DeepSeek Harness vs OpenCode：大多数开发者忽视的Token使用差距

DeepSeek Harness 并未参与该基准测试。它在两天后才发布。这意味着有用的问题不是“哪个赢了？”而是如何用同一个模型、通过两个工具运行相同的任务，并读取账单而不自欺欺人。

关键要点

• 在可比的智能体任务中，工具链的选择可使 token 消耗波动约 7 倍。
• 使用相同的模型和相同的仓库状态来测量 DeepSeek Harness 和 OpenCode。
• 在选定日常使用的工具前，分别使用独立的 API 密钥。

两台笔记本电脑通过两个智能体工具链运行相同的编码任务

公平的设置：一个模型、一个任务、两个终端。

公开基准测试告诉我们什么

Composio 通过 8 个智能体工具链运行了 30 个复杂的多应用工作流，全部使用 DeepSeek V4 Flash，每个任务限时 900 秒，并在 240 次运行中进行二进制程序化评分（Composio，2026 年 8 月）。相同模型，不同工具链。

token 列比排名更重要。平均每个任务的 token 数从 192,000 到 1,400,000 不等。这是同一个模型通过不同运行时完成类似工作时的差异。

OpenCode 提供了一个有来源的基线：每个任务 692,000 token，通过率 46.7%，中位时间 129.7 秒。DeepSeek Harness 没有来自该基准测试的公开对比数据，因为 DeepSeek 于 2026 年 8 月 13 日发布，比基准测试发布晚了两天。

把这张表当作警告，而非定论。它表明工具链可以主导成本。它并不能证明在你的仓库中 DeepSeek Harness 是否优于 OpenCode。

切换工具链时会发生什么变化

在测试之前，从影响开发者的方面比较这两个工具：设置复杂度、成熟度、token 可见性以及你可以替换多少智能体循环。

OpenCode 为你提供一个稳定的编码智能体，并在边缘提供扩展点。DeepSeek Harness 则提供了一个运行时，其循环本身可以替换。这种灵活性在你构建智能体基础设施时很有帮助。如果你需要本周内用于生产代码的默认工具，则会增加风险。

两个工具都可以访问相同的 OpenAI 兼容端点。这使得公平测试成为可能：一个模型、一个基础 URL、一个任务、一个起始仓库状态。

在本教程中，DeepSeek V4 Flash 通过 Atlas Cloud 运行，它暴露了一个两个工具都接受的 OpenAI 兼容端点。deepseek-v4-flash-0731 列表显示每百万输入 token 0.14 美元，每百万输出 token 0.28 美元，上下文窗口 1,048,576 token，最大输出 393,216（截至 2026 年 8 月）。只要两个工具链使用相同的端点和模型 ID，任何提供商都可以。

OpenCode 还发布聚合使用数据。DeepSeek 模型通过 OpenCode 已移动了 233 万亿 token，其中 V4 Flash 占 85.5%，V4 Pro 占 14.5%（OpenCode，2026 年 8 月）。这种使用模式使 V4 Flash 成为比较中的实用默认选择。

步骤 1：将两个工具指向同一个模型

创建一个 API 密钥和一个基础 URL，然后将相同的对提供给两个工具。在 Atlas Cloud 控制台 中创建密钥，并导出一次：

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

在将端点交给任何工具链之前，先检查端点：

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

该调用证明路由、密钥和模型 ID 在工具链添加工具、重试或对话回放之前是有效的。

对 deepseek-ai/deepseek-v4-flash-0731 的一次直接调用：输入 148 个 prompt token，输出 6,879 个 token，其中包含 5,731 个推理 token。将其视为工具链添加工具模式和历史之前的基准。

DeepSeek Harness 读取 $DSH_HOME/settings.yaml，自定义 OpenAI 兼容的提供商在 llm-pi-ai 插件下配置（DeepSeek Harness 文档，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

此端点使用 openai-completions。Web UI 也可以从设置、模型、添加自定义提供程序写入相同的提供程序块，然后将密钥存储在 $DSH_HOME/.credentials.yaml 中。

OpenCode 读取项目根目录或全局配置目录中的 opencode.json（OpenCode 文档，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，因为此端点提供 /v1/chat/completions。设置真实的上下文和输出限制。OpenCode 在决定何时总结时使用它们，错误的限制可能会扭曲 token 比较。

步骤 2：在 DeepSeek Harness 中运行相同的基准任务

选择一个足够大需要多次工具调用、又足够小可以评分的任务。两次运行使用相同的仓库状态，因此在开始之前提交或暂存。

将以下确切任务粘贴到两个工具中：

plaintextCopy
1在这个仓库中，为 src/server.js 中的 Express 应用添加一个令牌桶限流中间件。
2将每个 IP 限制为每分钟 60 个请求。拒绝时，返回 HTTP 429，JSON 体为 {"error":"rate_limited","retryAfter":<seconds>}。
3将中间件连接到每个 /api/* 路由。在 test/rate-limit.test.js 中添加单元测试，涵盖三种情况：
4低于限制的请求被允许，超过限制的请求被阻止并返回 429，计数器在窗口过期后重置。
5运行测试套件并修复失败，直到通过。不要修改 src/ 和 test/ 之外的任何文件。
6

从项目目录启动 Harness：

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

UI 运行在 http://127.0.0.1:3080。选择 atlas 提供商和 deepseek-ai/deepseek-v4-flash-0731 模型，粘贴任务，让它完成。运行开始后不要添加提示。对一个工具的额外帮助会使比较无效。

当 Harness 完成后，打开 Trajectory 视图。该会话记录包含其 token 数量。

步骤 3：在 OpenCode 中重复运行

将仓库重置到确切的起始状态。第二个工具链不能继承第一个工具链已经更改的文件。

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

然后针对相同的模型运行 OpenCode：

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

粘贴步骤 2 中的相同任务提示。使用默认的 build 智能体。让它完成，不要提示。

使用相同的命令对两次运行评分：

plaintextCopy
1npm test
2

即使智能体摘要听起来很自信，如果运行使测试套件变红，则失败。使用二进制评分：通过或失败。

步骤 4：读取 token 使用量

两个工具都跟踪使用情况，但两个计数器都不应该是你的最终账单数字。

DeepSeek Harness 默认挂载了一个 token 仪表盘。它在 Trajectory 视图中暴露了 tokenUsage、contextPressure 和 contextBreakdown。contextBreakdown 告诉你账单来自系统提示、工具模式、文件读取还是对话回放。仪表盘大致估算每个 token 对应四个字符，因此将其用作诊断视图。

OpenCode 跟踪每个会话的 token 和成本，并在 TUI 状态行中显示。其内置分解较小，因此需要按工具归因的团队通常使用外部分析器检查会话数据库。

使用提供商侧的数字进行比较：

创建两个 API 密钥，harness-test 和 opencode-test，每次运行使用一个密钥。提供商仪表盘会为你提供并排的干净使用数据，而无需协调两个内部估算器。

为什么账单会变化

Token 使用量因具体原因而变化。以下五个因素通常比模型价格更重要。

对话回放累积成本。 智能体在每一步重新发送不断增长的对话。一个 40 步的任务的成本更接近 40 个不断增长的提示的总和，而不是 40 个相同提示的总和。早期总结的工具链更接近基准测试的低端。

缓存命中可降低输入成本。 DeepSeek V4 Flash 缓存命中价格约为每百万 token 0.0028 美元，而未命中为 0.14 美元，便宜约 98%。缓存需要字节级稳定的前缀。如果工具链在调用之间打乱系统提示文本，则会将命中变为未命中。

工具模式会被携带。 二十个连接的 MCP 服务器意味着 prompt 中有二十个模式集，即使任务只使用其中两个。在基准测试之前断开不需要的工具，否则你测量的是工具设置而不是工具链。

大型工具输出污染上下文。 cat 一个 3000 行的文件或冗长的失败测试日志会保留在对话中供后续调用使用。DeepSeek Harness 可以在总结之前修剪过大的工具结果。当任务产生嘈杂输出时，请打开该功能。

重试隐藏在调用次数中。 一个重试失败测试循环的工具链每次都会消耗 token。将模型调用次数与总 token 数一起比较，以便将重试循环与昂贵的 prompt 分开。

以 Atlas Cloud 的 DeepSeek V4 Flash 费率计算，一个 692,000 token 的任务（偏向输入）成本在个位数美分。对于一次运行来说很小，但对于全天运行智能体的团队来说则很大。如果你想在第二个模型上重复测试并分离模型效应与工具链效应，请浏览完整的模型目录。

DeepSeek Harness 仍然是开发者预览版，其 README 警告会有破坏性变更。如果你希望控制智能体循环，请对其进行基准测试。只有当你的团队能够承受变更时，才将其标准化。对于今天需要一个工具的团队来说，OpenCode 是更稳定的选择。

常见问题

DeepSeek Harness 比 OpenCode 更好吗？

对大多数团队来说还不是。OpenCode 成熟、基于终端、拥有约 198k 星标和庞大的提供商目录，并且今天就能工作。DeepSeek Harness 较新，处于开发者预览版，并警告会有破坏性变更。如果你希望修改智能体内部机制，选择 Harness。如果你希望一个用于日常工作的编码智能体，选择 OpenCode。

DeepSeek Harness 只适用于 DeepSeek 模型吗？

不。它与模型无关。它附带 DeepSeek、Anthropic、OpenAI、Bedrock、Vertex、Azure 和 Codex 的目录提供商，并且你可以在 $DSH_HOME/settings.yaml 中添加任何支持 openai-completions、openai-responses 或 anthropic-messages 的自定义提供商。步骤 1 的配置将其指向一个无需适配器代码的 OpenAI 兼容端点。

如何检查 DeepSeek Harness 的 token 使用量？

使用 Trajectory 视图中内置的 token 仪表盘。它暴露了 tokenUsage、contextPressure 和 contextBreakdown。将其视为估算值，因为它大致使用每个 token 对应四个字符。为了计费准确性，请读取提供商使用情况仪表盘，理想情况下每次运行使用专用的 API 密钥。

哪个工具链使用的 token 更少，DeepSeek Harness 还是 OpenCode？

目前没有公开的对比基准测试能回答这个问题。Composio 基准测试测量 OpenCode 平均每个任务 692,000 token，但它在 DeepSeek Harness 发布之前运行。请在自己的仓库上运行步骤 2 到步骤 4 的测试，因为 token 使用量取决于代码库大小、工具设置和任务形状。

我可以将 DeepSeek Harness 和 OpenCode 针对同一个 API 密钥运行吗？

是的，用于临时测试。为了干净的测量，请使用两个独立的密钥，每个工具链一个。提供商仪表盘会将每个 token 归因到正确的运行。

智能体和工具链有什么区别？

DeepSeek 将智能体描述为模型加工具链。模型进行推理。工具链将模型连接到文件、shell 命令、工具、会话、批准以及决定下一步操作的循环。更改工具链后，同一个模型可以在同一个任务上消耗不同数量的 token。