक बीटा और ओपन सोर्स लॉन्च किया। बीटा परीक्षण की रात, Zhidx ने सोर्स कोड अपलोड किया और परीक्षण किया, जिसमें 88-पृष्ठ दस्तावेज़ का अनुवाद किया और स्नेक गेम विकसित किया। एक सप्ताह से भी कम समय में एजेंट प्लेटफॉर्म में मल्टीमॉडल कार्यक्षमता जुड़ गई।
विभिन्न क्षेत्रों के डेवलपर्स ने इस पर अलग-अलग प्रतिक्रिया दी: घरेलू डेवलपर्स ने उत्साह व्यक्त किया, जबकि विदेशी डेवलपर्स दो नई सुविधाओं पर ध्यान केंद्रित कर रहे थे जिन्हें स्पष्ट प्रगति के रूप में देखा गया। कुछ डेवलपर्स द्वारा डीपसीक हार्नेस के दृष्टिकोण की खोज अधिक दिलचस्प थी: उन मॉडलों के लिए जो मूल रूप से छवि इनपुट का समर्थन नहीं करते हैं, हार्नेस छवियों को संरचित जानकारी में बदलने के लिए OCR, रंग सांख्यिकी और पिक्सेल स्कैनिंग उपकरणों का उपयोग करता है, जिसे फिर विश्लेषण के लिए टेक्स्ट मॉडल को भेजा जाता है। इस प्रकार, शुद्ध पाठ मॉडल के लिए एक स्तरीय दृष्टि तंत्र बनाया जाता है।
डीपसीक मॉडल एडेप्टर अब कॉन्फ़िगरेशन के माध्यम से नेटिव इमेज रिसेप्शन को सक्रिय करने की अनुमति देते हैं। जिन मॉडलों में दृष्टि क्षमताएं हैं, उनके लिए हार्नेस सीधे छवियां भेजता है, और /goal और /plan मिश्रित इनपुट का समर्थन करते हैं। इनपुट फ़ील्ड में @ मेनू उपयोगकर्ताओं को फ़ाइलों और सत्रों का संदर्भ देने की अनुमति देता है, जिससे उपयोगकर्ताओं को स्थानीय फ़ाइलों और मौजूदा सत्रों को कार्य में शामिल करने की सुविधा मिलती है, जिससे एजेंट वर्कफ़्लो स्क्रीनशॉट को ध्यान में रख पाते हैं।
एजेंट सिस्टम का विस्तार किया गया है: नया संस्करण प्रोफाइल पैकेज के रूप में क्लॉड कोड और कोडेक्स को ऑन-डिमांड स्थापित करने की अनुमति देता है। कोडेक्स गैर-इंटरैक्टिव अनुमति मोड का समर्थन करता है और इसके कई नामित इंस्टेंस हो सकते हैं। विंडोज उपयोगकर्ताओं को PTY टर्मिनल में स्थायी पॉवरशेल सत्र प्राप्त हुए, जो न्यूनतम मोड में डिफ़ॉल्ट रूप से शामिल हैं। इसके अलावा, अपडेट बड़े आकार की छवियों या संचित इतिहास, असफल अनुरोधों, उत्तर उपसर्ग खोने वाली बाधित स्ट्रीमिंग, और OpenAI संगत यूजर गेटवे से संबंधित त्रुटियों को दूर करता है जो अनुरोध प्रारूप में अंतर के कारण विफल हो जाते थे।
डेवलपर Yinsen ने पाया कि यदि मॉडल छवि इनपुट समर्थन की घोषणा नहीं करता है, तो read_image का सीधा कॉल पहले एक त्रुटि के साथ समाप्त होता है, हालांकि कार्य रुकता नहीं है। हार्नेस बैकअप विकल्प पर स्विच करता है, OCR टेक्स्ट रिकग्निशन, कलर रेशियो स्टैटिस्टिक्स और पिक्सेल लाइन के आंशिक स्कैनिंग का उपयोग करके, छवि आयाम और कलर मोड मेटाडेटा को पढ़ता है। पाठ और सरल ग्राफिक तत्वों वाली छवि को पाठ सामग्री, पृष्ठभूमि रंग अनुपात, पिक्सेल परिवर्तनों और आकार में विभाजित किया जा सकता है; प्राप्त परिणाम टेक्स्ट मॉडल को भेजे जाते हैं, जो OCR टेक्स्ट और पिक्सेल स्थिति के आधार पर छवि का सामान्य प्रतिनिधित्व आउटपुट करता है। प्रस्तुतियों, ब्लॉक डायग्राम और स्पष्ट संरचना वाले इंटरफेस के स्क्रीनशॉट के लिए, OCR और पिक्सेल विशेषताओं का संयोजन उपयोगी जानकारी को पुनर्स्थापित करता है; जबकि वास्तविक तस्वीरें कम डेटा पुनर्स्थापित करती हैं। दृष्टि कार्यक्षमता केवल बेस मॉडल तक ही सीमित नहीं है। समुदाय ने पहले से ही dsh-vision, dsh-vision-toolkit, modlens, dsh-auto-vision, dsh-subagent-vision और pi-vision के माध्यम से pi2dsh जैसे दृष्टि प्लगइन्स बनाए हैं। rc.8 रिलीज़ के साथ, नेटिव मल्टीमोडैलिटी और ये टूल-आधारित स्कीमा मिलकर काम करते हैं।