deepseek-v4-flash跑在codex里，不是简单的换一个模型，否则deepseek也不会用心提供专门的适配安装了。使用codex，不要使用cc-switch去接deepseek-v4-flash，那样的话效果会大打折扣

上一篇《gpt没额度了，我用deepseek-v4-flash 连续跑两天花了 14 亿 token，40人民币》把 Codex 主力模型换成 deepseek-v4-flash 跑了 48 小时真实工作，结论是「值得」。但那篇文章只回答了”便宜又稳”，没回答”为什么它能在 Codex 里被用好”。这篇翻到适配层去看两样东西：本机 ~/.codex/models.json 这个 76KB 的模型目录文件到底写了什么、为什么里面那段 1.77 万字符的 instructions_template 对工作效率影响这么大；以及 DeepSeek 更新日志里反复提到的 Harness 是什么、走到哪一步了。前半是本地配置的逐字段拆解，后半是公开资料的整理，官方确认和社区猜测我会分开标注。

适配一个 Agent 客户端，光有 API 兼容不够

Codex 不是一个”把消息发给模型”的薄客户端，它是一个复合体：通信协议、工具系统、系统提示三层叠在一起。模型要进来，三件事缺一不可：

1. 协议层：客户端用 OpenAI Responses API 和模型对话，模型得原生支持这个格式，否则要在中间套一层转换代理；
2. 元数据层：客户端要”知道”模型的上下文窗口、推理档位、工具调用格式等能力，才能决定怎么规划上下文、要不要开并行工具、能不能派子代理——这部分由 ~/.codex/models.json 声明；
3. 行为层：模型要按 Codex 的代理工作流说话——什么时候发中间更新、什么时候收尾、怎么用 apply_patch 改文件、什么操作不能做——这部分由 instructions_template 注入。

deepseek-v4-flash 强的地方，恰好是这三层都有官方动作：7 月 31 日正式版原生支持 Responses API 并针对性适配 Codex（官方更新日志原话），官方文档提供写入 models.json 的配置脚本，而模型的 agent 后训练让它能稳定执行那段行为模板。下面逐层看。

models.json：Codex 怎么知道一个模型能干什么

~/.codex/models.json 是 Codex 的模型目录，官方文档的说法是：向 Codex 声明模型的元数据——上下文窗口长度、支持的推理强度档位、工具调用格式等，使 Codex 能像使用内置模型一样使用第三方模型。本机这份文件是 8 月 3 日生成的，76KB，里面有两个模型：deepseek-v4-flash（priority 1）和 deepseek-v4-pro（priority 2）。deepseek-v4-flash 的完整配置拆开看是这样的：

字段	值	影响
context_window / max_context_window	1,048,576	告诉客户端上下文预算，决定长会话什么时候该压缩
effective_context_window_percent	95	客户端按 95% 的有效窗口做规划，留出工具调用和输出的余量
truncation_policy	tokens，limit 10000	超限时的截断策略，压缩后保留的余量
supports_parallel_tool_calls	true	允许并行工具调用，多文件搜索、并行命令能同时发
multi_agent_version	v2	支持子代理机制，长任务可以拆给子代理并行
apply_patch_tool_type	freeform	使用自由格式的 apply_patch 工具做文件编辑
web_search_tool_type	text	搜索工具以文本形态接入
default_reasoning_level	high	默认推理强度就是 high，配合 low/high/max 三档
supported_reasoning_levels	low / high / max	客户端可以按任务切换档位
reasoning_summary_format	experimental	reasoning summary 走实验格式
default_reasoning_summary	none	默认不要求模型输出思考摘要
input_modalities	[“text”]	纯文本模型，不支持图像输入（识图正在灰度）
visibility	list	模型出现在模型选择列表里
minimal_client_version	0.144.0	要求 Codex 客户端不低于这个版本
priority	1	flash 排在前，pro 排在后
shell_type	shell_command	命令以 shell_command 形态执行

这些字段不是摆设，它们直接改变客户端的行为方式。举三个最典型的：

上下文预算决定长会话怎么活

1M 的窗口声明加上 95% 的有效比例，客户端才敢让会话一直往后跑而不早早压缩。上一篇文章里三个线程连续跑 46~48 小时没有一次因为上下文溢出中断，窗口声明是前提。truncation_policy 规定了压缩后保留 token 的余量，这决定了每轮重发上下文时”稳定前缀”的长度——而稳定前缀正是缓存命中的必要条件。

并行和子代理决定工具效率

supports_parallel_tool_calls: true 让客户端可以把互不依赖的工具调用并行发出，而不是一串串排队；multi_agent_version: v2 打开子代理通道，多仓库、多任务串行时可以拆出去并行。这些都是”客户端敢不敢用”的开关，声明了能力，Codex 才会把对应功能打开。

推理档位决定成本曲线

官方价格里缓存命中 0.02 元/百万 token、未命中 1 元、输出 2 元（元/百万）。reasoning 档位直接决定输出里有多少思考 token——上一篇文章统计的 57.3% reasoning 占比就是这么来的。default_reasoning_level: high 意味着默认就是”多想一步”的配置，不需要每次手动调。

把这三层串起来看就是下面这张图：models.json 声明能力，Codex 客户端据此决定怎么开功能、怎么注入系统提示，模型侧再用后训练过的指令跟随能力接住。适配不是”能通 API”就完事，是这一整条链路。

instructions_template：1.77 万字符的”岗位说明书”

models.json 里除了能力元数据，还有一块容易被忽略的内容：model_messages.instructions_template，一共 168 行、约 1.77 万字符。它是 Codex 客户端注入给模型的系统提示，等于给接入的模型发了一份”岗位说明书”。我把它整段读了一遍，结构是五块：

章节	内容	对工作的作用
Personality	代理人格、写作风格、技术沟通方式	让模型用”协作对象”而不是”问答机器”的方式对话
Working with the user	commentary/final 双通道、中间更新与最终回答的规范	保证长任务里有持续可见的进度，而不是憋到最后才输出
Rules for getting work done	rg 优先、并行化、apply_patch 编辑、自主性与持久性	让模型按工程习惯干活：先搜再改、能并行就并行
Destructive Actions	删除、覆盖、危险命令的边界	让模型对破坏性操作保持谨慎，先确认再动手
Using skills	skill 的发现、读取、使用规则	让模型遇到匹配任务时调用仓库技能，而不是自由发挥

模板本身没有任何 deepseek 字样，它是 Codex 通用的模型侧提示。真正有意思的是它和效率的关系，我认为有三条：

1. 稳定前缀直接喂给缓存。 这段模板是每一轮请求开头完全相同的固定文本。上一篇文章统计的 99.4% 缓存命中率，靠的正是”系统提示稳定 + 会话开头稳定”这个前缀结构。模板越长、越固定，可复用前缀就越稳定——当然，缓存命中的前提还是模型服务端实现了前缀缓存。
2. 行为契约减少返工。 模板里写清楚了”什么时候发 commentary、什么时候该 final""先 rg 再改、用 apply_patch""破坏性操作要先确认”。模型照做，就省掉了大量”客户端规范 vs 模型习惯”不匹配造成的返工。比如不写这个模板，模型可能全程闷头跑不给中间更新，或者用 shell 重定向直接覆写文件而不是 apply_patch。
3. 长会话不跑偏的锚点。 48 小时的长会话里，每一轮都在重复加载这 1.77 万字符的规则。指令跟随能力弱的模型会在几小时后开始”遗忘”行为规范，而 deepseek-v4-flash 的 0731 版本专门重新做了后训练来对齐 agent 任务——官方更新日志原话是”重新做后训练，Agent 能力大幅增强”。模板是纸面上的契约，能不能守住，取决于模型本身的指令跟随能力。

另外 model_messages 里还有 instructions_variables，带三套人格预设（default/friendly/pragmatic），对应客户端可切换的人格参数。这说明模板不只是静态文本，它和客户端的行为开关是联动的。

诚实地说，instructions_template 不解决”模型会不会推理”的问题，它解决的是”模型能不能按 Codex 的规矩干活”的问题。适配层做得再完整，模型指令跟随不行，一切归零；反过来，模型再强，没有这层模板，它也只是个”便宜的 API”，不是一个”好用的 Codex 代理”。

DeepSeek Harness：模型之外的那层，正从”部门”变成”产品”

如果说 models.json 是 deepseek-v4-flash 在 Codex 里的适配现状，那 Harness 就是 DeepSeek 官方正在做的下一件事。两件事在官方更新日志里其实是一起出现的：正式版 V4-Flash 用”DeepSeek Harness 极简模式（即将发布）“作为框架跑公开基准。下面按时间线和事实/猜测分开整理。

Model + Harness = Agent

这个公式是 DeepSeek Harness 团队招聘时写下的核心定义（百度百科、多家媒体引用了同一口径）：模型负责理解需求、推理和生成方案，Harness 负责把模型能力落到真实环境——上下文管理、工具调用、文件读写、终端执行、错误处理、任务规划，也就是”除模型本身以外的所有工作”。换句话说，Agent = 模型 + 执行系统，Harness 是模型和真实软件工程环境之间的那一层。

时间线：从组团队到内测招募

时间	事件
2026-03	崔添翼加入 DeepSeek，任 Harness 团队负责人
2026-05	Harness 团队开始公开招聘，核心定义 Model + Harness = Agent
2026-07-31	V4-Flash 正式版 API 公测 + 权重开源；更新日志首次点名 Harness：“即将发布”，Code Agent 基准用 Harness 极简模式（max 档位、topp=0.95、temperature=1.0）测试
2026-08-01	崔添翼发文招募 Harness 内测人员：要求参与过开源 Agent 项目的建立和维护，提交 GitHub 仓库作为代表作
2026-08-03	内测招募帖演变成”开源 Agent 路演”：769 位报名者、去重后 712 个仓库、合计超 120 万 stars，横跨 18 个赛道（社区统计，来源见文末）

媒体预测 Harness 会随 V4 Pro 正式版一起在 8 月初亮相——这是推测，官方只说了”即将发布”。

官方基准与”极简模式”

根据 DeepSeek 更新日志和公开报道，V4-Flash 正式版跑的是五组偏”长任务执行”的基准：Terminal Bench（终端操作）、Cybergym（安全攻防）、Toolathlon（多工具调用）、DSBench-FullStack 和 DSBench-Hard（全栈开发）。媒体和券商报告引用的关键数字是：Terminal Bench 得分 82.7（预览版 61.8）、Toolathlon Verified 70.3，九项 Agent 基准全面反超自家 V4-Pro 预览版，整体追平 GLM-5.2、逼近 Opus-4.8。注意这些成绩是”模型 + Harness 极简模式”一起测出来的，不是裸模型成绩——这正是 Harness 被反复强调的原因。

一条招募帖变成开源生态大摸底

招募条件本身很窄（要维护过开源 Agent 项目），结果评论区涌进来 769 位报名者、712 个仓库。社区统计显示，智能体框架和编程智能体是最大两个方向（合计 242 个项目），记忆与上下文相关项目 56 个（累计 194k stars），研究与评测、安全治理各 24 个。长任务执行、上下文/记忆管理、评测与安全，正好是 Agent 从”能跑”到”敢用”的三道坎。也有开发者直接用 DeepSeek 模型自研运行时做实测——akashic-agent 的作者在 V4-Flash max 档下跑 TerminalBench 2.1 拿到 70.8%。

社区猜测：哪些还没被官方确认

目前流传的几点都标一下来源状态：

• Harness 定位对标 Claude Code / Codex 的 AI Coding Agent——多家媒体称”社区流传”，未获官方确认；
• 可能围绕长周期 Agent 工作流加入 Memory、项目仓库感知（Repo Awareness）——同样是社区猜测；
• 识图模式正在灰度，补代码 Agent 理解架构图、报错截图的能力——官方更新日志提到灰度，但 V4-Flash 本机声明仍是纯文本输入；
• “DeepSeek Harness”是否作为最终品牌名——官方未定，媒体也在猜。

我的判断：强在哪，边界在哪

把三层适配和 Harness 放在一起看，deepseek-v4-flash 在 Codex 上的强项可以概括成一句话：协议原生、元数据完整、行为模板可执行，而且便宜到可以当主力用。 前面两条是 DeepSeek 主动做的（Responses API 原生支持 + 官方 models.json 配置），第三条一半靠模型后训练、一半靠 Codex 客户端注入的模板，第四条是定价策略。四者缺一个，“5 毛钱能干大活”和”40 块钱跑两天”都不会成立。

边界也要说清楚：

1. models.json 只是声明，不是能力。 字段再全，模型指令跟随不行就是白搭。它说明的是”DeepSeek 愿意把适配做完整”，不代表任何模型都能照抄这份配置获得同样效果。
2. Harness 还没发布。 基准成绩、内测招募都是真的，但产品形态、命名、发布时间全是推测。现在用 Codex + deepseek-v4-flash 的经验，不能直接平移成对官方 Harness 的预期。
3. 纯文本模型的短板在补。 本机声明 input_modalities: ["text"]，识图还在灰度。等视觉输入开放，models.json 里的字段会跟着变——到时候适配层是不是还这么干净，值得再看一眼。

参考来源

• DeepSeek API 官方文档：接入 Codex（models.json 声明元数据）、Responses API、更新日志（正式版 V4-Flash、Harness 极简模式说明）
• deepseek-ai/awesome-deepseek-agent · docs/codex.md（原生适配前的代理层接入方式）
• 智东西 2026-08-04：《120万星！开发者排队”投简历”，DeepSeek一条内测帖，变成了Agent开源大摸底》
• 快科技 2026-08-02：DeepSeek Harness 内测报道
• 开源证券计算机行业点评报告（东方财富数据平台转载）：V4-Flash 正式版基准数据
• OSCHINA 2026-08-03：DeepSeek Harness 内测报道
• 社区统计仓库：github.com/Octo-o-o-o/deepseek-harness-applicants

（文中本机配置均来自 ~/.codex/models.json 与本地 Codex 会话，时间为 2026-08-05。未确认信息均已标注”猜测/未证实”。）

微信公众号

欢迎关注「字与码」

如果这篇文章对你有用，也欢迎在微信里继续关注后续更新。

X

X / Twitter

关注 @ax2_zicode

更即时的技术观察、新文章提醒和一些短想法会发在 X 上。