DeepSeek Harness Guide
బ్లాగ్‌కు తిరిగి వెళ్లండి

DeepSeek V4-Flash-Vision-Exp dsh v0.1.1లో వచ్చింది

DeepSeek V4-Flashతో ఒకే ధర ఉన్న vision మోడల్‌ను విడుదల చేసింది, dsh v0.1.1-rc.1 దాన్ని అనుకూలీకరించి ఒక Bubblewrap sandbox escapeను కూడా సరిచేస్తుంది.

21, ఆగ 2026DSH Field KitDSH Field Kit

August 21న DeepSeek రెండు విషయాలను కొన్ని గంటల వ్యవధిలో విడుదల చేసింది, ఒకే కథ: APIపై vision మోడల్, దాన్ని నడపగల dsh release.

ముందు upgrade: sandbox escape సరిదిద్దబడింది

v0.1.1-rc.1 ఒక Bubblewrap sandbox escapeను సరిచేస్తుంది — confined processes /proc/<pid>/root ద్వారా restrictionsను తప్పించుకోగలిగాయి. నమ్మని code చుట్టూ Bubblewrap sandbox వేసి dsh నడుపుతుంటే, తీరికగా కాకుండా ఇప్పుడే upgrade చేయడానికి అదే కారణం.

Launch తర్వాత మొదటి version-number పెంపు కూడా ఇదే: దీనికి ముందు ప్రతి release 0.1.0 release candidate, ఇది 0.1.1-rc.1.

Vision మోడల్

deepseek-v4-flash-vision-exp. Experimental, 1M context.

  • టెక్స్ట్: DeepSeek ప్రకారం, V4-Flashతో సమానం.
  • Vision: visual agent benchmarksలో text-only Flashను గణనీయంగా మించింది — DeepSeek సొంత పదజాలం Opus-4.8 దగ్గర పెడుతుంది.
  • ధర: V4-Flashతో ఒకేలా. Visionకి అదనపు ఛార్జీ లేదు.

| 1M tokensకి | peak | off-peak | | --- | --- | --- | | ఇన్‌పుట్, cache hit | $0.014 | $0.007 | | ఇన్‌పుట్, cache miss | $0.44 | $0.22 | | అవుట్‌పుట్ | $1.32 | $0.66 |

Vendor నివేదించిన benchmarks: Terminal Bench 2.1 83.9 (V4-Flash 82.7 స్కోర్ చేసింది), DeepSWE 59.3, DSBench-Hard 63.6, Chartography 64.3, ZeroBench (Pass@5) 35.0, Agents' Last Exam 27.3.

గుర్తుంచుకోదగిన రెండు caveats. ఇవి DeepSeek సొంత సంఖ్యలు, మరెవరూ reproduce చేయలేదు. Exp అంటే experimental — stability హామీ లేదు, experimental endpointsే ఉపసంహరించబడేవి.

dsh నుండి వాడటం

v0.1.1-rc.1 యొక్క DeepSeek adapter మోడల్‌ను మోస్తుంది, కాబట్టి upgrade చేసాక model choiceగా కనిపిస్తుంది. Plumbing ఇప్పటికే ఉంది: rc.8 native image requests, /goal మరియు /planకి image input, @ menuలో file మరియు session references జోడించింది. మోడల్ వచ్చేసరికి, UI ఇప్పటికే చిత్రాలు పెట్టగలదు.

v0.1.1-rc.1లో మిగిలినవి

  • Composerలో @ referenceకి ముందు టెక్స్ట్ సరిచేసేటప్పుడు layout glitch సరిదిద్దబడింది.
  • సంభాషణల్లో responsive Markdown tables; 99.x% పరిధిలో cache-hit ratiosకి నిజమైన precision; subagent conversation header navigation.
  • ask_user_question సమాధానాలు బహుళ లైన్లు అంగీకరిస్తాయి, wrappingతో, కొత్త లైన్‌కి Shift+Enter.

Launch నుండి release వేగం సుమారు రెండు రోజులకు ఒక RC: 17న rc.7, 19న rc.8, 21న ఇది.

మూలాలు