DeepSeek Harnessがマルチモーダル画像入力に対応 — ハーネスには目がついたが、モデルにはついていない

公式発表に基づくリリース内容

背景：Harness v0.1 は、V4-Pro GA と合わせて8月13日にオープンソース化されました。アーキテクチャ（Cordis 上の everything-is-a-plugin、4つの動作モード、MIT ライセンス）については、v0.1 ローンチ概要をご覧ください。

切り分け：ハーネスの配管 vs. モデルの能力

• マルチモーダル化したのはモデルではなく、ランタイムです。今dshに画像を貼り付ければ、MCP/ACPツール呼び出しをまたいで保持され、PTC-modeプログラムへ受け渡され、/goalや/planといった計画コマンドにもそのまま引き継がれます。これこそがv0.1で欠けていた真の基盤です——ローンチ週のスタックが初期レビュアーから低評価を受けたのもまさに、テキスト専用モデルではたった2行の表示バグすら追跡できなかったからでした。
• 公開時点でDeepSeek独自のAPIモデルはテキスト専用でしたが、その翌日にはビジョン機能に対応しました。 2026年8月21日、DeepSeekは価格据え置きでFlashファミリーの実験的ビジョンモデルdeepseek-v4-flash-vision-expを正式にローンチしました（V4-Proはテキスト専用のままです）。公開時点の変更履歴には8月13日のV4-Pro GA通知以降ビジョンに関する記載がなく、Hugging FaceのV4-Proに関するトップディスカッションでも「QwenやKimiをはじめ、他のすべての中国フラッグシップモデルが現在備えているネイティブマルチモーダル機能」の欠如が指摘されていましたが、今回のローンチはFlashにおいてまさにそのギャップを埋めるものとなりました。
• 公式ドキュメントには想定されるパターンが明記されています。 リポジトリのトラブルシューティング表によると、送信前に画像が拒否される場合、モデルが「画像モダリティ非対応」と宣言している状態です。$DSH_HOME/settings.yaml のモデルエントリに input: [text, image] を追加することで修正できます。つまり、DeepSeekのアダプターや任意のOpenAI互換エンドポイントを経由して、実際にビジョン機能を備えたモデルに対する画像リクエストを有効化するということです。
• ビジョン機能のギャップは、すでにプラグインによって埋められつつありました。 modlens（dsh初のビジョンプラグインを自称）を使えば、テキスト専用セッションに画像を貼り付けるだけで、ビジョンエンジンのプール（無料のGeminiキー、Antigravity CLI、または任意のOpenAI互換エンドポイント。READMEではDashScopeの互換モードによるQwen-VLがデモされています）を経由して、OCR・レイアウト・セマンティクスといった構造化されたJSONエビデンスを取得できます。類似のコミュニティツールには、agent-vision-toolkit（画像Q&A、長尺スクリーンショットOCR、UI復元、GUI自動化）やdsh-vision-routerなどがあります。これらはDeepSeek非公式のコミュニティプロジェクトであり、品質にはばらつきがあります。

海外メディアはどう報じているか

• Turing Post（8月17日）は英語圏で最も鋭い視点を提示しました：「DeepSeekは2度目のDeepSeekモーメントを迎えている」。その主張は、DeepSeekはR1によってモデルの堀（Moat）を崩し、Harness（MIT、公開時点で149K+スター）によって「誰もが次の堀として注目し始めていたレイヤー」——エージェント実行レイヤーを開放しつつある、というものです。また同記事は、Cordisの系譜がShigma（現DeepSeek）によるチャットボットフレームワークKoishiに遡ることを辿り、そこでの4年間にわたるプラグインのライフサイクル課題が、実はエージェントのランタイム課題であったことを明らかにしています。
• ローンチ週の報道（v0.1ブリーフで紹介済み）: VentureBeatはdshを「Claude Codeのオープンソース対抗馬」と位置づけ; The DecoderはアーキテクチャとプロジェクトリーダーのCui Tianyi（元Jane Street）を特集; 36Krによる一晩のハンズオン検証では24時間以内に288個のプラグインリポジトリを確認; Pandailyはこれを「Model + Harness = Agent」として整理。
• rc.7/rc.8のリリース自体は、最初の48時間では主要メディアよりも主にチェンジログウォッチャーやプラグインエコシステムによって追跡されていました — サードパーティのガイド (chat-deep.ai, dshdocs.com, freedom.tech) は1日も経たないうちに「durable image attachments」の記述を記録していました。動向を追うなら、見出しではなくリリースノートをチェックしましょう。
• Xでは、プロジェクトのアナウンススレッド（@deepseek_ai, Aug 13）やメンテナー@tianyiの投稿が引き続き公式な情報源となっています。modlensの作者@liustackはリリースノートをまずXで公開しており — これはエコシステムの重心がブログではなくリポジトリやXにあることと一致しています。

中国系モデルスタックにおいてこれが重要な理由

• ハーネス自体は無料ですが、新たな変数となるのは画像トークンです。 V4-Proにピーク／オフピーク料金（The Decoderによる公式料金ページの確認によると、1Mあたりオフピーク時 入力$0.66 / 出力$1.98、ピーク時 $1.32 / $3.96）が導入されたことで、エージェントループのコストは画像処理が発生する箇所へとシフトします。テキストモデルでコーディングループを回しつつ、ビジョンのサブ呼び出しを安価なビジョン対応モデルへルーティングする構成は、まさにdshのプラグインモデル層が想定して構築されたマルチモデルパターンそのものです。
• rc.8のゲートウェイ修正は、リレーユーザーに直結する内容です。 本リリースでは、リクエスト形式の差異によって失敗したり、推論（reasoning）コンテンツが欠落したりしていたカスタムOpenAI互換ゲートウェイの不具合が修正されています。これは、公式キーではなくサードパーティのエンドポイントにdshを向けている場合に誰もが直面し得るバグです。ハーネスを疑う前に、まずrc.8でお使いのエンドポイントをテストしてください。
• 破壊的変更のリリースサイクルは現実のものとなり、実際に適用されました。 v0.1では互換性を損なう変更が予告されていましたが、rc.8でその1つが適用されました（SQLiteのストレージ形式に互換性がありません）。dshのバージョンを固定し、セッションデータをアップグレードパスから切り離し、rcの更新ごとに再検証を行ってください — 開発ラインは依然として安定版0.1.0に向けて疾走しています。
• ブランディングが正式化されました。 rc.8のノートでは、「DeepSeek Harness」が登録商標でありブランドガイドラインが公開されていることが明記されています — プラグイン作者やツール開発者は、派生物の命名前にこれらを確認しておく必要があります。
• 独立プロジェクトとしての位置づけ。 dsh は DeepSeek のオープンソースプロジェクトです。ChinaModelAPI は同プロジェクトや DeepSeek との公式な関係を持たない独立した OpenAI 互換リレーです — 実用上の接点としては、モデル非依存のハーネスがマルチモデルルーティングのクライアントとして適している点にあり、ビジョン対応モデルの ID は組み込む前にプロバイダーのダッシュボードで直接確認しておく必要があります。

一次情報源

• GitHub — deepseek-ai/deepseek-harness リリース (rc.7およびrc.8のノート、CN/EN)
• npm — @deepseek-ai/dsh dist-tags (latest = rc.7, next = rc.8, 2026-08-20 確認)
• deepseek.com/harness — 公式開発者向けプレビューページ
• DeepSeek API 更新履歴 — 2026-08-13以降ビジョンに関する記載なし（V4モデルはテキスト専用の状態）
• Turing Post — FOD#163: DeepSeekが2度目のDeepSeekモーメントを迎えている (2026-08-17)
• VentureBeat — DeepSeek HarnessがClaude Codeのオープンソース対抗馬として登場（ローンチ週）
• The Decoder — 改良版V4 Pro、API価格の値上げ、エージェントソフトウェアのオープンソース化（料金詳細）
• GitHub — liustack/modlens (dsh向けコミュニティビジョンプラグイン、MIT)
• DeepSeek Code ディレクトリ — agent-vision-toolkit プラグインプロファイル（コミュニティ）
• Hugging Face ディスカッション — V4-Pro ネイティブマルチモーダルのギャップ（コミュニティ）

FAQ