多模态模型

DeepSeek Harness 更新：官方多模态支持

2026 年 8 月 21 日

DeepSeek Harness 连续发布 v0.1.0-rc.7、v0.1.0-rc.8 和 v0.1.1-rc.1 三个版本，重点增强多模态能力（新增 DeepSeek-V4-Flash-Vision-Exp 模型支持图文输入）、子代理协作灵活性（Codex/Claude Code 接入 Job Panel）及稳定性（修复长会话、终端兼容等问题）。MCP/ACP 支持图片附件持久化，PTC Mode 支持转发嵌套图片。

自开发者预览版 v0.1.0-rc.6 首日发布以来，DeepSeek Harness 已连续完成三次版本更新：v0.1.0-rc.7、v0.1.0-rc.8，以及今天发布的 v0.1.1-rc.1。这三次更新主要围绕多模态能力、子代理协作、跨平台兼容和日常使用体验展开，同时修复了社区反馈的一系列问题。感谢每一位开发者的试用、反馈与共建。

多模态能力进一步增强

DeepSeek 模型适配器新增 DeepSeek-V4-Flash-Vision-Exp 多模态模型选项，并支持配置原生图片请求。/goal、/plan 等命令可接收图文输入，@ 菜单可引用文件和会话；MCP/ACP 同时支持图片附件持久化，PTC Mode 支持转发嵌套图片。

子代理与插件组合更加灵活

Codex 与 Claude Code 子代理接入 Job Panel，并支持作为 Profile Bundle 按需安装，并支持非交互权限模式和多个命名实例。插件也可以自行注册设置卡片，让能力扩展与任务管理更加便捷。

稳定性与使用体验持续提升

三次更新集中修复了长会话、终端兼容、模型请求与沙箱权限等问题，并优化了提问卡片、Markdown 表格、多行输入和会话切换等交互细节，让日常使用更加稳定、顺畅。

JOTO 企业落地观察

企业部署多模态智能体时，需评估 Vision 模型对图像理解的精度边界与沙箱环境对本地文件访问的权限策略，尤其在金融、医疗等强合规场景中，图文混合输入可能触发额外的数据出境或审计要求。
子代理按 Profile Bundle 按需安装的设计，降低了企业级智能体系统的初始部署复杂度，但命名实例与非交互权限模式的组合，要求团队在 RAG 知识工程阶段即明确各子代理的上下文隔离粒度与知识源绑定关系。
MCP/ACP 对图片附件的持久化支持，使企业知识库可原生承载扫描件、流程图、架构图等非文本资产，但需同步构建图像元数据标注与语义检索链路，否则将导致多模态 RAG 的召回率显著低于纯文本场景。
PTC Mode 下嵌套图片的转发能力，提升了跨系统协作效率，但企业在构建 AI 安全治理策略时，必须将图片内容识别（如 OCR、NSFW 检测）纳入默认流水线，避免未经审查的视觉信息在组织内传播。