DeepSeek Harness vs OpenCode：大多數開發者忽略的代幣使用差距

DeepSeek Harness 並未納入該基準測試，因為它在兩天後才發布。這意味著有用的問題不是「哪個贏了？」，而是如何用同一模型同時執行兩個工具的工作，並在閱讀帳單時不被自己誤導。

關鍵要點

• 在可比較的代理任務中，框架選擇可使 token 用量波動約 7 倍。
• 用同一模型和同一儲存庫狀態來評測 DeepSeek Harness 和 OpenCode。
• 在選擇日常使用的工具前，先使用不同的 API 金鑰。

兩台筆電透過兩種代理框架執行同一編碼任務

公平的設定：同一個模型、同一個任務、兩個終端。

公開基準測試告訴我們什麼

Composio 使用 DeepSeek V4 Flash，對 8 個代理框架執行了 30 個複雜的多應用工作流程，每個任務上限 900 秒，並在 240 次執行中進行二元程式化評分（Composio，2026 年 8 月）。同樣的模型，不同的框架。

token 欄比排名更重要。分佈範圍從每個任務平均 192,000 到 1,400,000 個 token。這是同一模型透過不同執行環境執行類似工作所產生的差異。

OpenCode 提供了一個有來源的基準：每個任務 692,000 個 token，通過率 46.7%，中位數時間 129.7 秒。DeepSeek Harness 在該基準測試中沒有公開的對決數據，因為 DeepSeek 於 2026 年 8 月 13 日發布，比基準測試發布晚了兩天。

將此表格視為警訊，而非定論。它顯示框架可以主導成本。但並不能證明 DeepSeek Harness 在你的儲存庫上勝過 OpenCode。

切換框架時會改變什麼

在測試之前，先比較這兩個工具對開發人員工作有影響的部分：設定面、成熟度、token 可視性，以及你能取代多少代理循環。

OpenCode 提供了一個穩定的編碼代理，周邊有擴充點。DeepSeek Harness 提供了一個循環本身可以替換的執行環境。如果你正在建構代理基礎設施，這種靈活性會有幫助。如果你本週需要一個用於生產程式碼的預設工具，則會增加風險。

兩個工具都可以連接相同的 OpenAI 相容端點。這使得公平測試成為可能：同一個模型、同一個基本 URL、同一個任務、同一個起始儲存庫狀態。

在本教學中，DeepSeek V4 Flash 透過 Atlas Cloud 執行，該服務提供兩個工具都接受的 OpenAI 相容端點。deepseek-v4-flash-0731 列表顯示，截至 2026 年 8 月，輸入 token 每百萬個 0.14 美元，輸出 token 每百萬個 0.28 美元，上下文視窗為 1,048,576 個 token，最大輸出為 393,216 個 token。只要兩個框架使用相同的端點和模型 ID，任何提供者都可以。

OpenCode 也發布彙總使用數據。DeepSeek 模型已透過 OpenCode 處理了 233 兆個 token，其中 V4 Flash 佔 85.5%，V4 Pro 佔 14.5%（OpenCode，2026 年 8 月）。這種使用模式使 V4 Flash 成為比較的實用預設值。

步驟 1：將兩個工具指向同一個模型

建立一個 API 金鑰和一個基本 URL，然後將相同的配對提供給兩個工具。在 Atlas Cloud 控制台 建立金鑰，並匯出一次：

plaintextCopy
1export ATLAS_API_KEY="your-api-key"
2

在交給任何一個框架之前，先檢查端點：

plaintextCopy
1curl https://api.atlascloud.ai/v1/chat/completions \
2  -H "Authorization: Bearer $ATLAS_API_KEY" \
3  -H "Content-Type: application/json" \
4  -d '{
5    "model": "deepseek-ai/deepseek-v4-flash-0731",
6    "messages": [{"role": "user", "content": "Reply with the single word: ready"}]
7  }'
8

該呼叫證明路由、金鑰和模型 ID 在框架添加工具、重試或對話重播之前即可運作。

編碼提示、產生的程式碼和來自一個模型呼叫的 token 統計

對 deepseek-ai/deepseek-v4-flash-0731 的一次直接呼叫：輸入 148 個 prompt token，輸出 6,879 個 token，其中包括 5,731 個推理 token。將此視為框架添加工具架構和歷史記錄之前的最低基準。

DeepSeek Harness 讀取 $DSH_HOME/settings.yaml，自訂的 OpenAI 相容提供者放在 llm-pi-ai 外掛下（DeepSeek Harness 文件，2026 年 8 月）：

plaintextCopy
1llm-pi-ai:
2  providers:
3    atlas:
4      apiKeyEnv: ATLAS_API_KEY
5      api: openai-completions
6      baseURL: https://api.atlascloud.ai/v1
7      models:
8        - id: deepseek-ai/deepseek-v4-flash-0731
9

此端點使用 openai-completions。Web UI 可以從「設定」→「模型」→「新增自訂提供者」寫入相同的提供者區塊，然後將金鑰儲存在 $DSH_HOME/.credentials.yaml 中。

OpenCode 讀取專案根目錄或全域設定目錄中的 opencode.json（OpenCode 文件，2026 年 8 月）：

plaintextCopy
1{
2  "$schema": "https://opencode.ai/config.json",
3  "provider": {
4    "atlas": {
5      "npm": "@ai-sdk/openai-compatible",
6      "name": "Atlas Cloud",
7      "options": {
8        "baseURL": "https://api.atlascloud.ai/v1",
9        "apiKey": "{env:ATLAS_API_KEY}"
10      },
11      "models": {
12        "deepseek-ai/deepseek-v4-flash-0731": {
13          "name": "DeepSeek V4 Flash 0731",
14          "limit": { "context": 1048576, "output": 393216 }
15        }
16      }
17    }
18  },
19  "model": "atlas/deepseek-ai/deepseek-v4-flash-0731"
20}
21

使用 @ai-sdk/openai-compatible，因為此端點提供 /v1/chat/completions。設定真實的上下文和輸出限制。OpenCode 在決定何時進行摘要時會使用它們，錯誤的限制可能會扭曲 token 比較。

步驟 2：在 DeepSeek Harness 中執行相同的基準測試任務

選擇一個足夠大而需要多次工具呼叫、又足夠小而可以評分的任務。兩個執行使用相同的儲存庫狀態，因此在開始前請提交或暫存。

將這個確切的任務貼到兩個工具中：

plaintextCopy
1在此儲存庫中，為 src/server.js 中的 Express 應用程式新增一個 token bucket 速率限制器中間件。將每個 IP 限制為每分鐘 60 個請求。拒絕時，回傳 HTTP 429，並帶有 JSON 主體 {"error":"rate_limited","retryAfter":<seconds>}。將此中間件應用到所有 /api/* 路由。在 test/rate-limit.test.js 中新增單元測試，涵蓋三種情況：低於限制的請求被允許；超過限制的請求被 429 封鎖；計數器在視窗過期後重置。執行測試套件並修復失敗，直到通過。請勿修改 src/ 和 test/ 以外的任何檔案。

從你的專案目錄啟動 Harness：

plaintextCopy
1cd /path/to/your/repo
2npx @deepseek-ai/dsh web
3

UI 在 http://127.0.0.1:3080 執行。選擇 atlas 提供者和 deepseek-ai/deepseek-v4-flash-0731 模型，貼上任務，然後讓它完成。執行開始後不要新增提示。為一個工具提供額外協助會使比較失效。

當 Harness 完成時，開啟「Trajectory」檢視。該會話記錄就是 token 數字所在的位置。

步驟 3：在 OpenCode 中重複執行

將儲存庫重設為確切的起始狀態。第二個框架不能繼承第一個框架已經修改的檔案。

plaintextCopy
1git checkout -- . && git clean -fd
2

然後針對同一個模型執行 OpenCode：

plaintextCopy
1opencode --model atlas/deepseek-ai/deepseek-v4-flash-0731
2

貼上步驟 2 中的相同任務提示。使用預設的 build 代理。讓它完成，不要提供提示。

使用相同的指令對兩個執行進行評分：

plaintextCopy
1npm test
2

如果執行使測試套件保持紅色，則視為失敗，即使代理摘要聽起來很有信心。使用二元評分：通過或失敗。

步驟 4：讀取 token 用量

兩個工具都會追蹤用量，但這兩個計數器都不應作為你的最終帳單數字。

DeepSeek Harness 預設掛載了一個 token 計量表。它在「Trajectory」檢視中公開 tokenUsage、contextPressure 和 contextBreakdown。contextBreakdown 告訴你帳單來自系統提示、工具架構、檔案讀取還是對話重播。該計量表估計大約每四個字元一個 token，因此將其用作診斷檢視。

OpenCode 追蹤每個會話的 token 和成本，並在 TUI 狀態列中顯示。其內建的細分較小，因此需要按工具歸因的團隊通常會使用外部分析器檢查會話資料庫。

使用提供者端的數字進行比較：

建立兩個 API 金鑰，harness-test 和 opencode-test，並為每個執行使用一個金鑰。然後提供者儀表板會為你提供乾淨的並排用量，而無需調和兩個內部估算器。

為什麼帳單會變動

Token 用量的變化有具體原因。這五個通常比模型價格更重要。

對話重播會增加成本。 代理在每一步都會重新發送不斷增長的對話。一個 40 步的任務成本接近 40 個增長提示的總和，而不是 40 個相同的提示。及早進行摘要的框架會更接近基準測試分佈的低端。

快取命中可降低輸入成本。 DeepSeek V4 Flash 的快取命中價格約為每百萬個 token 0.0028 美元，而未命中則為每百萬個 0.14 美元，便宜約 98%。快取需要逐字元穩定的前綴。如果框架在呼叫之間打亂系統提示文字，就會將命中轉變為未命中。

工具架構會跟著跑。 二十個連接的 MCP 伺服器意味著提示中有二十個架構集，即使任務只用到其中兩個。在進行基準測試之前，請先斷開不需要的工具，否則你測量到的是工具設定，而不是框架。

大型工具輸出會污染上下文。 一個 3,000 行檔案的 cat 或一個冗長的失敗測試日誌會保留在後續呼叫的對話中。DeepSeek Harness 可以在摘要之前修剪過大的工具結果。當任務產生嘈雜的輸出時，請開啟此功能。

重試隱藏在呼叫次數中。 重試失敗測試循環的框架每次都會花費 token。將模型呼叫與 token 總數進行比較，這樣你就可以區分重試循環和昂貴的提示。

以 Atlas Cloud 的 DeepSeek V4 Flash 費率計算，一個 692,000 token 的任務（偏向輸入）成本落在個位數美分。對單次執行來說很小，但對整天運行代理的團隊來說則很大。如果你想在另一個模型上重複測試，並將模型效果與框架效果分開，請瀏覽完整的模型目錄。

DeepSeek Harness 仍是開發者預覽版，其 README 警告可能會有破壞性變更。如果你想要控制代理循環，請對其進行基準測試。只有當你的團隊能夠承受變動時，才將其標準化。OpenCode 是對於今天就需要一個工具的團隊來說更穩定的選擇。

常見問題

DeepSeek Harness 比 OpenCode 好嗎？

對大多數團隊來說還不是。OpenCode 成熟、原生終端、約有 198k 星級、提供者目錄龐大，而且今天就能運作。DeepSeek Harness 較新、處於開發者預覽版，並警告可能會有破壞性變更。如果你想要修改代理內部機制，請選擇 Harness。如果你想要一個用於日常工作的編碼代理，請選擇 OpenCode。

DeepSeek Harness 只能與 DeepSeek 模型搭配使用嗎？

不。它與模型無關。它內建了 DeepSeek、Anthropic、OpenAI、Bedrock、Vertex、Azure 和 Codex 的提供者目錄，並且你可以在 $DSH_HOME/settings.yaml 中新增任何支援 openai-completions、openai-responses 或 anthropic-messages 協定的自訂提供者。步驟 1 中的設定將其指向一個 OpenAI 相容端點，無需適配器程式碼。

如何檢查 DeepSeek Harness 的 token 用量？

使用「Trajectory」檢視中的內建 token 計量表。它公開 tokenUsage、contextPressure 和 contextBreakdown。將其視為估算值，因為它使用大約每四個字元一個 token。若要獲得帳單準確性，請閱讀提供者用量儀表板，最好為每個執行使用專用的 API 金鑰。

哪個框架使用較少的 token，DeepSeek Harness 還是 OpenCode？

目前還沒有公開的對決基準測試可以回答這個問題。Composio 基準測試測量 OpenCode 平均每個任務 692,000 個 token，但該測試是在 DeepSeek Harness 發布之前進行的。在你的自己的儲存庫上執行步驟 2 到步驟 4 的測試，因為 token 用量取決於程式碼庫大小、工具設定和任務形狀。

我可以對同一個 API 金鑰執行 DeepSeek Harness 和 OpenCode 嗎？

可以，進行粗略測試時可以。若要進行乾淨的測量，請使用兩個不同的金鑰，每個框架一個。然後提供者儀表板會將每個 token 歸因於正確的執行。

代理和框架之間有什麼區別？

DeepSeek 將代理描述為模型加框架。模型負責推理。框架負責將模型連接到檔案、shell 指令、工具、會話、批准以及決定下一步行動的循環。更改框架，同一模型可能會在同一個任務上花費不同數量的 token。