副业实战 · 共 4 篇
上线12小时5万星,DeepSeek Harness实测:能干活,但得盯着
DeepSeek发布首个Harness产品,以“一切皆插件”为核心,支持模型、工具、Skills等模块自由拆装,并提供四种模式。实测显示其在复杂任务上表现不俗,但长任务稳定性待提升。本文深度评测其能力与门槛,解析这款开发者工具的独特定位与生态潜力。 DeepSeek也有自己的“马具”了。 8月13日晚,DeepSeek发布首个Harness产品DeepSeek Harness。上线一天,GitHub Star就突破5万。 Harness是什么?简单理解,如果模型是“大脑”,Harness就是让模型真正动手干活的一套“手脚”。文件怎么读、工具怎么调、上下文怎么管理、任务如何持续执行,都需要Harness来组织。模型决定它有没有能力完成一件事,Harness则影响这些能力最后能不能顺利跑起来。 过去,这套“手脚”通常由厂商提前装好。用户打开Agent,只需要告诉它要做什么,很少需要关心背后的工具、上下文和运行逻辑。 DeepSeek偏偏反着来。它给DeepSeek Harness定下的核心理念是“一切皆插件”。模型、工具、Skills等模块都可以拆开、替换和重新组合。缺什么能力,可以装插件;觉得现有Agent不顺手,还可以通过创造模式重新配置一套自己的Agent。 为了适应不同场景,它还提供标准、程序化工具调用模式(Programmatic Tool Calling,PTC)、极简和创造四种模式。标准模式功能最完整,适合直接干活;PTC模式可以通过代码组合多步工具调用,更适合批量、结构化任务;极简模式则把能力压缩到最基础的工具,更接近模型“裸奔”;创造模式允许用户自定义Agent。 DeepSeek Harness还有一个比较特别的设计,运行过程基本都可以回看。模型看到了什么、调用过哪些工具、在哪一步出错,以及上下文如何变化,都被记录下来。 DeepSeek配上自己的Harness,真的会更好用吗?我们也来上手试一试。 需要说明的是,除特别说明外,本文测试均接入DeepSeek-V4-Pro的API,使用标准模式,思考档位设置为High。本次测试也没有为了“集邮”逐一覆盖四种模式,PTC更偏向开发场景,因此没有单独展开。同时,各项结果均为单次生成,存在一定随机性,仅作为实际使用体验参考。 下面进入具体测试。 01.简单任务:财报会读,网页能搭 正式上强度之前,我们先从两个基础任务开始。 我们先让DeepSeek Harness读取桌面上的腾讯财报文件,整理关键数据,并总结其中值得关注的变化。 整个过程比较顺利,它能够正常读取文件,把主要财务指标和业务变化整理出来,再给出一份简短总结。结果谈不上惊艳,但信息抓得比较准,总结也比较到位。 一个细节是,它在补充个别背景信息时,会主动注明内容来自外部来源,没有把额外搜索到的信息和财报原文混在一起。对于财报解读这类强调信息出处的任务来说,这种边界感还是比较实用的。 接下来,我们想看看,DeepSeek Harness的标准模式和极简模式之间到底有没有明显差距。 我们用两个不同的模式分别为一家名为“山雾咖啡”的独立咖啡店制作单页官网,页面需要包含品牌介绍、6款饮品菜单、营业时间和门店信息,同时有菜单分类切换、饮品详情板块。 结果是,几乎没拉开差距。标准模式选择了棕色作为主视觉,更接近常见的暖色咖啡馆风格;极简模式则用了墨绿色,整体更清冷一些。除了配色和部分排版细节,两边的页面结构、功能模块和交互都比较接近,菜单切换、饮品详情等要求也都正常实现,完成时间同样相差不大。 这可能和题目本身比较简单有关。网页的需求清楚,任务链也不长,不需要频繁搜索资料、调用多个工具或者长时间维护上下文。即便只保留最基础的能力,模型也足够把页面做出来。 至少在简单任务里,工具更多,并不等于结果一定更好。 02.复杂任务:能做“重”活,也会栽在细节上 接下来,我们继续上强度,加入更复杂的物理模型和3D交互演示,看看DeepSeek Harness面对长任务时,能不能把整套逻辑真正跑通。 我们要求它用Three.js制作一套鲁布·戈德堡机关:要求金属球从斜坡滚下,依次撞倒多米诺骨牌,再触发摆锤,最终弹起小方块撞下按钮、升起旗帜。 这道题最重要的是因果链必须成立。小球没有滚下来,多米诺骨牌就不能自己倒;骨牌没有触发摆锤,后面的机关也不能凭空开始运动。 DeepSeek Harness第一次交出的结果,就在这里出了问题。点击开始后,小球并没有顺着斜坡滚下来,多米诺骨牌却自己开始倒下。后面的摆锤虽然确实被骨牌撞到,但整条因果链从第一步就已经断了。 DeepSeek Harness生成的机关 我们指出问题后,它重新检查并修改了问题。第二版里,小球终于能够沿着斜坡滚落,撞上多米诺骨牌时,还能明显看到速度下降和受阻的效果。 第二道题,
英伟达 CEO 黄仁勋出手安抚 AI 算力市场:部分 AI 投资项目可获最高 25% 残值支持
IT之家 8 月 15 日消息,英伟达 8 月 11 日宣布与阿波罗、贝莱德、黑石、布鲁克菲尔德、高盛和 KKR 合作,建立独立融资平台,计划随着时间推移调动超过 5000 亿美元的第三方资本,用于 AI 基础设施建设。英伟达 CEO 黄仁勋在声明中提到:公司可能会在某个时候针对部分 AI 基础设施投资项目提供最高 25% 的残值支持,以帮助金融机构降低相关资产融资风险。英伟达将这一计划定位为推动 AI 算力成为可投资资产类别的一项举措。公司认为,过去企业通常自行采购 GPU 并建设数据中心,而未来 AI 工厂可以像其他生产性基础设施一样,通过长期机构资本和标准化融资平台进行建设。黄仁勋表示,这些融资平台面向符合条件的 AI 实验室、企业和 AI 云服务商。超过 5,000 亿美元(IT之家注:现汇率约合 3.38 万亿元人民币)指的是相关平台计划随着时间推移调动的第三方资本总规模,并非英伟达的收入、单一基金规模,也不是对某一家客户的单笔融资承诺。根据英伟达公布的信息,参与合作的金融机构将独立评估具体项目,包括客户情况、算力需求、利用率、现金流和资产残值等因素。英伟达负责提供 AI 工厂平台,而长期资本和融资则由金融机构提供。此次计划公布后,市场关注点之一是这种融资模式是否会形成所谓“循环融资”。英伟达对此回应称,相关融资平台将由独立的长期机构资本参与,具体项目也需要经过金融机构独立评估,公司并不会替投资机构决定是否提供融资。在残值支持方面,黄仁勋表示,在部分情况下,英伟达可能为单个项目提供最高 25% 的残值支持,但会逐个项目进行审慎评估。英伟达强调,这一支持机制以资产残值为基础,旨在补充而非取代金融机构自身的风险评估。所谓残值支持,核心是降低金融机构对 AI 算力设备未来价值下降的担忧。如果相关项目出现违约或资产处置情况,GPU 等设备的实际残值低于融资模型预期,英伟达提供的支持机制可以覆盖部分风险,但并不意味着英伟达承担整个项目的融资责任。英伟达认为,其 AI 算力基础设施具有一定的资产属性。公司所称的“AI 工厂”并不只是 GPU,还包括高速网络、系统软件、AI 框架以及 CUDA 开发生态,可以运行语言、视觉、语音、生物、机器人等不同类型的 AI 工作负载。黄仁勋认为,NVIDIA 平台具有较广泛的客户和应用基础。当某一客户需求发生变化时,相关算力基础设施理论上可以重新部署给其他客户、云服务商或运营商,因此资产并非只能服务于单一用户。英伟达还强调,软件升级可以延长硬件的经济使用周期。公司以 A100 为例称,该产品于 2020 年推出,到 2026 年仍在用于 AI 训练、微调、推理和高性能计算,并有客户继续签订多年算力部署协议。相关阅读:《NVIDIA 牵头组建 5000 亿美元人工智能计算基础设施融资平台》《英伟达 CEO 黄仁勋谈 5000 亿美元融资计划:AI 芯片已是“投资级资产”》
群联谈存储短缺:NAND 新增产能最快需 4 年,供应紧张或持续多年
IT之家 8 月 15 日消息,群联电子 (股) 公司董事长兼总经理潘健成在财报会上表示,NAND 闪存新扩建的产能从投资到真正量产所需时间远比市场预期更长,供需吃紧局面可能延续多年。他指出,市场普遍认为存储芯片价格上涨后,原厂即可快速增加资本支出扩充产能,但实际情况并非如此。他近期与 NAND 原厂高层交流时曾询问从投资到量产需要多久,原先估计约两年,但对方给出的答案是“四年”。即便目前 NAND 价格上涨,群联也不会大量出售手中库存,否则未来若无法重新取得足够货源,可能影响长周期客户专案供货。AI 已成为群联重要增长来源。2026 年第二季度,群联合并营收达 678.88 亿元新台币(IT之家注:现汇率约合 142.56 亿元人民币),环比增长 65.7%,同比增长 279.5%;毛利率攀升至 65.3%,创历史新高;税后净利润达 262.19 亿元新台币,环比增长 72.8%,同比增长约 34 倍。潘健成认为,过去 NAND 需求主要由 PC 和智能手机出货,以及单台设备存储容量提升推动。进入 AI 时代后,生成式 AI 产生的图片、视频和 AI Agent 数据量持续增加,存储需求正在从传统的消费电子景气周期驱动,逐步转向更加长期的结构性增长。不过,NAND 价格上涨也会推高群联自身的采购成本,因此产品售价上涨并不意味着毛利率会同步增加。群联第二季度毛利率达到 65.3%,创历史新高,但公司仍需要通过研发、企业级 SSD 以及 AI 相关平台提升产品附加价值。相关阅读:《群联 2026Q2 总收入同比增长 279.5%,净利润同比增长 3419.3%》《群联 CEO 潘健成:Flash 缺货是长期且不可逆趋势,公司订单已排到 2027 年 Q2》
33%增速、126%留存:Snowflake 用一份财报,把“AI落地难”讲成了印钞机故事
模型不缺了,企业缺的是“认知”几个月前,一份财报,改变了外界理解 Snowflake 的方式。截至 2026 年 4 月 30 日的 2027 财年第一季度,Snowflake 收入达到 13.91 亿美元,同比增长 33%,其中产品收入为 13.34 亿美元,同比增长 34%。过去 12 个月产品收入超过 100 万…
Aitishiku.com