這幾天，DeepSeek700億元融資的熱度還沒散去，另一條線索已經浮出水面：它正把重心壓向AI Coding。

近日，DeepSeek方面連續發布了兩個新崗位：Agent Harness產品經理和Agent Harness研發工程師。

按照招聘信息的說法，DeepSeek正在把前沿模型能力轉化為Agent產品，模型之外的工作，都被歸入Harness范疇。入職者將加入Harness團隊，參與DeepSeek桌面端Agent產品的研發全過程。

這幾句話，基本劃出了DeepSeek新業務的邊界。

DeepSeek資深研究員陳德里在社交平臺招人時，標題直接寫到“來DeepSeek從零做Code Harness”，并提到“對標Claude Code，做DeepSeek Code Harness”。

據了解，DeepSeek正在北京組建新的Harness團隊，目標是從零做自己的代碼Agent，內部工作名指向“DeepSeek Code”。

這個方向正踩在大模型商業化最熱的戰場上。

Claude Code已經把AICoding做成了項目級開發工具。Anthropic在2026年2月融資公告中披露，Claude Code年化收入超過25億美元，較2026年初翻倍；Claude Code周活用戶數也較今年年初翻倍。

另一邊，OpenAI在今年2月推出Codex桌面App，把Coding Agent從命令行帶到多任務桌面環境。OpenAI企業副總裁Ashley Kramer近期稱，Codex周活用戶在15天內從300萬增至400萬。

Google方面也在I/O 2026后把Antigravity升級為2.0，外媒稱其從IDE轉向獨立桌面應用，并加入CLI和SDK，直接瞄準Claude Code和Codex。

在組建Agent團隊之余，DeepSeek也在模型側開始加速占領市場。其官方價格頁顯示，V4-Pro將在5月31日結束2.5折優惠后，正式維持該優惠價格。在此前的行業視角中，普遍認為V4的長上下文、高性價比特性更適合Agent應用。

700億融資口徑傳出后，DeepSeek像是劉皇叔有了“隆中對”。它一邊招兵買馬、廣納英才，一邊把戰線推向Code Harness。

A

圍繞Code Harness，DeepSeek首先在人才方面補強。

幾天前，一些知名外媒陸續披露，DeepSeek招募了前Jane Street工程師崔添翼，而這一人才招募的目的，是“為了追趕AIAgent和商業化競爭”。

公開信息顯示，崔添翼加入的是DeepSeek新設的AIHarness團隊。同時還在招聘更多崗位，支持新的旗艦桌面端Agent產品。

翻開崔添翼的履歷，會發現他有不同于傳統AI研究員招聘的意味。

崔添翼畢業于浙江大學計算機系，在校期間多次參加ACM-ICPC區域賽并獲得金牌；畢業后，他在Jane Street香港和紐約辦公室工作9年；2022年，他聯合創立TSY Capital。

Jane Street是一家全球量化交易公司。崔添翼曾在其香港和紐約辦公室工作近9年，職位是軟件開發者和研究員，覆蓋股票和固收業務。顯然，他的這段經歷覆蓋了交易系統和工程研發，而非傳統的學術派AI研究員。

崔添翼后來聯合創立TSY Capital。這家公司成立于2022年，總部在香港，做的是全球股票市場的程序化交易。

它用機器學習模型生成交易信號，再用Rust自研低延遲交易系統完成執行。

換句話說，這是一位“量化交易老兵”，一方面讓人聯想到DeepSeek母公司幻方的主營業務領域，同時也表明，他和DeepSeek以及諸多AI公司傳統模型研究員的路徑不一樣。

DeepSeek過去靠基座模型開路出圈，而崔添翼進入Harness Team，說明DeepSeek Code背后需要另一類人：他們不一定是大模型論文作者，但做過真實系統，知道模型輸出落到執行層會出什么問題。

從陳德里的發言中，也能看到DeepSeek這一次招聘思路的轉變。

近日，他在社交平臺確認，公司正在組建新的Harness團隊，方向是“對標Claude Code，做DeepSeek Code Harness”。這次招的也不是單純模型研究員，而是產品經理和研發工程師。

崗位描述顯示：Code Harness團隊成員要參與DeepSeek桌面端Agent產品研發，還要和模型研究團隊協作，把真實任務里的反饋帶回模型訓練。

順便再多提一下陳德里，這位DeepSeek研究員不僅僅是R1的核心論文作者之一，也是DeepSeek為數不多經常公開露面的內部人士。

去年11月烏鎮世界互聯網大會上，他代表DeepSeek參加“六小龍烏鎮對話”。陳德里談AI短板時說，AI還不具備像人類一樣穩定的智能，模型訓練完后參數固定，無法像人一樣在真實世界中自我迭代。

而在一連串招聘信息熱度中，另一條線索是徐名宇。

最近一段時間，前DeepSeek資深研究員郭達雅的跳槽，揭開了AI行業人才爭奪戰的一角。

相關報道顯示，字節Seed團隊過去一年被挖走近70人，其中就包括Seed Edge長期研究計劃成員徐名宇，目前，他已加入DeepSeek模型結構組，從事模型結構相關研發。

在字節時期，徐名宇曾是論文DeltaFormer的第一作者，論文討論標準Transformer在狀態跟蹤任務上的表達限制，正文點名Python代碼執行、實體跟蹤、棋類等任務，并嘗試用DeltaNet增強Transformer處理狀態空間問題的能力。

徐名宇的加入，補的是DeepSeek Code背后的模型結構能力。崔添翼對應產品和系統工程，徐名宇對應更底層的連續任務能力，兩條線共同指向DeepSeek正在做的Code Agent。

Code Agent進入真實倉庫后，最容易暴露的問題也常常不是寫不出一個函數，而是十幾輪修改后忘記最初目標，跨文件改動后邏輯不一致，測試失敗后不能沿著舊狀態繼續修，這些考驗的都是模型在連續步驟中保存和更新狀態的能力。

另一邊，DeepSeek的Harness招聘，已經把對標對象寫得明明白白。官方披露的招聘信息稱，Agent Harness崗位要求候選人深度使用Claude Code、Cowork、Codex、Cursor、OpenCode、GitHub Copilot、Manus、OpenClaw、Hermes等產品。

顯然，DeepSeek Code的成長路上需要兩類經驗：一類來自真實系統，處理模型輸出后的執行后果；一類來自模型結構，處理多輪任務里的狀態保持。持續的人才補強，也揭開了這一輪AI人才攻防戰的新一回合。

B

幾周前，DeepSeek核心人物郭達雅轉投字節，被外界視為DeepSeek的一次重要損失。

他的履歷與DeepSeek基座模型的幾塊基石有著緊密聯系。公開報道顯示，郭達雅專注代碼智能和大語言模型推理，參與過DeepSeek-Coder、DeepSeekMath、DeepSeek-Prover、V3、R1等項目。而在DeepSeek-Coder論文里，他排在第一作者位置。

今年3月前后，郭達雅被曝從DeepSeek離職，隨后加入字節Seed。一些公開報道顯示，他看好Agent方向，而DeepSeek內部當時Agent優先級并不高；加入字節后，Seed內部正啟動圍繞Agent和Coding的組織整合。

回到幾周后的今天，手握數百億融資的DeepSeek，一邊開始奮起直追補課Harness Agent，一邊開始試圖引入更多“郭達雅”充實人才庫。

當然，這場人才攻防戰在郭達雅離職前就早已打響，而DeepSeek從未停止過在Coding等模型垂直方向的人才引入。

近期披露的2026字節跳動獎學金名單中，就有一個值得關注的名字。

據字節方面披露，字節跳動獎學金至今支持了67位青年研究者；2023年得主路橙、朱琪豪分別是OpenAI Sora2和DeepSeek GRPO的重要研究貢獻者。

其中，朱琪豪是北京大學計算機學院2024屆博士畢業生，專注深度代碼學習。他在DeepSeek團隊中基于博士論文工作，主導開發了DeepSeek-Coder-V1；此后又出現在DeepSeek-Coder-V2和DeepSeekMath/GRPO相關論文中，是DeepSeek代碼模型和強化學習路線里的早期參與者。

值得關注的是，在DeepSeek-Coder的迭代歷程中，朱琪豪的位置有一個清晰變化。

DeepSeek-Coder V1的作者列表里，郭達雅排在朱琪豪之前；到了DeepSeek-Coder V2，朱琪豪的名字已在郭達雅之前。

作者順序當然不能直接等同于內部貢獻大小，但對一條連續迭代的技術線來說，毫無疑問傳遞出的信號是，朱琪豪是DeepSeek系列模型Coding能力的絕對核心人物。

另一條不能忽略的是多模態。

在Chatbot形態里，DeepSeek的多模態短板還不明顯。用戶主要用文字提問，模型只要在推理、寫作、代碼和長上下文上表現足夠強，就能支撐大部分使用場景。DeepSeek過去一年最強的公眾認知，也確實來自R1、V3、V4，以及低成本API。

但桌面端Agent會改變這個前提。代碼Agent如果進入開發者電腦，就不只是在聊天框里回答問題，還要理解IDE界面、終端報錯、瀏覽器文檔和截圖反饋。換句話說，讀屏能力會從“加分項”變成基礎能力。

潘梓正，是DeepSeek多模態業務中被公開披露較多的名字。

去年2月，多家媒體轉述了英偉達高級研究科學家禹之鼎的社媒內容。禹之鼎回憶，潘梓正2023年夏天曾在NVIDIA實習，當時NVIDIA考慮給他全職機會，但潘梓正“毫不猶豫”選擇回國加入DeepSeek；那時DeepSeek多模態團隊只有幾個人。

禹之鼎還提到，潘梓正在DeepSeek-VL2、DeepSeek-V3和DeepSeek-R1等多個項目中發揮了“關鍵作用”。他寫道，潘梓正的案例是近年來他看到的典型例子：很多最優秀的人才來自中國，這些人才不一定只能在美國公司取得成功，美國研究者也能從他們身上學到很多。

DeepSeek-VL2的能力方向，和Code Harness并不遠。VL2覆蓋視覺問答、OCR、文檔、表格、圖表理解和視覺定位；這些能力放到桌面端Agent里，正好對應讀屏、讀報錯、讀網頁文檔和理解界面元素。

但DeepSeek多模態近期缺少一個真正站到臺前的突破。Janus-Pro在2025年1月發布，DeepSeek稱其圖像生成能力超過DALL-E 3和Stable Diffusion；VL2則停留在2024年12月的視覺語言模型更新。

這意味著，DeepSeek已有讀屏和視覺理解的技術底子，但還沒把多模態打成和R1推理、V4長上下文一樣清晰的品牌標簽。如果DeepSeek Code真要做桌面端Agent，多模態大概率仍是后續補人的方向。

回到陳德里在去年烏鎮世界互聯網大會上的講話，他在談AI穩定性時說，模型訓練完后參數固定，不能像人一樣在真實世界中自我迭代。他提到的方向，是讓AI具備穩定學習算法，并通過多模態等方式與真實世界建立更多鏈接。

面對著大模型發展行業的卡點，DeepSeek內部有著清晰的認知。但回過頭看過去一年的更新緩慢和人才流失，顯然大模型競爭是一個考驗資本厚度和耐力的長期作戰，需要更多“彈藥”供給，700億融資到位后，不只是Code Harness，也許DeepSeek也將進入多線敘事的快速鋪開產品的邏輯。

C

只看基座模型，DeepSeek已經站進第一梯隊，但也并非領跑位置。

新一代DeepSeek-V4-Pro在代碼基準和Agentic任務上縮小了與領先閉源模型的差距。DeepSeek V4-Pro在SWE-bench Verified上達到80.6%，接近Claude Opus 4.6。

此外，DeepSeek V4在Vibe Code Bench中成為開源權重模型第一，得分49.9%，也是唯一超過40%的開源權重模型。

但是，強模型和強產品，本質上還是兩件事。Claude Code的商業化數據，是DeepSeek無法繞開的參照。

Anthropic披露Claude Code年化收入超過25億美元后，外界對AICoding的估值邏輯已經變了。它不再只是模型公司展示能力的Demo，而是可以直接貢獻收入的產品線。

Claude Code的形態也已經超出聊天框。

它能在開發者代碼庫中工作，通過終端、IDE、桌面端、Slack和網頁使用；在本地終端運行時，會在改文件或運行命令前請求授權。這個設計讓AICoding進化成了項目級的助手。

和Claude Code齊頭并進的，還有OpenAI的Codex、Google Antigravity 2.0，大廠正在把AICoding從編輯器插件推向獨立開發環境。

與此同時，這也是國產模型競爭最激烈的領域之一。

Kimi和智譜近期在Coding領域的跑分，先后進入了第一梯隊。SWE-Bench Pro成績顯示，Kimi K2.6為58.6%，GLM-5.1為58.4%，DeepSeek V4 Pro-Max為55.4%。

SWE-Bench Pro測的是工程修復能力。它選取真實GitHub項目中的Issue和測試用例，讓模型提交補丁，再看測試是否通過。在這組更難的任務里，Kimi和GLM都跑在DeepSeek前面。

DeepSeek也不是沒有強項。有評測顯示，V4 Pro在SWE-Bench Verified上達到80.6%。Verified版經過人工篩選，常用來觀察模型處理真實代碼問題的穩定性。

具體打法上，智譜通過GLM Coding Plan進入Claude Code、Cline、OpenCode等已有開發者工具，Kimi也有kimi-cli、Kimi Code等終端和代碼工具入口，同時還通過Cursor Composer等第三方產品進入開發者工作流。

而隨著DeepSeek Code Harness浮出水面，DeepSeek將與這兩位國產同行一同競爭AICoding的用戶心智。

尤其是當這一輪融資被推到700億元時，DeepSeek正好站在Code Harness這個岔口。

此前，DeepSeek管理層向潛在投資者表示，融資落地后，會優先推進突破性AI研究，而不是短期商業化。

對DeepSeek來說，融資首先意味著算力池可以繼續做大。DeepSeek官網介紹中提到，其依托自研訓練框架、自建智算集群和萬卡算力資源；GitHub上，DeepSeek還開源了面向AI訓練和推理負載的3FS分布式文件系統。

3FS可以理解成DeepSeek給大模型集群配的一套高速共享硬盤系統。訓練和推理時，GPU需要持續讀取數據、保存模型狀態，3FS負責把分散在多臺機器上的SSD整合起來，通過RDMA網絡高速傳輸數據。

DeepSeek稱，這套系統在180節點集群里跑到過6.6TiB/s的聚合讀取吞吐。

而更大的背景，是國產算力替代正在被V4推到前臺。最新發布的DeepSeek V4已適配華為昇騰AI芯片，華為昇騰950超節點將完整支持V4。有行業分析指出，DeepSeek曾與華為、寒武紀合作改寫部分模型代碼，以適配國產硬件。

因此，DeepSeek Code Agent不只是一個Agent產品，它很有可能是DeepSeek把模型能力、國產算力和用戶場景連起來的前沿入口：一端承接V4在國產硬件上的落地，一端進入開發者的生產流程。

2025年初，DeepSeek靠R1證明，一家中國模型公司可以突然改寫全球大模型敘事。

現在輪到Code Harness回答另一個問題：全球最成功的大模型公司之一，能不能在Agent領域再現一次DeepSeek神話。