DeepSeek的Super-agent能成为R1吗

周六夜晚，DeepSeek拿出来的不是模型

每当DeepSeek拿出点什么，人工智能行业总会震荡一次。这次拿出来的不是模型，而是智能体（Agent）。10月31日周六晚上，DeepSeek Harness¹ 团队在微信上发布了一篇题为《Super-agent设计探索：迈向更自主的智能体系统》的长文，同一天还在GitHub上以MIT许可证公开了研究用原型dsh-superagent-prototype。彭博社将其报道为挑战Anthropic的Claude Code的产品。据称，这是一种会盯着开发者群聊，一旦看到关于代码问题的反馈，哪怕没人叫它，也会主动给出解决方案的智能体。

补充一点背景。DeepSeek大约从今年5月开始组建了以Claude Code为内部对比对象的Harness团队，并于8月13日以MIT许可证公开了智能体运行时deepseek-harness。钱也筹到了。据彭博社和路透社报道，DeepSeek在最近一轮融资中筹集了约1,000亿元人民币（约150亿美元），CATL和腾讯是主要出资方。这是6月完成的首轮外部融资（约500亿元人民币）规模的两倍，上市准备工作也在进行中。

今天想抛出的问题只有一个：这次的Super-agent能带来与2025年1月DeepSeek-R1所引发的冲击相似的冲击吗？要回答这个问题，首先得确认两件事：Super-agent究竟是什么，以及R1的冲击究竟来自哪里。

---

Super-agent 想节省的是人的注意力

设计文章的出发点不是模型性能，而是人的注意力。哈内斯团队认为，一个人能够同时跟进的活跃会话通常在 3~5 个之间。单个任务的上限由模型决定，但多个任务的上限由人的注意力决定。所以他们立下的原则是“take as little human attention as possible, and give as much value as possible”。意思是尽可能少占用人的注意力，同时尽可能多地回馈价值。

结构分为两层。常驻的路由器（Router）与人对话并分配工作，彼此隔离的工作器（Worker）们并行处理实际任务。路由器不会把任务拆分成步骤，它只决定把谁的请求交给哪个工作器。因此设计文章建议，路由器用轻量模型就足够，而工作器要配上最强的模型。

输入也不是提示词，而是事件。聊天消息、代码审查评论、CI²结果作为触发信号进来后，代码会先进行过滤，只有通过筛选的内容才会交给模型判断。另有独立的监控会话（Watchdog），会定期确认工作器是只是报告“正在进行中”，还是真的有进展。智能体的状态保存在云端数据库中，命令则由用户电脑上的一个小型守护进程执行，这样即便用户设备关机，智能体也能保持在线。

还有一个数字。在一次合成测试中，研究人员在约 300 条群聊和 GitHub CI 消息里混入约 20 条真正的任务请求，结果 Super-agent 在 15.7 分钟内完成了 95% 的请求。而拥有子智能体工具的单一会话则用了 29.5 分钟（两者均以 p95³ 为基准）。不过这项测试把实际编码替换成了只消耗时间的假工具。测量的是分工与协调的能力，而不是代码质量。哈内斯团队自己也把这一结果称为初步参考值。

彭博社强调的“不叫也会动”这一点需要拆开来看。设计文章中提到，DeepSeek 内部的一个实例在监视公开群聊时，主动找出了一个没人呼叫过的 bug 的原因，甚至提交了修复 PR。而公开发布的原型则要谨慎得多。根据 README，这个智能体只有在人提出请求、或团队事先写好的规则允许时才会行动，只有在有人需要采取行动或能够使用结果时才会开口说话。支持范围也仅限于一个 GitHub 仓库，以及可选的飞书（Feishu）。DeepSeek 自己也说明，这只是研究用代码，并非正式产品，与内部版本也不同，设计文章中的部分内容尚未实现。被列为待完成事项的是路由器的扩展与安全性，他们自己也写明，一旦云端那一环被攻破，所有连接的设备都会陷入危险。

---

R1 撼动的不是模型性能

有一处很多人没留意。DeepSeek 给业界带来冲击的是 R1，而不是 DeepSeek 的通用模型。而且 R1 带来的冲击也并非来自性能本身。开发成本、将其开源公开的决定，以及服务成本，才是真正的冲击所在。

2025 年 1 月 20 日，DeepSeek 推出了号称与 OpenAI o1 不相上下的推理模型 R1，并以 MIT 许可证公开了权重和技术报告。甚至还附上了可自由用于蒸馏⁴和商业用途的说明。关于成本的说法，来自一个月前发布的基础模型 V3 的技术报告。报告称整个训练过程使用了 278.8 万小时的 H800 GPU 时长。按每小时 2 美元计算约为 558 万美元，这一数字被传播为“花 600 万美元打造出前沿模型”。严格来说，这只是训练所用的 GPU 时长，并非包含研究与实验在内的总开发费用。但市场接收到的信息很明确：原来用比想象中少得多的钱也能做到。

服务定价也指向同一个方向。R1 API 的价格为每百万 token 输入 0.55 美元、输出 2.19 美元，按输出计算比 o1 便宜近 30 倍。1 月 27 日，英伟达股价暴跌近 17%，约 5890 亿美元的市值在一天之内蒸发。

若要列举对 LLM 开发公司而言具有冲击性的时刻，大致包括 2017 年谷歌的 Transformer、2018 年的 BERT、2023 年 Meta 开放商业使用的 Llama 2 发布，以及 DeepSeek-R1 的公开。在这份名单中，DeepSeek 所占据的位置在于，它提出了一种可以嫁接到任何地方的推理模型。与 R1 一同公开的 6 款蒸馏模型，是以阿里巴巴的 Qwen 和 Meta 的 Llama 为基础、参数量从 15 亿到 700 亿不等打造而成的，DeepSeek 宣称其中 32B 和 70B 版本的水平与 o1-mini 相当。这意味着推理能力不再被封闭在一家公司的模型之中，而成为了一种可以移植到他人模型上的技术。

---

用好护栏，剩下的变量就是价格

现在来看看当下的格局。随着接近超级智能的模型出现，任务可以更多地交由指令来完成，这让情况发生了变化。无论称之为 harness 还是 skill，只要用 Markdown 形式把护栏写得足够明确，达到一定水准以上的模型就都能拿出不错的表现。那么剩下的变量就是价格了。我认为这正是 Kimi、GLM、DeepSeek 这类中国模型在安全争议声中依然受到美国企业青睐的原因。它们的价格要便宜数十倍。

我按照官方价目表核实了这个“数十倍”。以下是 11 月 1 日时点、每百万 token 的美元价格。

模型	输入	缓存读取	输出
Claude Opus 5.5	4.00	0.20	20.00
Claude Haiku 5.5（提示词不超过10万token）	0.10	0.01	0.50
Claude Haiku 5.5（提示词超过10万token）	0.50	0.05	2.50
DeepSeek V4-Pro（高峰／非高峰）	1.32 / 0.66	0.044 / 0.022	3.96 / 1.98
DeepSeek V4.1-Flash（高峰／非高峰）	0.30 / 0.15	0.006 / 0.003	1.20 / 0.60

与常被用于高难度编码任务的 Opus 5.5 相比，DeepSeek V4.1-Flash 在非高峰时段的输入价格便宜 27 倍，输出便宜 33 倍。而智能体在反复读取相同上下文时使用的缓存读取，差距达到 67 倍。相比一问一答就结束的聊天场景，在需要数十次重复读取同一仓库的智能体任务中，这个差距会被进一步拉大。

不过这里有两个前提条件。其一是 DeepSeek 的高峰时段。其高峰时段为工作日 UTC 01～04 时、06～10 时，换算成韩国时间是上午 10 点至下午 1 点、下午 3 点至 7 点，几乎与韩国的工作时间重叠，而这段时间价格翻倍，与 Opus 的差距会缩小到 13～17 倍。其二是 Anthropic 的 Haiku 5.5。如果提示词不超过 10 万 token，其输入输出单价都比 Flash 便宜；一旦超过 10 万 token，Flash 又重新变得更便宜，而需要整体读取代码仓库的编码智能体经常会越过这条线。所以“数十倍”的差距，成立于前沿模型与中国模型之间，并不等同于与整个美国模型阵营的比较。

市场正是按照这套计算逻辑在行动的。据 CNBC 在 7 月对 OpenRouter⁵ 数据进行分析后的报道，美国企业通过 OpenRouter 处理的 token 中，中国模型所占比例自 2 月 8 日起每周都超过 30%，最高一度升至 46%。而此前 12 个月的平均值只有 11%。OpenRouter 方面解释称，中国开源模型比 Anthropic 和 OpenAI 的主力模型便宜 60%～90%。华盛顿方面的态度则恰恰相反：7 月，财政部长提及了对中国模型实施制裁的可能性；9 月，有报道称众议院多个委员会正在调查中国 AI 使用扩散的情况。

OpenRouter 是开发者们随意切换各种模型的中介平台，并不能代表整个市场，token 占比也不等同于营收占比。但它确实相当诚实地展示了，在一个可以随意替换的位置上，人们最终会选择什么。

DeepSeek 也清楚这一格局，并据此行动。DeepSeek 的 API 价目表在调用自家搜索与抓取功能的路径上，把 DeepSeek harness 与 Claude Code、Codex 并列列出，并宣布这一路径的调用此前免费开放，从 11 月 1 日起改为按次计费。这意味着它并不排斥自家模型在竞争对手的 harness 中运行。Super-agent 原型同样不执着于特定模型：虽然默认使用 harness 中设定的模型，但也开放了让 worker 与评估用模型分别单独选择的空间。

---

<<<OZ_BODY>>>

Oswarld视角

我实际上就是按照这种算法在工作。以9月为准，持续时间长、重复性强的工作以前都交给GPT的Luna级模型或Sonnet，但最近则交给DeepSeek和GLM。整体规划、编排以及初期蓝图仍然交给Claude或GPT-6。在Ollama Cloud上即便用掉万亿级别的token，也远比Claude或GPT-6便宜，而且只要把Skill.md、soul.md这类harness文件设置得当，性能也相当不错。

我常说一句话。不是所有人、所有工作都需要超级智能。每种工作和环境都有与之匹配的模型。DeepSeek的设计文章也建议在路由器上放轻量模型、在worker上放最强的模型。也就是说，要为每个角色配置不同价值的智能。

那么Super-agent能成为R1那样的存在吗。我认为这次不会带来同类型的冲击。 R1的开发成本、公开范围、服务定价，这三者都是市场完全没有预料到的数字。 这一次没有令人震惊的数字。已经有公司把编码harness开源公开，OpenAI（Codex CLI）便是其中之一；DeepSeek便宜这件事人人都知道；而Super-agent则一个字都没有公开过成本。

真正新鲜的，与其说是数字，不如说是度量的单位。除了智能体工作了多少分钟之外，现在还开始衡量人需要介入查看多少次。这种变化恐怕不会在一天之内撼动股价，而更可能悄悄渗透进其他公司的产品设计文档之中。

---

结语

R1刚问世时，人们抛出的问题是“这个价格就能做到？”。而 Super-agent 抛出的问题略有不同。是这件事我需要插手几次。不过这款原型目前还只是负责一个代码仓库的研究用代码，至于如何守住代替人执行命令的权限，DeepSeek 也还没有给出答案。要想把不用召唤也会自己干活的智能体请进团队，比起价目表，更应该先看清这个答案。

---

💬 读者在编程智能体上搭配使用的是什么模型？如果有转用中国模型完成的工作，欢迎在评论区分享是什么样的任务。

📨 如果身边有同事正在为引入智能体的成本而苦恼，请把这篇文章转发给他们。

---

参考资料与延伸阅读

核心来源

• DeepSeek，“dsh-superagent-prototype README”，GitHub，2026.10.31。······ 原型的范围、作为研究用代码的局限、以及珍惜人类注意力这一原则声明都在这里。
• DeepSeek Harness 团队，“Super-agent 设计探索：迈向更自主的智能体系统”，微信，2026.10.31。······ 设计原文（中文）。其中包含路由器 · 工作器结构与合成测试数据。
• CellCog，“DeepSeek’s Super-agent: One Router, Many Workers”，2026.11.1。······ 将设计文章的结构表与测试条件整理为英文的文章。如果觉得中文原文负担较重，可以从这里开始看。
• DeepSeek，“Models & Pricing”，查阅于 2026.11.1。······ 有峰值、非峰值价格以及经由 Claude Code、Codex 调用的说明。
• Anthropic，“Pricing”，查阅于 2026.11.1。······ Opus 5.5 和 Haiku 5.5 的单位 token 价格。
• DeepSeek，“DeepSeek-R1 Release”，2025.1.20。······ 宣布 MIT 许可证与 6 款蒸馏模型的原始公告。
• DeepSeek-AI，“DeepSeek-V3 Technical Report”，arXiv，2024.12。······ H800 278.8 万 GPU 小时这一数字的出处。

背景知识

• MIT CSAIL Alliances，“DeepSeek: What You Need to Know”，2025.1.28。······ 整理了 R1 发布后英伟达市值的下跌幅度。
• codecentric，“Open Source hits Billion-Dollar Market: DeepSeek-R1 is shaking up the AI world”，2025.1.29。······ 比较了 R1 与 o1 的输出单价差异。
• AI Weekly，“Chinese Models Take 30%+ of US OpenRouter Token Use Since Feb 8”，2026.7.7。······ 总结了 CNBC 对 OpenRouter 的分析文章，同时也写明了这只是单一平台数据的局限性。
• Let’s Data Science，“DeepSeek reportedly raises $15 billion in round backed by CATL, Tencent”，2026.10.22。······ 汇总了彭博社、路透社关于 1,000 亿元人民币融资轮的报道。

值得一起阅读的往期

• Harness到底是什么？！关于据说能提升人工智能生产力的Harness ······ 本期文章前提“薄硬件、厚技能”概念首次展开的一期。
• 群聊里没有的技术不是产品 ······ 把智能体普及的瓶颈看作验证问题的一期，与 Super-agent 衡量人类注意力的原因相呼应。
• OpenAI投资的法律AI，内核其实是中国模型 ······ 美国公司将中国开放权重模型选作默认选项的具体案例。

---

作者 安光涉（Oswarld） 现任世宗大学兼任教授，INLEVEL9 战略顾问。职业经历、研究、著作与近期活动会持续更新在作者简介。 最新动态 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

📝 术语说明

注释

1. Harness（硬件）：包裹语言模型、使其能够作为智能体工作的软件骨架。它反复运行模型、处理文件与工具、管理上下文与安全机制。这个名字来源于套在马身上的挽具。 ↩

2. CI（Continuous Integration，持续集成）：开发者每次提交代码时自动进行构建与测试的体系。一旦失败便会立即发出提醒，对智能体而言，这意味着又有活要干了。 ↩

3. p95：将所有请求按耗时排序后，排在第 95 百分位的数值。意思是“100 次请求中有 95 次在这个时间内完成”，它展示的是比平均值更慢的尾部情况。 ↩

4. 蒸馏（distillation）：以大模型的回答为教材训练小模型的技术。R1 正是以这种方式，连同将推理能力移植到其他公司小模型中的成果一并公开。 ↩

5. OpenRouter：一个可以用同一个 API 调用多家公司 AI 模型的中介平台。由于哪个模型被使用了多少的统计数据是公开的，因此在观察模型使用趋势时常被引用。 ↩