DeepSeek Harness añade entrada multimodal de imágenes: el harness tiene ojos, los modelos no

Novedades incluidas, según fuentes oficiales

Contexto: Harness v0.1 se publicó como código abierto el 13 de agosto junto con el lanzamiento general (GA) de V4-Pro. Consulta nuestro resumen de lanzamiento de v0.1 para conocer la arquitectura (todo basado en plugins sobre Cordis, cuatro modos de trabajo, licencia MIT).

La división: infraestructura del harness vs. capacidad del modelo

• Lo que se volvió multimodal es el runtime, no los modelos. Pega una imagen hoy en dsh y persistirá a través de llamadas a herramientas MCP/ACP, se reenviará mediante programas en modo PTC y podrá acompañar a los comandos de planificación /goal y /plan. Esa es una infraestructura real que faltaba en la v0.1; los primeros analistas criticaron la versión de la semana de lanzamiento precisamente porque un modelo exclusivo de texto no podía rastrear un error visual de dos líneas.
• Los modelos de la API propia de DeepSeek seguían siendo solo de texto al momento de la publicación... y ganaron visión un día después. El 21 de agosto de 2026, DeepSeek lanzó oficialmente deepseek-v4-flash-vision-exp, un modelo experimental de visión en la familia Flash con el mismo precio; V4-Pro continúa siendo solo texto. Al momento de la publicación, el registro de cambios no incluía ninguna entrada de visión desde la nota de GA de V4-Pro del 13 de agosto, y un destacado debate en Hugging Face sobre V4-Pro se quejaba de que carecía de «la multimodalidad nativa que ya tienen todos los demás modelos insignia chinos, incluidos Qwen y Kimi», precisamente la brecha que este lanzamiento acaba de cerrar para Flash.
• La documentación oficial deja claro el patrón previsto. En la tabla de solución de problemas del repositorio: si una imagen es rechazada antes de enviarse, el modelo «declara no admitir la modalidad de imagen»; corrígelo añadiendo input: [text, image] a la entrada del modelo en $DSH_HOME/settings.yaml. En otras palabras: activa las solicitudes de imagen para un modelo que realmente cuente con visión, ya sea a través del adaptador de DeepSeek o de cualquier endpoint compatible con OpenAI.
• La brecha de visión ya se estaba cerrando mediante plugins. modlens (autodefinido como el primer plugin de visión para dsh) permite pegar una imagen en una sesión de solo texto y recibir de vuelta evidencia estructurada en JSON (OCR, maquetación, semántica), enrutada a través de un conjunto de motores de visión (una clave gratuita de Gemini, Antigravity CLI o cualquier endpoint compatible con OpenAI; su README muestra una demo de Qwen-VL mediante el modo compatible de DashScope). Otras herramientas comunitarias similares incluyen agent-vision-toolkit (preguntas y respuestas sobre imágenes, OCR de capturas largas, restauración de UI, automatización de GUI) y dsh-vision-router. Son proyectos comunitarios no afiliados a DeepSeek; la calidad puede variar.

Qué dice la cobertura internacional

• Turing Post (17 de agosto) publicó el análisis en inglés más agudo: «DeepSeek está viviendo su segundo momento DeepSeek». Su argumento: con R1, DeepSeek debilitó la barrera competitiva de los modelos; con Harness (MIT, más de 149.000 estrellas al momento de publicarse), está «abriendo la capa que todos habían empezado a considerar como la siguiente barrera defensiva»: la capa de ejecución de agentes. También rastrea el origen de Cordis hasta Koishi, el framework para chatbots de Shigma (ahora en DeepSeek), cuyos cuatro años resolviendo problemas del ciclo de vida de plugins resultaron ser problemas del runtime de agentes.
• Prensa de la semana de lanzamiento (cubierta en nuestro resumen de v0.1): VentureBeat calificó a dsh como un «rival de código abierto para Claude Code»; The Decoder perfiló la arquitectura y al líder del proyecto, Cui Tianyi (ex-Jane Street); las pruebas de primera mano de 36Kr encontraron 288 repositorios de plugins en menos de 24 horas; Pandaily lo sintetizó como Modelo + Harness = Agente.
• Los lanzamientos de rc.7 y rc.8 en sí fueron seguidos principalmente por observadores de registros de cambios y por el ecosistema de plugins, más que por los medios tradicionales durante las primeras 48 horas; guías de terceros (chat-deep.ai, dshdocs.com, freedom.tech) registraron la novedad de los «adjuntos de imagen persistentes» en cuestión de un día. Si sigues la evolución de este proyecto, sigue las notas de la versión, no los titulares.
• En X, el hilo de anuncio del proyecto (@deepseek_ai, 13 de agosto) y las publicaciones del mantenedor @tianyi siguen siendo los canales canónicos; el autor de modlens @liustack publica las notas de versión primero en X, lo que confirma que el centro de gravedad del ecosistema reside en el repositorio y en X en lugar de en blogs.

Por qué esto importa para un stack de modelos chinos

• El harness es gratuito; los tokens de imagen son la nueva variable. Con la tarificación de horas punta y valle de V4-Pro (valle: $0.66 entrada / $1.98 salida por cada 1M; punta: $1.32 / $3.96, según la lectura de The Decoder de la página oficial de precios), el coste del bucle de un agente se traslada a donde se procesen las imágenes. Enrutar las subllamadas de visión a un modelo económico con capacidad visual mientras los modelos de texto gestionan el bucle de programación es exactamente el patrón multimodelo para el que se diseñó la capa de modelos por plugins de dsh.
• La corrección de pasarela de rc.8 es directamente relevante para usuarios de relays. La versión corrige pasarelas personalizadas compatibles con OpenAI que fallaban por diferencias en el formato de solicitud o perdían el contenido de razonamiento, el tipo de error que afecta a cualquiera que apunte dsh a un endpoint de terceros en lugar de usar claves de primera mano. Prueba tu endpoint con rc.8 antes de culpar al harness.
• El ritmo de cambios que rompen la compatibilidad es real y ya está aquí. v0.1 prometió cambios incompatibles; rc.8 trae uno (formato de almacenamiento SQLite incompatible). Fija la versión de tu dsh, mantén los datos de sesión fuera de la ruta de actualización y vuelve a verificar tras cada nueva rc; la línea sigue avanzando rápidamente hacia una versión 0.1.0 estable.
• La marca ya es oficial. Las notas de rc.8 aclaran que «DeepSeek Harness» es una marca registrada con directrices de marca publicadas; los autores de plugins y creadores de herramientas deberían consultarlas antes de nombrar proyectos derivados.
• Enfoque como proyecto independiente. dsh es el proyecto de código abierto de DeepSeek. ChinaModelAPI es un relay independiente compatible con OpenAI que no guarda relación oficial con él ni con DeepSeek; la coincidencia práctica es que un harness agnóstico respecto al modelo es un cliente natural para el enrutamiento multimodelo, y los identificadores de modelos con capacidad de visión deben verificarse directamente en el panel de control de tu proveedor antes de conectarlos.

Fuentes primarias

• GitHub — lanzamientos de deepseek-ai/deepseek-harness (notas de rc.7 y rc.8, CN/EN)
• npm — dist-tags de @deepseek-ai/dsh (latest = rc.7, next = rc.8, verificado el 2026-08-20)
• deepseek.com/harness — página oficial de vista previa para desarrolladores
• Registro de cambios de la API de DeepSeek: sin entradas de visión desde el 2026-08-13 (estado de solo texto de los modelos V4)
• Turing Post — FOD#163: DeepSeek está viviendo su segundo momento DeepSeek (2026-08-17)
• VentureBeat — DeepSeek Harness se lanza como rival de código abierto para Claude Code (semana de lanzamiento)
• The Decoder — V4 Pro mejorado, precios de API más altos, software de agentes de código abierto (detalle de precios)
• GitHub — liustack/modlens (plugin de visión comunitario para dsh, MIT)
• Directorio de DeepSeek Code — perfil del plugin agent-vision-toolkit (comunidad)
• Debate en Hugging Face — brecha de multimodalidad nativa en V4-Pro (comunidad)

FAQ