DeepSeek Harness ajoute la saisie d'images multimodale — le harness a des yeux, pas les modèles

Ce qui a été livré, selon les sources officielles

Contexte : Harness v0.1 est passé en open source le 13 août en même temps que la disponibilité générale (GA) de V4-Pro — consultez notre fiche de lancement de la v0.1 pour découvrir l'architecture (« tout est plugin » sur Cordis, quatre modes de travail, licence MIT).

La distinction : plomberie du harness vs capacités du modèle

• Ce qui est devenu multimodal, c'est le runtime, pas les modèles. Collez une image dans dsh aujourd'hui et elle persiste à travers les appels d'outils MCP/ACP, est transmise via les programmes en mode PTC et peut accompagner les commandes de planification /goal et /plan. C'est une véritable plomberie technique qui manquait à la v0.1 — les premiers testeurs avaient précisément critiqué la stack de la semaine de lancement parce qu'un modèle exclusivement textuel ne pouvait pas traquer un bug visuel de deux lignes.
• Les propres modèles API de DeepSeek étaient encore 100 % textuels à la publication — et ont gagné la vision un jour plus tard. Le 21 août 2026, DeepSeek a officiellement lancé deepseek-v4-flash-vision-exp, un modèle de vision expérimental de la gamme Flash à tarif inchangé ; V4-Pro reste 100 % textuel. Au moment de la publication, le journal des modifications ne comportait aucune entrée relative à la vision depuis la note de GA de V4-Pro du 13 août, et une discussion très suivie sur Hugging Face à propos de V4-Pro déplorait l'absence de « multimodalité native dont disposent désormais tous les autres modèles phares chinois, y compris Qwen et Kimi » — exactement l'écart que ce lancement vient de combler pour Flash.
• La documentation officielle explicite le fonctionnement prévu. Selon le tableau de dépannage du dépôt : si une image est refusée avant l'envoi, le modèle « déclare ne pas accepter la modalité image » — corrigez cela en ajoutant input: [text, image] à l'entrée du modèle dans $DSH_HOME/settings.yaml. En d'autres termes : activez les requêtes d'images pour un modèle qui possède réellement la vision, via l'adaptateur de DeepSeek ou tout endpoint compatible OpenAI.
• Le manque de vision était déjà comblé par des plugins. modlens (qui se définit comme le premier plugin de vision pour dsh) vous permet de coller une image dans une session 100 % textuelle et d'obtenir des données JSON structurées en retour — OCR, mise en page, sémantique — routées via un pool de moteurs de vision (une clé Gemini gratuite, Antigravity CLI ou tout endpoint compatible OpenAI ; son README présente une démo de Qwen-VL via le mode compatible de DashScope). Parmi les outils communautaires similaires figurent agent-vision-toolkit (Q&R sur images, OCR de captures d'écran longues, restauration d'UI, automatisation de GUI) et dsh-vision-router. Projets communautaires, non affiliés à DeepSeek — qualité variable.

Ce qu'en dit la presse internationale

• Turing Post (17 août) a publié l'analyse anglophone la plus incisive : « DeepSeek vit son deuxième moment DeepSeek. » Sa thèse : avec R1, DeepSeek a érodé le fossé concurrentiel des modèles ; avec Harness (sous licence MIT, plus de 149 000 étoiles lors de la publication), l'entreprise « ouvre la couche que tout le monde commençait à voir comme le prochain bastion » — la couche d'exécution des agents. L'article retrace également les origines de Cordis jusqu'à Koishi, le framework de chatbot de Shigma (désormais chez DeepSeek), dont les quatre années passées sur les problématiques de cycle de vie des plugins se sont avérées être des enjeux de runtime d'agents.
• La presse de la semaine de lancement (évoquée dans notre fiche v0.1) : VentureBeat a présenté dsh comme un « rival open source de Claude Code » ; The Decoder a détaillé l'architecture et dressé le portrait du responsable du projet Cui Tianyi (ancien de Jane Street) ; le test express de 36Kr a recensé 288 dépôts de plugins en 24 heures ; Pandaily l'a résumé par Modèle + Harness = Agent.
• Les versions rc.7/rc.8 elles-mêmes ont principalement été suivies par les observateurs de changelogs et l'écosystème de plugins plutôt que par les grands médias lors des premières 48 heures — des guides tiers (chat-deep.ai, dshdocs.com, freedom.tech) ont relevé la mention « pièces jointes d'images durables » en une journée. Si vous suivez cette actualité, consultez les notes de version plutôt que les gros titres.
• Sur X, le fil d'annonce officiel du projet (@deepseek_ai, 13 août) et les publications du mainteneur @tianyi restent les canaux de référence ; l'auteur de modlens @liustack publie d'abord ses notes de version sur X — ce qui confirme que le centre de gravité de l'écosystème réside sur le dépôt et sur X plutôt que sur des blogs.

Pourquoi c'est important pour une stack de modèles chinois

• Le harness est gratuit ; les tokens d'image sont la nouvelle variable. Avec la tarification heures pleines / heures creuses de V4-Pro (heures creuses $0.66 en entrée / $1.98 en sortie par 1M, heures pleines $1.32 / $3.96 — selon la lecture de la grille tarifaire officielle par The Decoder), le coût d'une boucle d'agent se déplace vers le lieu de traitement des images. Router les sous-appels de vision vers un modèle économique doté de capacités visuelles pendant que les modèles de texte gèrent la boucle de code correspond exactement au schéma multimodèle pour lequel la couche de modèles de plugins de dsh a été conçue.
• Le correctif de passerelle de la rc.8 concerne directement les utilisateurs de relais. La version corrige les passerelles personnalisées compatibles OpenAI qui échouaient en raison de différences de format de requête ou perdaient le contenu de raisonnement — le type de bug qui touche quiconque fait pointer dsh vers un endpoint tiers plutôt que d'utiliser des clés officielles directes. Testez votre endpoint avec la rc.8 avant d'incriminer le harness.
• Le rythme des changements cassants est bien réel. La v0.1 annonçait des ruptures de compatibilité ; la rc.8 en concrétise une (format de stockage SQLite incompatible). Figez votre version de dsh, gardez les données de session hors du chemin de mise à jour et revérifiez après chaque passage à une nouvelle rc — la branche évolue encore à un rythme soutenu vers une version 0.1.0 stable.
• L'image de marque est désormais officialisée. Les notes de la rc.8 précisent que « DeepSeek Harness » est une marque déposée assortie de consignes de marque publiées — les auteurs de plugins et concepteurs d'outils doivent les consulter avant de nommer des projets dérivés.
• Clarification sur l'indépendance du projet. dsh est le projet open source de DeepSeek. ChinaModelAPI est un relais indépendant compatible OpenAI sans relation officielle avec ce dernier ni avec DeepSeek — le point commun pratique réside dans le fait qu'un harness indépendant du modèle est un client naturel pour le routage multimodèle, et que les identifiants de modèles compatibles avec la vision doivent être vérifiés en direct dans le tableau de bord de votre fournisseur avant de les intégrer.

Sources primaires

• GitHub — releases de deepseek-ai/deepseek-harness (notes rc.7 et rc.8, CN/EN)
• npm — dist-tags de @deepseek-ai/dsh (latest = rc.7, next = rc.8, vérifié le 2026-08-20)
• deepseek.com/harness — page officielle d'aperçu développeur
• Journal des modifications de l'API DeepSeek — aucune entrée vision depuis le 2026-08-13 (statut 100 % texte des modèles V4)
• Turing Post — FOD#163 : DeepSeek vit son deuxième moment DeepSeek (2026-08-17)
• VentureBeat — DeepSeek Harness se lance en rival open source de Claude Code (semaine de lancement)
• The Decoder — V4 Pro amélioré, hausse des prix de l'API et logiciel d'agent open source (détails des tarifs)
• GitHub — liustack/modlens (plugin de vision communautaire pour dsh, MIT)
• Répertoire DeepSeek Code — profil du plugin agent-vision-toolkit (communautaire)
• Discussion Hugging Face — manque de multimodalité native de V4-Pro (communauté)

FAQ