DeepSeek Harness, analyse complète : l'agent de DeepSeek est enfin là — mais c'est un "runtime d'assemblage d'agents", pas un énième Codex

Réponse directe d'abord : le produit agent que DeepSeek a lancé le 13 août 2026 s'appelle DeepSeek Harness (DSH) — un runtime agent open source sous licence MIT, actuellement en avant-première développeur (v0.1). Sa définition officielle tient en une formule : « Model + Harness = Agent » — le modèle décide quoi générer ensuite, et le Harness donne à l'agent la capacité de comprendre son environnement, d'utiliser des outils et de continuer à travailler dans des scénarios réels. Autrement dit, DeepSeek ne vous a pas tendu un outil fermé prêt à l'emploi comme OpenAI l'a fait avec Codex ou Anthropic avec Claude Code ; il a livré tout le « système nerveux d'exécution » autour du modèle — et l'a rendu open source. Ce site appelle cela « le lancement de l'agent DeepSeek », mais son identité la plus exacte est : une infrastructure open source pour assembler n'importe quel nombre d'agents. Tous les faits de cet article datent du 14 août 2026 ; c'est un produit tout juste lancé, en itération rapide, et les détails vont changer.

Une note sur notre discipline des faits avant d'entrer dans le vif. Cet article s'appuie sur la page officielle de DeepSeek Harness, le dépôt GitHub officiel (deepseek-ai/deepseek-harness), le document d'architecture officiel et le guide officiel des fournisseurs de modèles. Les éléments d'expérience directe (par exemple « les testeurs internes ont construit ~300 plugins en quelques jours » ou un test comparatif à modèle identique) proviennent de comptes rendus de premières prises en main par des tiers et sont signalés comme tels. Tout ce qui est annoncé par le vendeur sans réplication indépendante — surtout les benchmarks agent de V4 Pro — est transmis avec la mention « non vérifié ». Nous n'inventerons pas de chiffres pour rendre l'article plus séduisant : c'est la même discipline que ce site a suivie dans toute sa couverture DeepSeek.

1. Ce qu'est réellement « l'agent de DeepSeek »

D'abord, dissipons une idée reçue. Le secteur entendait que DeepSeek « préparait un agent entièrement autonome d'ici fin 2026 » — un fil de recherche antérieur de ce site avait noté exactement cette direction. Mais ce qui a réellement atterri le 13 août est plus fondamental, et en un sens plus radical, qu'« un agent entièrement autonome » : DeepSeek n'a pas lancé un produit unique, il a open-sourcé toute l'usine qui sert à construire des agents.

En croisant la page officielle et plusieurs comptes rendus, voici les faits clés sur DeepSeek Harness :

Élément	Détail
Produit	DeepSeek Harness (DSH), logo baleine noire, distinct de la baleine bleue des modèles
Date	Nuit du 13 août 2026, avant-première développeur (v0.1), itération rapide
Licence	MIT ; GitHub : deepseek-ai/deepseek-harness
Positionnement	Un runtime agent positionné face à Claude Code / Claude Cowork (Anthropic) et Codex (OpenAI)
Formule clé	Model + Harness = Agent
Équipe	Dirigé par Cui Tianyi (ancien trader quantitatif chez Jane Street, arrivé chez DeepSeek en mars 2026) ; projet lancé en interne en mai
Démarrage rapide	npx @deepseek-ai/dsh web, par défaut http://127.0.0.1:3080, nécessite Node 22.19+ ou 24+
Traction du dépôt	~27,5k étoiles le jour du lancement, ~39k quelques jours plus tard (chiffres tiers au moment de la capture)

Précision : le chiffre « ~39k étoiles » provient d'une capture de page à un instant donné ; il va continuer de bouger, donc traitez-le comme la preuve que le projet est réellement populaire plutôt que comme une donnée précise. Les détails sur le responsable et le calendrier du projet proviennent de plusieurs articles de presse reprenant des déclarations publiques de chercheurs DeepSeek — corroborés entre sources, mais sans annonce officielle formelle.

Un contexte plus important : DeepSeek l'avait déjà annoncé dans le journal des modifications de V4 Flash, qui précisait que la version finale de DeepSeek-V4-Flash était évaluée en utilisant « le mode minimal de DeepSeek Harness (à venir) comme framework ». Autrement dit, Harness n'est pas sorti de nulle part : c'était déjà le harnais interne utilisé pour les benchmarks agent, et cette publication revient simplement à open-sourcer tout le framework. C'est très cohérent avec le style de DeepSeek : laisser parler la documentation, faire tourner les choses en interne d'abord, puis les distribuer.

2. Fonctionnalités : ce que peut faire un atelier agent local

Une fois lancé, DeepSeek Harness est un atelier agent local sur votre propre machine : gestion de projet, collaboration sur des tâches longues, orchestration multi-agents, gestion de contexte, recherche web et Skills incluses. Il est fourni avec une interface Web — une barre latérale gauche avec sessions et espaces de travail, un panneau de conversation, la sélection de modèle, trois niveaux de raisonnement (Off / High / Max) et des contrôles de droits d'accès.

Décomposé par module, son périmètre ressemble à ceci :

• Capacités complètes d'agent de code : édition de fichiers, exécution shell, recherche fichier/web, Skills, planification, objectifs, sous-agents et workflows. Cette partie est alignée avec Claude Code / Codex.
• Orchestration multi-agents : un seul processus peut faire tourner des agents « écriture », « code » et « recherche » simultanément, chacun avec sa propre portée d'outils, sans contamination croisée.
• Journaux de session en append-only : prompts système, chaîne de pensée, appels d'outils et résultats, dispatch de sous-agents et chaque injection de contexte atterrissent dans un même flux d'événements. Une vue trajectoire permet d'inspecter par source ; reprise, fork, recherche et relecture partagent ce même flux. C'est l'un des plus gros différenciateurs par rapport à la plupart des concurrents.
• Support MCP : le dépôt officiel inclut un plugin pont client MCP qui se connecte à des serveurs MCP externes (transports stdio ou streamable-http), enregistrant leurs outils comme mcp__serveur__outil, avec reconnexion automatique et backoff exponentiel. Un serveur MCP communautaire (@deepseek-harness/mcp) cible spécifiquement DeepSeek V4 et fonctionne depuis des clients de bureau compatibles MCP tels que Claude Desktop, Cline, Roo Code et Cherry Studio.
• Modèles tiers : environ 40 fournisseurs de modèles préconfigurés par défaut (chiffre d'une première prise en main tierce ; la documentation officielle cite DeepSeek, Anthropic, OpenAI, Google, plus les fournisseurs à identifiants natifs Bedrock, Vertex, Azure et Codex), et possibilité d'ajouter des fournisseurs personnalisés.
• Sécurité et permissions : l'exécution des outils passe par un pipeline contrôlé (tools/pre-execute → execute → post-execute) sur lequel les plugins peuvent attacher des règles d'approbation, permissions, sandbox, timeouts, retries et télémétrie ; les appels d'outils programmatiques ne peuvent pas contourner ces contrôles.

Un nécessaire retour à la réalité : pris une par une, presque toutes les capacités ci-dessus ont un équivalent dans Claude Code, Codex, OpenClaw ou Grok Build. Édition de fichiers, shell, recherche, Skills, sous-agents, mode plan et MCP n'ont pas été inventés par DeepSeek. Ce qui sépare vraiment DSH d'eux est architectural — l'objet des sections 3 et 4 — et non la liste des fonctions.

3. Framework : le système de plugins Cordis et « tout est un plugin »

Le principe de conception central de DeepSeek Harness tient en une phrase : « Tout est un plugin. » Il repose sur un système de plugins appelé Cordis (GitHub : cordiverse/cordis). Cordis est lui-même un méta-framework — il ne gère que le chargement, le déchargement et les dépendances des plugins, et ne fournit aucune capacité métier propre. Chaque capacité de DSH est un plugin monté sur Cordis : adaptateurs de modèles, registre d'outils, journal de session, sandbox, stockage, ordonnancement, interface, et même la boucle d'agent elle-même.

Deux conséquences en découlent, et elles sont particulières. Premièrement, il n'y a pas de noyau privilégié à patcher. Pour étendre DSH, on ne modifie pas le code source ni n'ouvre un point d'extension spécial — on « monte un nouveau plugin à côté d'un autre plugin ». Tous les enregistrements sont des effets de bord réversibles, automatiquement annulés au déchargement du plugin. Deuxièmement, le modèle lui-même est rétrogradé au rang de plugin remplaçable. On peut conserver la même session, les mêmes outils et le même système de permissions et ne changer que l'adaptateur de modèle ; ou fixer le modèle et comparer différentes stratégies de gestion de contexte. C'est une philosophie fondamentalement différente de l'approche verticalement intégrée « modèle + produit » de Claude Code ou Codex.

Au niveau de l'implémentation, un dsh en cours d'exécution est un arbre de plugins assemblé par superposition de couches au démarrage :

Concept	Rôle
Profile	Un assemblage nommé stocké dans le dossier personnel du Harness ; liste les bundles à empiler et contient votre cordis.patch.yml. web et headless sont fournis comme modèles.
Bundle	Format de distribution de la config Cordis + code de montage ; les couches supérieures peuvent toujours le patcher.
dsh-base	La première couche de chaque profile : adaptateurs de modèles, outils, persistance, sandbox et politiques d'approbation, réglages, identifiants, télémétrie.
Couches de patch	Patch du profile → patch au niveau du dossier personnel → tout overlay --patch, empilés dans l'ordre.

On peut inspecter l'arbre résultant avec dsh --profile web --dump-config. Les packages centraux contribuent des services (clés ctx) à cet arbre : core/session gère le journal SessionEvent en append-only, core/tools le registre d'outils scopé et le pipeline d'exécution contrôlé, core/agent et core/agent-loop l'interface Agent et le pilote par défaut, core/system-prompt l'assemblage des fragments de prompt et des schémas d'outils, et llm/llm le vocabulaire messages/streaming et une couture d'adaptation.

Dans DSH, « les événements sont les points d'extension », en trois catégories : les événements de session (faits persistants ajoutés au journal), les événements d'agent (points d'interception en direct portant l'Agent en cours, pour observer ou intervenir dans le travail en vol) et les événements de capacité (attacher des politiques et des adaptateurs aux coutures comme fs/*, tools/*, telemetry/* sans cycles d'import). Un tour (turn) se déroule ainsi : turn/start → réclamer l'entrée → assembler prompt et schémas d'outils → agent/pre-step (les auditeurs peuvent réécrire ou rejeter) → step/start → dériver l'historique du modèle depuis le journal → agent/request → llm/stream → assistant/chunk → tool/call → tools/pre-execute / execute / post-execute → tool/result → step/end → agent/turn-stopping → turn/end.

Le document d'architecture officiel insiste aussi sur un invariant : « visible par le modèle ⇔ enregistré » — tout ce qui atteint une requête du modèle doit être reconstruisible depuis le journal de session. La compression de contexte utilise des événements de remplacement et ne supprime jamais l'historique original. C'est réellement précieux pour déboguer, auditer et rejouer chaque étape d'un agent, et cela explique pourquoi la documentation traite le journal de session comme « la source ».

4. Les quatre modes d'exécution et le système de préréglages

DSH est fourni avec quatre « préréglages d'agent » intégrés. La définition officielle est précise : un préréglage est l'assemblage de plugins sur lequel tourne l'agent d'une session — ses outils, prompts et capacités. Par analogie : le modèle est le cerveau, une Skill est le manuel d'utilisation, les outils/plugins sont le logiciel et les permissions, et un préréglage d'agent est « le poste + l'environnement de travail ».

Mode	Description
Standard	Un agent de code complet : édition de fichiers, Shell, recherche fichier/web, Skills, planification, objectifs, sous-agents, workflows. Le défaut quotidien.
Code / PTC	Tout le Standard, plus un SDK Code Mode qui permet au modèle d'écrire un seul programme TypeScript pour combiner des opérations multi-étapes — les données intermédiaires restent dans le runtime, seuls les résultats finaux entrent dans le contexte.
Minimal	Seulement deux outils : bash persistant et str_replace_editor. Pour benchmarker des modèles dans un environnement minimal — DeepSeek indique officiellement que le V4 Flash final a été testé dans ce mode.
Création	Pour construire des préréglages/plugins personnalisés : inspection du runtime, expérimentation de plugins Cordis en mémoire, chargement/déchargement de composants à la demande.

Les préréglages se composent sur deux niveaux : le Profile décide comment le processus dsh s'exécute (Web/Headless, liste de bundles, superposition de patches), et le Préréglage d'Agent décide ce que voit l'agent d'une session (outils, prompts, capacités), avec un ordre de résolution agent → préréglage → global. On peut copier un préréglage, modifier ses outils/prompts/capacités et l'enregistrer comme le sien — c'est ce que signifie « un préréglage est un poste plus un environnement de travail ».

Un détail très « DeepSeek » : en mode Création, l'agent lui-même peut opérer le runtime Cordis — inspecter l'environnement et charger/décharger des plugins en temps réel. L'auto-extension de DSH n'est donc pas seulement un développeur qui édite des fichiers de config ; le modèle est autorisé, sous conditions contrôlées, à modifier son propre assemblage runtime. C'est agressif pour un v0.1, mais c'est le prolongement naturel de la thèse « l'agent comme infrastructure ». Rappelons que c'est une avant-première développeur et que DeepSeek a explicitement prévenu de changements cassants à venir.

5. Innovation, triée honnêtement : vraiment nouveau vs réemballé

Cette section mérite toute votre attention, car « DeepSeek a lancé un agent » se raconte facilement comme « énième alternative à Claude Code ». Regardez de plus près : la nouveauté de DSH est inégalement répartie — quelques choses sont réellement neuves, quelques-unes ne sont qu'un emballage plus propre de choses déjà existantes. Nous les listons explicitement, avec un verdict de nouveauté pour chacune.

Vraiment nouveau (selon ce site, mérite un paragraphe entier) :

• Faire de tout le produit agent un arbre de plugins recomposable, et non « un produit + une API de plugins ». C'est la différence centrale. Les plugins de Claude Code / Codex sont essentiellement des modules complémentaires d'outils/services (brancher un navigateur, un espace Notion, une recherche de code). DSH rend l'adaptateur de modèle, le registre d'outils, le journal de session, la boucle d'agent et l'interface eux-mêmes remplaçables. Un compte rendu tiers le résume bien : « Codex essaie de livrer un agent prêt à l'emploi ; DeepSeek Harness ressemble plus à un runtime pour assembler des agents. » Ce n'est pas une différence de degré, c'est une différence de forme de produit.
• Flux d'événements complet en append-only et l'invariant « visible par le modèle ⇔ enregistré ». La plupart des outils d'agent ne stockent que les messages finaux de conversation ; DSH écrit turn/start, step/start, le modèle réellement utilisé, les prompts système, les définitions d'outils et la sortie streamée brute sur disque, et la compression de contexte utilise des événements de remplacement qui ne suppriment jamais l'historique. Reprise, fork, recherche et relecture partagent un même flux. Pour auditer, déboguer et reproduire le comportement d'un agent, c'est une vraie nouvelle capacité.
• Open-sourcer l'infrastructure agent, pas seulement les poids du modèle. DeepSeek open-sourçait depuis longtemps ses modèles (V4 Pro est aussi en poids MIT) ; cette fois, il open-source « tout le système d'exécution autour du modèle ». Quand un fournisseur open-source la couche Harness, il cède la « porte d'entrée développeur » à la communauté. La phrase tierce « DeepSeek open-source tout pour ne plus vivre sous la domination d'Anthropic » vise exactement cela.
• Un runtime opérable par le modèle (mode Création). Laisser l'agent lui-même charger/décharger des plugins et inspecter l'environnement est presque inédit dans les agents de code mainstream — une « méta-capacité » propre à DSH.

Réemballé (incrémental, pas une innovation) :

• Pont client MCP, Skills, sous-agents, mode plan, recherche web, terminal — Claude Code et Codex les avaient déjà ; DSH les réimplémente simplement sous forme de plugins.
• Le système de préréglages (« poste + environnement de travail ») est proche de l'esprit des subagents de Claude Code et des personas AGENTS.md de Codex — un emballage plus propre, pas une invention.
• Les quatre modes d'exécution sont des choix produit, pas des percées techniques.

Parties à marquer « non vérifié / pas encore répliqué indépendamment » :

• Les benchmarks agent de V4 Pro. DeepSeek annonce DeepSWE passant de 12,8 (Preview) à 62,7, Terminal-Bench 2.1 à 87,9, CyberGym à 83,3. Mais attention : certains de ces résultats agent ont été mesurés en mode minimal du Harness — ils ne mesurent pas la capacité pure du modèle, mais « la performance du modèle dans l'environnement d'exécution de DSH ». Le harnais maison est intégré au score, ce n'est donc pas une réplication tierce propre. Tant qu'ils n'apparaissent pas sur des arènes neutres comme LMSYS, traitons les chiffres auto-déclarés de DeepSeek comme « rapportés mais non vérifiés ».
• « Les testeurs internes ont construit ~300 plugins en quelques jours » et un test unique à modèle identique (V4 Flash pilotant DSH / Reasonix / Codex pour construire le même jeu Three.js, DSH jugé le meilleur) sont des anecdotes de première prise en main. L'auteur lui-même dit qu'un cas unique ne prouve pas que DSH gagne sur toutes les tâches. Référence, pas conclusion.
• Environ 40 fournisseurs de modèles par défaut provient d'une première prise en main tierce ; la documentation officielle n'en nomme que quelques-uns. Fiez-vous au catalogue réel après installation.

Et une faiblesse honnête : les tests de première prise en main ont constaté que DSH pouvait mettre plus d'une demi-heure sur une tâche de code — lent pour une entreprise « connue pour sa rapidité » — et, dans ce même test, V4 Pro a pris plus de temps tout en produisant de moins bons résultats que V4 Flash. Le pipeline d'exécution du v0.1 n'est pas encore réglé à son état idéal. Avant d'en faire un pilier de production, faites vos propres tests de charge sur des tâches moyennes.

6. Tarifs et accès : Harness est gratuit ; les modèles qu'il pilote ne le sont pas

Un fait crucial souvent oublié : DeepSeek Harness lui-même est gratuit — licence MIT, tourne en local, pas d'abonnement, pas de compte DeepSeek requis. Il appelle simplement les modèles que vous configurez. « Combien coûte l'utilisation de DSH ? » revient donc à « avec quel modèle le pilotez-vous ? ». C'est un modèle économique totalement différent de Claude Code (abonnement Anthropic ou crédit API) et de Codex (crédit OpenAI) : DeepSeek donne gratuitement la couche logicielle et gagne sur la couche modèle.

Et la couche modèle est dans une fenêtre délicate. Quand V4 Pro final (DeepSeek-V4-Pro-0813) est passé en production dans la nuit du 13 août, le prix API officiel était inchangé par rapport à la Preview — aucune hausse pour l'instant : ¥3/M en entrée (raté), ¥6/M en sortie, ~¥0,025/M en cache ; V4 Flash est à ¥1/¥2/¥0,02. Mais le même jour, DeepSeek a publié un nouveau tarif qui entre en vigueur le 17 août 2026 à 00h00 heure de Pékin, avec une tarification de pointe/creux :

Modèle	Période	Entrée (raté) ¥/M	Cache ¥/M	Sortie ¥/M
V4 Pro	Creux	4,5	0,15	13,5
	Pointe	9,0	0,30	27,0
V4 Flash	Creux	1,5	0,05	4,5
	Pointe	3,0	0,10	9,0

Les heures de pointe sont 9h00–12h00 et 14h00–18h00 heure de Pékin ; toutes les autres heures sont creuses. Concrètement, le prix de sortie de V4 Pro passe de ¥6 à ¥13,5 en creux (+125 %), et son prix de cache de ¥0,025 à ¥0,15 (+500 %) ; la sortie de V4 Flash passe de ¥2 à ¥4,5 en creux (+125 %). Autrement dit, le « ¥3/¥6 » de cet article est la dernière fenêtre à l'ancien tarif — après le 17 août, même en creux, les prix seront plus du double d'aujourd'hui, et la pointe sera pire.

Deux implications pratiques pour les lecteurs de ce site. Premièrement, si vous voulez verrouiller le tarif de fenêtre, allez-y vite — mais ne thésaurisez pas les tokens, car les prix des relais suivront les hausses officielles à leur propre rythme, et il faudra vérifier l'avis de chaque vendeur. Deuxièmement, après la hausse, passer par un relais devient relativement plus attractif : la tarification officielle de pointe/creux crée un écart temporel, tandis que certains relais revendent à prix plats bas ou hébergent les poids ouverts DeepSeek sur des clusters domestiques (SiliconFlow est l'exemple le plus clair), creusant l'écart par rapport à l'officiel. Nous y revenons à la section suivante.

7. Comment le brancher sur un relais : variables d'env, interface Web, settings.yaml et IDs de modèles

Parce que DSH est indépendant du modèle, brancher un relais tient en une phrase : pointer DSH vers le point d'accès compatible OpenAI (ou compatible Anthropic) du relais, et le laisser utiliser la clé et l'ID de modèle du relais. Voici les trois chemins de configuration officiellement pris en charge, plus l'aide-mémoire des IDs de modèles vérifiés par ce site.

Chemin 1 : variables d'environnement (le plus rapide, pour scripts/SDK/CLI)

export DEEPSEEK_API_KEY=sk-votre-cle-relais
export DEEPSEEK_BASE_URL=https://votre-relais.example.com/v1
export DSH_MODEL=deepseek-v4-pro   # ou deepseek-v4-flash
export DSH_SYSTEM_PROMPT='You are a helpful software engineer.'

DEEPSEEK_BASE_URL pointe vers l'adresse compatible OpenAI du relais (se terminant généralement par /v1). La priorité de DSH_MODEL est : option CLI --model > variable d'environnement > défaut deepseek-v4-flash. Dans le SDK, on précise provider="deepseek-official" et model="...".

Chemin 2 : ajouter un fournisseur personnalisé dans l'interface Web

Dans « Ajouter un fournisseur personnalisé », quatre éléments sont à renseigner :

• Provider ID : minuscule et permanent — requêtes, sessions et références d'identifiants l'utilisent ; renommer revient à créer un nouveau fournisseur.
• URL de base : l'adresse du relais, ex. https://relay.example.com/v1.
• Protocole API : choisir openai-completions (ou un autre protocole compatible OpenAI).
• Identifiants + au moins un modèle : une clé API, ou apiKeyEnv référençant une variable d'environnement.

« Récupérer les modèles disponibles » appelle le point d'accès compatible OpenAI GET /models ; si le relais ne l'expose pas, saisissez l'ID du modèle manuellement. Deux erreurs courantes : MISSING_CREDENTIAL (stocker une clé sur la page du modèle) et UNKNOWN_MODEL (ajouter un modèle qui existe réellement).

Chemin 3 : settings.yaml (pratique pour une config versionnée)

# $DSH_HOME/settings.yaml
llm-pi-ai:
  apiKeyEnv: GATEWAY_API_KEY
  api: openai-completions
  baseURL: https://relay.example.com/v1
  models:
    - id: deepseek-v4-pro

Chaque route ne peut utiliser qu'un seul protocole filaire ; les implémentations compatibles OpenAI exigent une clé API ou un en-tête Authorization, donc pour un service local sans authentification, utilisez apiKeyEnv pour référencer un identifiant factice. Si vous utilisez DeepSeek officiel plutôt qu'un relais, les URL de base officielles sont : compatible OpenAI et Responses API toutes deux sur https://api.deepseek.com, et compatible Anthropic sur https://api.deepseek.com/anthropic. Autrement dit, pour pointer Claude Code directement vers DeepSeek V4 Pro, mettez l'URL de base sur /anthropic ; pour pointer Codex, utilisez Responses API. Les relais n'implémentent généralement que le protocole compatible OpenAI, donc vérifiez avant de choisir.

Aide-mémoire des IDs de modèles : quels relais évalués par eggstriker les vendent déjà

Comme DeepSeek n'a pas changé les IDs de modèles cette fois (toujours deepseek-v4-pro et deepseek-v4-flash), tout relais qui relaie l'API officielle devrait servir les poids 0813 de façon transparente. Parmi les vendeurs évalués par ce site, ceux qui listent explicitement deepseek-v4-pro et/ou deepseek-v4-flash incluent :

• DeepSeek officiel (platform.deepseek.com, accès direct depuis la Chine continentale, tarif de fenêtre ¥3/¥6 jusqu'au 17 août)
• SiliconFlow (硅基流动) : auto-héberge les poids ouverts ; V4-Flash ¥1/¥2, V4-Pro ¥12/¥24 (cache ¥1,00) ; direct domestique, sans proxy
• 302AI, 4SAPI, OpenRouter, CloseAI, AIHubMix, FlowBar, UiUiAPI, DuckCoding, TokenRiver : listent tous deepseek-v4-pro + deepseek-v4-flash
• RunAPI : liste deepseek-v4-pro ; YKH.AI : liste deepseek-v4-flash

Un rappel honnête : ces IDs sont ceux que chaque plateforme avait indiqués lors de la dernière vérification de ce site — ils ne garantissent pas que chaque vendeur a synchronisé les poids 0813 les plus récents, et les prix peuvent déjà différer des chiffres de cet article. Les IDs côté DeepSeek sont stables, le risque est donc faible ; mais après le changement officiel du 17 août, la question de savoir si et à hauteur de combien chaque relais suit la hausse est à vérifier dans leur console avant de choisir. Les agrégateurs comme OpenRouter préfixent parfois le nom du modèle avec le vendeur (ex. deepseek/deepseek-v4-pro) : suivez donc la liste réelle de la plateforme cible.

Enfin, un flux de bout en bout minimal : lancez npx @deepseek-ai/dsh web en local (Node 22.19+ ou 24+) ; dans l'interface Web, ajoutez un fournisseur personnalisé avec l'URL de base /v1 de votre relais, le protocole openai-completions et l'ID de modèle deepseek-v4-pro ; ouvrez une session Standard et demandez-lui une petite tâche (ex. « lis le README et résume-le ») pour confirmer que les appels d'outils et la facturation fonctionnent avant de passer aux vraies tâches. Tout ce flux ne nécessite aucun compte DeepSeek — vous ne payez que le relais.

8. Conclusion : le vrai signal de cette nuit, et les pièges

Lu conjointement avec la sortie de V4 Pro final la même nuit, le lancement de DeepSeek Harness envoie un signal clair.

Signal un : la concurrence des labos passe de « de meilleurs modèles » à « de meilleurs harnais ». L'intelligence brute du modèle compte toujours, mais les benchmarks agent de V4 Pro sont désormais officiellement mesurés dans le harnais maison de DeepSeek — quand un fournisseur de modèles se met à open-sourcer aussi l'environnement d'exécution, il parie sur toute la chaîne « modèle + système d'exécution ». Le terrain est encombré : OpenAI Agents SDK, Claude Agent SDK, LangGraph, OpenClaw, Grok Build. La différenciation de DSH n'est pas les fonctionnalités ; c'est que toute la chaîne est réinstallable.

Signal deux : DeepSeek veut la porte d'entrée développeur au-dessus du modèle. Le modèle est en amont ; le harnais est plus proche de l'utilisateur. Qui possède le harnais possède les défauts de « quel modèle, comment le contexte est organisé, comment les outils sont appelés ». En open-sourçant cette couche, DeepSeek invite de fait les développeurs à assembler leurs propres agents sur la base DeepSeek — la stratégie d'écosystème opposée à celle de Claude Code et Codex.

Mais les pièges méritent d'être répétés. D'abord, v0.1 est une avant-première développeur avec des changements cassants explicitement promis — ne migrez pas la production en bloc. Ensuite, les benchmarks agent officiels intègrent le harnais ; ne prenez pas au sérieux les titres « DeepSeek écrase Fable 5 » avant réplication tierce. Troisièmement, les tests tiers l'ont trouvé lent (plus de 30 minutes sur une tâche de code) ; l'efficacité n'est pas réglée. Quatrièmement, la hausse officielle du 17 août est certaine — profitez du prix de fenêtre si vous le voulez, mais vérifiez les prix des relais vendeur par vendeur.