DeepSeek Harness 對決 Hermes：哪個消耗更多 Token？

你在昨天用 Hermes 跑了個任務。今天在 dsh 裡跑了個感覺一模一樣的任務。同樣的模型、同樣的 API 金鑰、同樣的筆電。用量數字卻不一樣。

你眼睛沒問題。沒有東西在一夜之間重新定價。

這就是幾乎所有 DeepSeek Harness vs Hermes 比較都忽略的關鍵：框架是包在模型外面的殼，而這個殼決定了每次步驟送出多少上下文、廣告多少工具、重試多少次、以及是否每次呼叫都重新傳送整段對話。換了殼，帳單就跟著變。

所以我鎖住模型變數，實際測量了。兩個框架、同一個端點、同一個 deepseek-ai/deepseek-v4-pro、同一個提示、同一台機器、同一個下午。同樣的任務，兩邊都完成了，而其中一個框架移動的提示令牌數量是另一個的 8.4 倍。

重點摘要

• 相同模型、相同任務、兩邊都成功：dsh 花了 121 秒，Hermes 花了 780 秒。
• Hermes 移動了 1,111,573 個提示令牌，而 dsh 是 132,600 個。在同一個任務中相差 8.4 倍。
• 在兩個代理做任何事之前，它們的系統提示就已經消耗令牌：dsh 只為了回答「OK」就花了 10,898 個令牌，Hermes 則是 13,892 個。
• dsh 預設將上下文限制在 262,144，除非你覆寫 defaultContextWindow，否則會浪費 V4 視窗的 75%。
• 寫程式選 dsh，需要記憶、排程和聊天介面時選 Hermes。或者兩者並用。

分割式工程工作坊，左邊是一個裸引擎缸體被夾在鋼製測試框架中，右邊是一個黃銅製的自動機，兩者共用一條銅製燃料管線

一條燃料管線，兩個測試架。這就是整個實驗。使用 openai/gpt-image-2 生成。

DeepSeek Harness vs Hermes，相同模型，相同任務

兩個框架都收到了完全相同的提示：建立一個單一檔案的 Breakout 複製版，包含一個擋板、5 排磚塊、即時分數顯示、P 鍵暫停，以及一個行內自我測試區塊，用來驗證三個物理不變量，並印出 PASS 或 FAIL。然後在無頭模式下執行它，並修正直到三個測試都印出 PASS。

沒有函式庫。沒有 CDN。沒有建置步驟。

兩邊都確實做到了。以下是兩個檔案在真實瀏覽器中的呈現。

兩個 Breakout 建置版本的動畫並排比較：左邊是 DeepSeek Harness (dsh)，右邊是 Hermes Agent，兩者都從相同的 DeepSeek V4 Pro 提示自動播放

兩個建置版本並排錄製後自動播放，讓你能看到它們實際運作。左邊：dsh，遊戲自動開始。右邊：Hermes，遊戲啟動時暫停，然後開始執行。相同的單一檔案提示，相同的 DeepSeek V4 Pro，兩個框架。

現在是真正決定差異的數字。

測量日期：2026-08-21，使用 deepseek-ai/deepseek-v4-pro，一台機器，每次執行使用空的工作目錄。令牌數量由機器讀取：dsh 來自其工作階段記錄，Hermes 來自其 --usage-file JSON。請注意，兩個工具呼叫次數的來源不同：dsh 的 8 次是從其記錄中計算得出（它自稱是 6 次），而 Hermes 的 35 次是其自己的報告，其使用檔案記錄了 38 次 API 呼叫。成本計算方法在最後一節說明。

為什麼有兩行空白？第 2 輪從未執行，而原因正是本文最佳單一數據點。Hermes 的第 1 輪單獨就推送了 113 萬個令牌通過帳戶，而在 dsh 第 2 輪進行到一半時，端點回應了：

plaintextCopy
1dsh: QUOTA: 429: {"code":"member_spend_limit_exceeded",
2"message":"Member day spend limit reached (set by your team admin);
3resets at 2026-08-22T00:00:00Z.","type":"insufficient_quota"}

一個代理、一個 Breakout 遊戲、一天的預算上限。我不會用推估值來填那些儲存格。

還有一個細節值得注意。dsh 在其最終答案中報告「工具呼叫次數：6」。但其自身的工作階段記錄顯示為 8 次。代理對於自己的花費是不可靠的敘述者，這正是為什麼這個測試讀取的是記錄而非摘要。

為什麼大多數 DeepSeek Harness vs Hermes 比較是有缺陷的

先說結論：幾乎所有排名在這個關鍵字下的頁面都測量了錯誤的變數，而且你可以從他們的設定中的一行就看出來。

那些測試測量的是模型，而不是外殼

去讀讀前幾名的結果。模式重複：在一個 DeepSeek 模型上執行 dsh，在 Hermes 原本指向的模型上執行 Hermes，然後將所有差異歸因於框架。

那不是框架比較。那是穿著框架外衣的模型比較。

如果 dsh 使用 V4 Pro 而 Hermes 使用其他東西，那麼你測量到的差異主要是兩個模型的差異，而外殼的貢獻則被埋沒了。所以這個測試做了無聊但必要的事情：兩個框架指向相同的基礎 URL、相同的模型 ID、相同的金鑰。

框架選擇本身就會改變數字

想要證明單獨一個外殼就成本高昂？叫它們什麼都不做。

我向兩者發送了相同的簡單提示：Reply with exactly the word: OK。不需要工具、不需要檔案、不需要思考。

相同模型。相同問題。在開始任何實際工作之前，就有 2,994 個令牌的差距，因為那個差距就是外殼：它的系統提示、工具架構、規則檔案。Hermes 提供了更多表面積，所以 Hermes 輸送了更多令牌。

現在將這個差距乘以一個 38 次呼叫的代理迴圈，其中每次呼叫都會重新傳送目前為止的對話。快取讀取佔 dsh 提示令牌的 88.8%，以及 Hermes 的 95.5%。那個重新讀取就是帳單。

一個端點，兩個框架：DeepSeek V4 設定

要比較外殼，你需要模型端完全保持靜止。不只是相同的模型名稱：相同的端點、相同的速率限制、凌晨 3 點和下午 3 點相同的價格。

最後一點比聽起來更重要。如果你的供應商收取尖峰和非尖峰費率，那麼「Hermes 第 1 輪在 09:00」和「dsh 第 2 輪在 11:00」就不是可比較的執行，你永遠無法釐清差異中有多少來自框架，有多少來自時鐘。

所以這裡的兩個框架都指向 Atlas Cloud 上一個固定費率的 OpenAI 相容端點：https://api.atlascloud.ai/v1。整天價格相同，沒有尖峰時段，每個框架沒有單獨的佇列，一個金鑰適用於兩者。

價格讀取自 2026-08-21 的模型頁面。DeepSeek 系列目前沒有折扣標籤，所以這裡沒有任何下週到期的促銷費率。

有一個小細節很容易忽略：/v1/models 報告 deepseek-v4-pro 和 deepseek-v4-flash 為 fp4，而 deepseek-v4-pro-0813 則回傳 fp8。想要更高精度的權重？使用帶日期的 ID。

好的。讓我們開始建置。

自行執行 DeepSeek Harness vs Hermes 測試

預覽：七個步驟、兩個設定檔案、一個提示，最後你會得到自己的版本表格，而不是相信我。運作證明：上面的每個數字都來自這些步驟，使用標準的 MacBook、Node v24.15.0、dsh 0.1.0-rc.7、Hermes v0.20.4。

讓我們開始吧。

步驟 1：取得一個穩定的端點

兩個框架都嚴重依賴函式呼叫，所以在安裝任何東西之前，先證明端點支援工具：

plaintextCopy
1curl -s https://api.atlascloud.ai/v1/models \
2  -H "Authorization: Bearer $ATLAS_API_KEY" \
3  | jq '.data[] | select(.id|test("v4-pro$")) | {id, context_length, max_output_length, supported_features}'

該呼叫的真實輸出：

plaintextCopy
1{
2  "id": "deepseek-ai/deepseek-v4-pro",
3  "context_length": 1048576,
4  "max_output_length": 393216,
5  "supported_features": ["json_mode", "tools", "structured_outputs"]
6}

該列表中的 tools 就是你要檢查的東西。沒有工具，就沒有代理迴圈，兩個框架都會以令人困惑的方式失敗，而不是說明原因。

從 DeepSeek V4 Pro 模型頁面 取得你的金鑰，然後在每個命令之前執行 export ATLAS_API_KEY=...。

對於 Hermes 端有一個陷阱：回應將陣列包裝為 {"code":200,"msg":"succeed","data":[...]}。Hermes 在設定期間會探測 /v1/models 並正確解析，但如果你正在為它編寫自己的工具，不要期望得到一個裸列表。

步驟 2：安裝兩個代理

plaintextCopy
1# DeepSeek Harness
2npm install @deepseek-ai/dsh
3
4# Hermes Agent
5curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

三個安裝注意事項，讓我花了不少時間：

• dsh 需要 Node ^22.19.0 || >=24.0.0。它不支援 23.x。大多數教學說「Node 20+」，這完全是錯的。
• 那個 npm install 拉了 453 個套件，花了 8 分鐘。這不是一個小的依賴項。
• Hermes 透過 uv 自帶 Python 3.11，所以你的系統 Python 版本無關緊要（我的是 3.9）。如果安裝程式在 PyPI 問題中途中斷，請重新執行依賴同步，而不是整個腳本。

步驟 3：將 DeepSeek Harness 指向端點

將以下內容寫入 $DSH_HOME/settings.yaml（預設為 ~/.dsh）：

plaintextCopy
1llm-pi-ai:
2  providers:
3    atlas:
4      displayName: Atlas Cloud
5      apiKeyEnv: ATLAS_API_KEY
6      api: openai-completions
7      baseURL: https://api.atlascloud.ai/v1
8      defaultContextWindow: 1048576
9      defaultMaxTokens: 65536
10      compat:
11        thinkingFormat: deepseek
12      models:
13        - id: deepseek-ai/deepseek-v4-pro
14          name: DeepSeek V4 Pro
15          reasoningEfforts:
16            off:
17            high: high
18        - id: deepseek-ai/deepseek-v4-flash
19          name: DeepSeek V4 Flash
20          reasoningEfforts:
21            off:
22            high: high
23agent-default-model:
24  provider: atlas
25  model: deepseek-ai/deepseek-v4-pro

其中有幾行值得各用一句話說明，因為任何一個弄錯都會改變你的帳單：

1. compat.thinkingFormat: deepseek是沒有人寫的那一行。 dsh 從端點 URL 猜測思考方言。其自身的配接器 README 直言不諱：私有閘道的 URL 沒有說明任何資訊，所以無法辨識的端點會被當作「就像 OpenAI 本身」來處理。然後你的 DeepSeek 方言閘道就會被用 OpenAI 方言交談。這個金鑰只存在於 api: openai-completions 之下。
2. 覆寫defaultContextWindow。 路由層級的預設值是 262,144 上下文和 32,768 最大令牌。如果你宣告 V4 模型卻沒有觸及這些值，你就悄悄地扔掉了 1,048,576 視窗的 75%。
3. agent-default-model將provider和model作為兩個獨立金鑰。 寫成 model: atlas/deepseek-ai/deepseek-v4-pro 一個字串看起來合理，但沒有任何作用。你會得到 MISSING_CREDENTIAL: no API key for provider route "deepseek-official"，然後去尋找一個你沒有的金鑰問題。

請注意，apiKeyEnv 是一個憑證參考，而不是秘密。這個檔案中不放任何金鑰。

步驟 4：將 Hermes 指向相同的端點

精靈方式：hermes model，然後選擇「Custom endpoint」。可腳本化方式：五個命令：

plaintextCopy
1hermes config set model.provider custom
2hermes config set model.default deepseek-ai/deepseek-v4-pro
3hermes config set model.base_url https://api.atlascloud.ai/v1
4hermes config set model.api_key "$ATLAS_API_KEY"
5hermes config set model.context_length 1048576

這會寫入 ~/.hermes/config.yaml：

plaintextCopy
1model:
2  provider: custom
3  default: deepseek-ai/deepseek-v4-pro
4  base_url: https://api.atlascloud.ai/v1
5  api_key: apikey-...
6  context_length: 1048576

provider: custom 在這裡是一個第一級供應商，而不是別名，而且基礎 URL 必須以 /v1 結尾，因為 Hermes 會自行附加 /chat/completions（Hermes Agent 文件，Configuring Models，2026）。

不要跳過 api_key 那一行。文件說金鑰會回退到 OPENAI_API_KEY，而在我的執行中，匯出該變數並不夠：Hermes 發送了沒有可用驗證的請求，Atlas 回應了 HTTP 401: {"code":401,"msg":"unauthorized"}。在下次嘗試中，明確設定 model.api_key 就解決了問題，花費 8.5 秒。

步驟 5：在兩者上執行第 1 輪

首先清除 Hermes 的技能目錄（~/.hermes/skills）。預先存在的技能會使第 1 輪不公平，而第 2 輪才是你想觀察技能被建立然後重複使用的地方。

然後將以下內容逐字提供給兩個框架：

plaintextCopy
1Create a single self-contained file game.html: a Breakout clone with paddle, 5 rows of bricks,
2a live score counter, and a P key that pauses. No external libraries, no CDN, no build step.
3Then append an inline <script id="selftest"> block that asserts three physics invariants
4(ball reflects on paddle hit, score increments exactly once per brick, ball never leaves the canvas)
5and prints PASS/FAIL to the console. Run it headlessly, fix anything that fails, and stop only
6when all three asserts print PASS. Report the number of tool calls you used.

設定：每個框架使用一個新的空目錄，推理保持開啟，最大輸出至少 32,768，且機器上沒有其他東西在執行，這樣實際時間才有意義。

plaintextCopy
1# dsh，一次性持久化工作階段
2DSH_HOME=~/.dsh dsh --profile headless "$(cat prompt-r1.txt)"
3
4# Hermes，一次性附帶機器可讀的使用報告
5hermes -z "$(cat prompt-r1.txt)" --yolo --usage-file hermes-r1-usage.json

這裡有兩件事會讓你驚訝。

首先，hermes -z 在完成之前完全不輸出任何東西。沒有標題、沒有旋轉動畫、沒有工具預覽。我的 Hermes 靜默了 13 分鐘，看起來像當機了；但實際上不是，它正在進行 38 次 API 呼叫。如果你需要安心，可以檢查 ps 是否有子 shell。

其次，Hermes 忽略了我的工作目錄，並將 game.html 寫到了 $HOME 中。如果你希望檔案放在你啟動的目錄中，請傳遞 --no-restore-cwd 或 --in DIR。我因此損失了一輪。

與此同時，dsh 在 121 秒內完成，其 Web UI 會讀取相同的工作階段：

DeepSeek Harness Web UI 顯示完成的 Breakout 工作階段，三個 PASS 斷言，9 個步驟和 133K 輸入令牌，使用 DeepSeek V4 Pro

dsh Web UI 在 127.0.0.1:3080 上。注意狀態列：9 個步驟，快取命中率 89%，輸入 133K 令牌，模型選擇器讀取步驟 3 設定中的 DeepSeek V4 Pro。

Hermes 端的 --usage-file 非常有用且文件不足：它將輸入令牌、輸出令牌、快取讀取、推理令牌、api_calls 和估計成本寫入 JSON，而且即使執行失敗，它也會寫入該檔案。

dsh 沒有等效的旗標，但它也不需要。其僅附加的工作階段記錄包含所有內容，但有一個陷阱。位於 $DSH_HOME/sessions/<encoded-cwd>/session-<uuid>/session.jsonl.zstd 的記錄是一個多幀 zstd 串流，每個 flush 一幀。zlib.zstdDecompressSync(buf) 僅回傳第一幀，因此一個 150KB 的記錄會被解碼為幾百個位元組，看起來是空的。自行分割魔術位元組：

plaintextCopy
1const MAGIC = [0x28, 0xb5, 0x2f, 0xfd], offs = [];
2for (let i = 0; i < buf.length - 4; i++)
3  if (MAGIC.every((m, j) => buf[i + j] === m)) offs.push(i);
4const text = offs
5  .map((o, k) => zlib.zstdDecompressSync(buf.subarray(o, offs[k + 1] ?? buf.length)).toString())
6  .join('');

用量資訊位於 assistant/chunk 事件中，其中 data.chunk.type === 'usage'，比你預期深一層（data.chunk.usage.inputTokens）。工具呼叫來自 assistant/message 內容區塊，類型為 tool-call。而 request/header.data.header.config 顯示了實際傳送出去的模型和 maxTokens，這是你證明步驟 3 設定生效的方式，而不是憑猜測。

步驟 6：第 2 輪，變更請求

同一個目錄，game.html 已經從第 1 輪存在。現在要求兩者進行變更：

plaintextCopy
1Add a falling power-up: when a brick in the top row breaks, drop a token that widens the paddle
2for 10 seconds. Keep all three selftest asserts passing and add a fourth assert for the power-up
3timer. Same file, no libraries.

這一輪是區分兩者設計的關鍵。Hermes 在完成複雜任務後會寫入技能，並保留三層記憶，所以第 2 輪是檢驗第 1 輪的技能是否值得。dsh 沒有長期記憶，但它有僅附加的工作階段記錄，你可以從中段分支並重播，而不是重新開始。

在開始之前，請對預算誠實。我的第 2 輪在 11 次工具呼叫後因每日花費上限而終止，這就是為什麼上表有兩個空行，而不是兩個捏造的數字。Hermes 自己的儀表板顯示了原因：

Hermes Agent 儀表板工作階段頁面，列出 Breakout 執行在 deepseek-v4-pro 上，共 76 則訊息

Hermes v0.20.4 讀取其自身的工作階段。完成的 Breakout 執行是 76 則訊息，全部透過 Atlas 端點在 deepseek-v4-pro 上進行。

步驟 7：讀取帳單

每次執行兩個數字，來自框架自己的記錄，絕不來自代理的摘要：

plaintextCopy
1# Hermes
2jq '{input_tokens, output_tokens, cache_read_tokens, api_calls}' hermes-r1-usage.json
3
4# dsh：彙總解碼後的工作階段記錄
5node dsh-stats.js "$DSH_HOME/sessions/<encoded-cwd>"

然後與你的供應商用量頁面進行交叉比對。當框架記錄和供應商不一致時，相信供應商：那是你實際支付的數字。

話說回來，dsh 自己的狀態列與我的記錄解析器在四捨五入範圍內一致（133K 輸入令牌，89% 快取命中率，與我計算的 132,600 和 88.8% 相符）。工具是誠實的。代理的英文摘要則不是。

超越 DeepSeek Harness vs Hermes：將兩者作為大腦和手臂執行

這是在「二選一」辯論中沒有人提供的答案：你不必選擇。

這兩個專案以相反的方向失敗，這使得它們成為異常良好的隊友。

星星數來自 2026-08-21 兩個儲存庫（deepseek-ai/deepseek-harness 176.5k 星星、19.2k fork；NousResearch/hermes-agent 233.6k 星星、46.8k fork）。關注趨勢，而不是總數：當我在 2026-08-17 檢查時，dsh 是 144,361 顆星星，所以它在四天內增加了大約 32,000 顆。

三種結合方式：

• 大腦和手臂。 Hermes 在 V4 Pro 上持有記憶、排程和 Telegram 執行緒。它將實際的程式碼工作委派給廉價層級的 dsh。一個金鑰涵蓋兩者，所以你不需要管理兩個帳務關係。
• 廉價層級用於迴圈，昂貴層級用於決策。 重複的排程工作在 deepseek-v3.2 或 DeepSeek V4 Flash 上執行；困難的決策則升級到 Pro。
• 兩者都無頭式執行。 dsh --profile headless 和 Hermes -z 都接受一個提示並印出一個答案，因此兩者都可以輕鬆放入 shell 腳本或 CI 步驟中，而不需要 TUI。

公平警告關於誠實的弱點，因為只列優點的比較就是廣告。dsh 是 0.1 開發者預覽版，在其自己的 UI 中也這麼說：它會在版本之間發生變化，沒有記憶，沒有原生訊息通道，而且會低報自己的工具呼叫次數。Hermes 是更成熟的專案，但在每個令牌上更重了 8 倍，在 dsh 2 分鐘就能完成的任務上靜默了 13 分鐘，而且把我的輸出檔案寫到了錯誤的目錄。

DeepSeek Harness vs Hermes 每個任務的實際成本

現在是算術，假設公開。

Atlas 為 V4 Pro 發布一個輸入費率（每 1M 美元 1.68 美元），模型頁面上沒有單獨的快取命中費率。所以我將每個提示令牌（包括快取讀取）都按完整輸入費率計價。這是一個保守的上限，不是偽裝成測量值的猜測。

工作範例，dsh 第 1 輪：

• 提示：14,840 新 + 117,760 快取 = 132,600 令牌。每 1M 1.68 美元，即 $0.2228。
• 輸出：5,231 令牌。每 1M 3.38 美元，即 $0.0177。
• 總計：每個任務 $0.2404。

對 Hermes 第 1 輪使用相同方法：1,111,573 提示令牌為 $1.8674，加上 19,317 輸出令牌為 $0.0653，總計 $1.9327。Hermes 自己的 --usage-file 估計該執行為 $0.2817，這意味著它假設快取輸入費率約為每 1M 0.125 美元。如果你的供應商確實對快取讀取有這麼大的折扣，那麼下面的兩個數字都會一起下降，兩者之間的比率幾乎不變。

從這張表中可以看出兩件事。

框架選擇價值 8 倍。相同模型、相同任務、相同結果，一個外殼的成本是另一個的八倍。這不是一個你以後可以最佳化掉的四捨五入差異。

模型層級在此之上價值 12 倍。這就是為什麼大腦和手臂的分割不是噱頭：dsh 在 Flash 上每個任務花費兩美分，而 Hermes 在 Pro 上為相同的 Breakout 遊戲花費將近兩美元。

而最便宜的優化仍然是步驟 3 中的那個。dsh 路由如果保持其 262,144 的預設值，就會用更多步驟做更多壓縮工作來容納相同的工作，而你為每個步驟付費。

這就是 DeepSeek Harness vs Hermes 的真正答案：在你去尋找更便宜的模型之前，先測量你自己的外殼。

DeepSeek Harness vs Hermes 常見問題

Hermes Agent 和 DeepSeek Harness 可以使用相同的模型和 API 金鑰嗎？

可以，而且這是唯一誠實的比較方式。兩者都與 OpenAI 相容端點通訊。dsh 需要一個 llm-pi-ai 提供者路由，帶有 api: openai-completions 和 baseURL；Hermes 需要 provider: custom 以及一個以 /v1 結尾的 base_url。一個金鑰，兩個框架，兩個價格層級。完整設定在步驟 3 和 4。

DeepSeek Harness 在程式碼方面比 Hermes 好嗎？

在這個測試中，顯然是的：121 秒對 780 秒，8 次工具呼叫對 35 次，以及八分之一的令牌花費，兩者都通過了所有三個自我測試。但「更適合寫程式」並不等於「更好」。如果你需要一個每天早晨向 Telegram 報告並記住上週學到東西的排程工作，dsh 完全沒有這些功能，而 Hermes 全部都有。

DeepSeek Harness 和 Hermes 是免費且開源的嗎？

兩者都是 MIT 授權，可以免費下載。你支付的是令牌費用，而如上表所示，這不是一個四捨五入的誤差。值得重複的是，dsh 明確標示為 0.1 開發者預覽版，並在其 UI 中警告相容性破壞性變更，所以如果你要將其用於生產環境，請固定你的版本。

為什麼相同的任務在其中一個框架中成本更高？

四個原因，大致按大小排序：

• 對話重新讀取。 快取提示令牌佔 dsh 總數的 88.8%，佔 Hermes 的 95.5%。每個額外步驟都會重新傳送之前的所有內容。
• 系統提示和工具架構。 如上測量：在進行任何工作之前，分別為 10,898 和 13,892 個令牌。
• 步驟數量。 8 次工具呼叫和 9 個步驟，對比 35 次工具呼叫和 38 次 API 呼叫。
• 受限的視窗。 dsh 回退到 262,144 而不是 1,048,576，迫使在長任務上進行額外的壓縮工作。

我可以同時執行 DeepSeek Harness 和 Hermes 嗎？

可以。它們除了你的 API 金鑰之外不共享任何東西：不同的執行環境、不同的設定目錄、不同的工作階段儲存、不同的連接埠（預設分別為 3080 和 9119）。常見的模式是 Hermes 作為始終在線的大腦，使用昂貴的層級；dsh 作為程式碼手臂，使用廉價的層級。

DeepSeek Harness 只能與 DeepSeek 自己的 API 一起使用嗎？

不，這是關於它最常見的誤解。任何 OpenAI 相容的閘道都可以透過 api: openai-completions 和 baseURL 使用。只要記得使用 compat.thinkingFormat: deepseek，因為 dsh 從 URL 推斷思考方言，而第三方閘道 URL 什麼也告訴不了它。