DeepSeek Harness erhält multimodale Bildeingabe – das Harness hat jetzt Augen, die Modelle nicht

Neuerungen laut offiziellen Quellen

Hintergrund: Harness v0.1 wurde am 13. August zusammen mit der V4-Pro GA als Open Source veröffentlicht – siehe unseren v0.1 Launch-Überblick zur Architektur (Alles-ist-ein-Plugin auf Basis von Cordis, vier Arbeitsmodi, MIT-Lizenz).

Die Trennung: Harness-Infrastruktur vs. Modellfähigkeiten

• Multimodal wurde die Laufzeitumgebung, nicht die Modelle. Wenn man heute ein Bild in dsh einfügt, bleibt es über MCP/ACP-Toolaufrufe hinweg persistent, wird durch Programme im PTC-Modus weitergeleitet und kann in Planungsbefehlen wie /goal und /plan mitgeführt werden. Das ist echte Infrastruktur, die in v0.1 noch fehlte – frühe Tester kritisierten den Launch-Stack gerade deshalb, weil ein rein textbasiertes Modell keinen zweizeiligen visuellen Bug beheben konnte.
• Die hauseigenen API-Modelle von DeepSeek waren bei Veröffentlichung noch rein textbasiert – und erhielten einen Tag später Vision-Fähigkeiten. Am 21. August 2026 brachte DeepSeek offiziell deepseek-v4-flash-vision-exp heraus, ein experimentelles Vision-Modell der Flash-Familie zu unveränderten Preisen; V4-Pro bleibt weiterhin rein textbasiert. Zum Zeitpunkt der Veröffentlichung enthielt das Changelog seit der V4-Pro-GA-Meldung vom 13. August keinen Vision-Eintrag mehr, und eine vielbeachtete Hugging-Face-Diskussion zu V4-Pro bemängelte das Fehlen „nativer Multimodalität, die mittlerweile jedes andere chinesische Flaggschiff-Modell besitzt, einschließlich Qwen und Kimi“ – genau die Lücke, die der Launch für Flash nun geschlossen hat.
• Die offizielle Dokumentation stellt das vorgesehene Muster klar heraus. Die Troubleshooting-Tabelle des Repositories: Wird ein Bild vor dem Senden abgewiesen, deklariert das Modell „keine Bildmodalität“ – die Lösung besteht darin, input: [text, image] zum Modelleintrag in $DSH_HOME/settings.yaml hinzuzufügen. Mit anderen Worten: Bildanfragen für ein Modell aktivieren, das tatsächlich über Vision-Fähigkeiten verfügt, sei es über den DeepSeek-Adapter oder einen beliebigen OpenAI-kompatiblen Endpunkt.
• Die Vision-Lücke wurde bereits durch Plugins überbrückt. modlens (nach eigenen Angaben das erste Vision-Plugin für dsh) ermöglicht es, ein Bild in eine rein textbasierte Sitzung einzufügen und strukturierte JSON-Ergebnisse zurückzuerhalten – OCR, Layout, Semantik –, weitergeleitet über einen Pool von Vision-Engines (ein kostenloser Gemini-Key, die Antigravity CLI oder ein beliebiger OpenAI-kompatibler Endpunkt; die README demonstriert Qwen-VL über den Kompatibilitätsmodus von DashScope). Ähnliche Community-Tools sind agent-vision-toolkit (Bild-F&A, OCR für lange Screenshots, UI-Wiederherstellung, GUI-Automatisierung) und dsh-vision-router. Community-Projekte ohne Verbindung zu DeepSeek – die Qualität variiert.

Was die internationale Berichterstattung sagt

• Turing Post (17. Aug.) veröffentlichte die treffendste englischsprachige Analyse: „DeepSeek erlebt seinen zweiten DeepSeek-Moment.“ Die Argumentation: Mit R1 schwächte DeepSeek den Burggraben (Moat) auf Modellebene; mit dem Harness (MIT-Lizenz, über 149.000 Stars bei Veröffentlichung) öffnet das Unternehmen „die Ebene, die viele bereits als nächsten Burggraben ins Auge gefasst hatten“ – die Agent-Ausführungsschicht. Zudem wird der Ursprung von Cordis auf Koishi zurückgeführt, das Chatbot-Framework von Shigma (heute bei DeepSeek), dessen vier Jahre an Plugin-Lifecycle-Problemen sich letztlich als typische Agent-Laufzeitprobleme herausstellten.
• Presse der Launch-Woche (zusammengefasst in unserem v0.1-Überblick): VentureBeat bezeichnete dsh als „Open-Source-Konkurrenten zu Claude Code“; The Decoder porträtierte die Architektur sowie Projektleiter Cui Tianyi (ehemals Jane Street); der Praxistest von 36Kr zählte innerhalb von 24 Stunden bereits 288 Plugin-Repositories; Pandaily fasste es als Modell + Harness = Agent zusammen.
• Die Releases rc.7/rc.8 selbst wurden in den ersten 48 Stunden vor allem von Changelog-Beobachtern und dem Plugin-Ökosystem statt von Mainstream-Medien verfolgt – Drittanbieter-Leitfäden (chat-deep.ai, dshdocs.com, freedom.tech) griffen die Neuerung „persistente Bildanhänge“ innerhalb eines Tages auf. Wer die Entwicklung verfolgen will, sollte sich an die Release Notes halten, nicht an Schlagzeilen.
• Auf X bleiben der Ankündigungsthread des Projekts (@deepseek_ai, 13. Aug.) und die Beiträge von Maintainer @tianyi die maßgeblichen Kanäle; modlens-Autor @liustack veröffentlicht Release Notes zuerst auf X – passend dazu, dass der Schwerpunkt des Ökosystems im Repository und auf X liegt, nicht in Blogs.

Warum dies für einen China-Modell-Stack wichtig ist

• Das Harness ist kostenlos; Bild-Tokens sind die neue Variable. Angesichts der gestaffelten Haupt-/Nebenzeiten-Preise von V4-Pro (Nebenzeiten $0.66 Input / $1.98 Output pro 1M, Hauptzeiten $1.32 / $3.96 – laut The Decoders Auswertung der offiziellen Preisseite) verlagern sich die Kosten einer Agent-Schleife dorthin, wo Bilder verarbeitet werden. Das Weiterleiten von Vision-Unteraufrufen an ein günstiges, bildfähiges Modell, während Textmodelle die Programmierschleife steuern, ist genau das Multi-Modell-Muster, für das die Plugin-Modellschicht von dsh entwickelt wurde.
• Der Gateway-Fix in rc.8 ist für Relay-Nutzer direkt relevant. Das Release behebt Probleme bei benutzerdefinierten OpenAI-kompatiblen Gateways, die aufgrund von Formatabweichungen bei Anfragen fehlschlugen oder Reasoning-Inhalte verloren – eine Fehlerkategorie, die jeden betrifft, der dsh auf einen Drittanbieter-Endpunkt statt auf First-Party-Keys ausrichtet. Testen Sie Ihren Endpunkt mit rc.8, bevor Sie den Fehler beim Harness suchen.
• Breaking Changes kommen schnell und spürbar. v0.1 kündigte inkompatible Änderungen an; rc.8 liefert eine davon (SQLite-Speicherformat inkompatibel). Pinnen Sie Ihre dsh-Version, halten Sie Sitzungsdaten aus dem Upgrade-Pfad heraus und überprüfen Sie die Konfiguration nach jedem rc-Update erneut – die Entwicklung steuert weiterhin rasant auf ein stabiles 0.1.0 zu.
• Das Branding ist nun offiziell geregelt. Die Versionshinweise von rc.8 stellen klar, dass „DeepSeek Harness“ eine eingetragene Marke mit veröffentlichten Markenrichtlinien ist – Plugin-Entwickler und Tool-Ersteller sollten diese vor der Benennung von Ableitungen lesen.
• Einordnung als unabhängiges Projekt. dsh ist das Open-Source-Projekt von DeepSeek. ChinaModelAPI ist ein unabhängiges OpenAI-kompatibles Relay ohne offizielle Verbindung dazu oder zu DeepSeek – die praktische Schnittmenge liegt darin, dass ein modellunabhängiges Harness ein idealer Client für Multi-Modell-Routing ist und bildfähige Modell-IDs vor der Einbindung live im Dashboard Ihres Anbieters überprüft werden sollten.

Primärquellen

• GitHub — deepseek-ai/deepseek-harness Releases (rc.7- und rc.8-Hinweise, CN/EN)
• npm — @deepseek-ai/dsh dist-tags (latest = rc.7, next = rc.8, Stand: 20.08.2026)
• deepseek.com/harness — offizielle Developer-Preview-Seite
• DeepSeek API Changelog — kein Vision-Eintrag seit 13.08.2026 (rein textbasierter Status der V4-Modelle)
• Turing Post — FOD#163: DeepSeek is having its second DeepSeek moment (17.08.2026)
• VentureBeat — DeepSeek Harness startet als Open-Source-Rivale zu Claude Code (Launch-Woche)
• The Decoder — verbessertes V4 Pro, höhere API-Preise, Agent-Software als Open Source (Preisdetails)
• GitHub — liustack/modlens (Community-Vision-Plugin für dsh, MIT)
• DeepSeek Code Verzeichnis — agent-vision-toolkit Plugin-Profil (Community)
• Hugging Face Diskussion — Lücke bei nativer Multimodalität in V4-Pro (Community)

FAQ