DeepSeek Harness日活达154万:日耗92万亿Token,插件已达3.5万个
154万日活、每天约92万亿Token、约3.5万个第三方插件。
DeepSeek这次公布的,不是一张新的模型跑分表,而是一个AI智能体应用的使用数据。

2026年11月5日,DeepSeek Harness团队公布产品与社区进展:截至11月4日,以使用官方API的用户为统计范围,Harness日活跃用户达到154万,日消耗Token约92万亿。
从8月13日推出v0.1,到9月29日发布桌面端,再到这次披露数据,时间还不到三个月。
与用户增长同时发生的,是插件生态的扩张:第三方插件约3.5万个,约60%的活跃用户制作或安装过至少一款第三方插件。
这组数据值得关注的,不只是“又一个AI工具火了”。
当AI开始连续读文件、运行程序、调用工具,用户的工作方式和Token消耗,也在一起发生变化。
01|154万日活,先看清楚统计的是谁
这次的154万,指的是使用DeepSeek官方API的Harness日活跃用户。
它不是DeepSeek聊天App的整体日活,也不能直接当成所有第三方接入和自行部署用户的完整数量,更不是付费订阅人数。
官方图表还标注,相比9月29日桌面端发布时,日活增长545%。换算下来,相当于原来的约6.45倍。
不过,图中此前多个节点采用连续7天的日均值,11月4日则采用单日值。观察增长趋势时,需要保留这个区别,不能随意取两个点计算新的增长结论。e.thsi.cn
这些数字说明,Harness已经形成了一定规模的实际使用。
但它们还不能独立回答另外几个问题:用户是否长期留下来,任务完成得怎么样,以及每次交付需要多少人工修改。
日活反映有人在用,任务质量才决定用户会不会继续用。
02|DeepSeek Harness是什么?不只是换了界面的聊天工具
DeepSeek Harness,简称DSH,是DeepSeek推出的开源智能体应用与运行框架。
它将模型、工具、文件操作和交互界面组织在一起,支持资料整理、数据分析、代码修改、信息检索和后台任务等工作。
官方提供桌面端,也支持通过代码启动Web界面。
它与普通聊天工具的区别,可以用一个假设任务理解。
用户提出:“检查这个项目为什么构建失败。”
普通对话可能先给出排查建议,再等待用户逐步提供日志。
在配置好工具和权限的Agent环境中,系统则可以读取项目、执行构建、查看报错,再尝试修改并重新验证。
当然,能执行这些步骤,不代表每次都能修复成功。它只是把一部分原本需要用户手动搬运信息的环节,放进了同一条执行流程。
模型负责理解和判断,Harness负责让这些判断有工具可用、有环境可以执行。
项目官网与开源仓库:DeepSeek
https://www.deepseek.com/harness/
https://github.com/deepseek-ai/deepseek-harness
03|人均每天约6000万Token,是不是每个人都在疯狂“烧钱”?
把官方披露的两项数据直接相除:
92万亿Token ÷ 154万日活用户 ≈ 每位日活用户5974万Token。
也就是标题中常见的“人均每天约6000万Token”。
这个计算没有问题,但它只是整体算术平均值。
不能据此认定,每一个普通用户每天都消耗这么多;少量重度用户、并行任务和长时间运行,都可能影响平均数。
更重要的是,Token消耗不等于用户手动输入了同样数量的文字,也不等于AI生成了同样数量的全新内容。
在多轮任务中,模型可能反复接收已有背景、代码和工具返回结果。
举个纯计算示例:假设每次请求都包含10万Token的上下文,一项任务累计调用100次,输入量就可能达到1000万Token,即使其中不少内容是重复背景。
这不是Harness的实际测算,而是说明为什么“用户只说了一句话”,后台却可能产生大量调用。
Token总量,也不能直接换算成算力成本
DeepSeek官方计费区分缓存命中输入、未命中输入和输出;重复前缀在满足条件时,可以通过上下文缓存复用。
因此,同样是100万Token,不同类型对应的费用和计算过程并不相同。
缺少模型分布、输入输出比例和缓存命中率,就不能拿92万亿直接乘一个输出单价,计算平台收入或用户总支出。
这组数据反映了大量模型处理活动,但不能单独证明相同比例的新增计算,更不能直接证明效率高低。
官方计费与缓存说明:DeepSeek API Docs
https://api-docs.deepseek.com/zh-cn/quick_start/pricing/
https://api-docs.deepseek.com/zh-cn/guides/kv_cache/
04|3.5万个插件背后,是“一切皆插件”的产品思路
Harness的核心特点,是基于Cordis构建的插件化架构。
用户既可以安装已有插件,也可以通过创造模式描述需求,尝试让Agent开发新的插件,扩展工具、技能和界面。
这意味着,同一个应用不必对所有人提供完全相同的工作方式。
开发者可能更关心代码和测试;内容创作者可能需要灵感、脚本和封面;研究人员则可能希望把阅读、翻译和笔记放在一起。
插件提供了一种按需求组织功能的方式,而不必等待主应用把所有细分场景都做成内置功能。
但插件数量和插件质量,依然是两回事。
约3.5万个第三方插件,不等于3.5万个都经过官方安全审查,也不等于每个插件都适合当前版本。
官方此次也明确指出,社区插件的成熟度与适用场景存在差异。
因此,使用者更应该关注插件解决什么问题、需要什么权限、是否持续维护,而不是单纯追求安装数量。DeepSeek
05|对设计师和内容创作者,有哪些比较直观的玩法?
此次官方介绍的社区案例中,有两类与内容生产关系比较密切。
自媒体工作台:把灵感、脚本和分镜放在一起
dsh-media-desk是一款面向自媒体创作的工作台插件,围绕记录灵感、生成脚本、封面、配图和分镜组织功能。
它的思路不是让创作者每次重新开一个空白对话,而是将一条内容的不同阶段放进同一个工作空间。
对于经常制作图文和短视频的人,可以重点观察:选题信息是否方便复用,脚本修改后是否容易继续处理素材,以及生成结果能否交给后续制作。
但插件提供入口,不代表全部内容都能直接发布。事实准确性、画面质量和素材授权,仍然需要检查。
项目地址:GitHub
https://github.com/woniuniuniu/dsh-media-desk设计插件:从一篇文章延伸到网页、卡片和封面
dsh-guizang-design将设计和文字处理能力组合起来,覆盖网页演示、图文卡片、网页排版等方向,并提供作品管理与内容复用能力。
这类插件值得关注的地方,是它不仅保存生成结果,也尝试保留创作过程中使用的风格和组织方式。
例如,同一个系列已经确定配色、结构和表达习惯,后续内容就有机会沿用,而不是每次重新说明。
不过,复用模板不等于可以忽略内容差异。不同主题仍然需要合适的信息层级和视觉表达。
真正有价值的,不是批量生成得更多,而是减少重复设置,同时保留必要的编辑判断。
项目地址:GitHub
https://github.com/op7418/dsh-guizang-design06|官方插件市场要来了,但别把规划当成已经落地
在这次公告中,DeepSeek提出将进一步改善插件API的稳定性、兼容性和安全机制,并建设官方插件市场。
同时,团队正在筹备插件作者支持计划,方向包括 Token激励、技术交流和作品推荐。
这对插件作者有吸引力,但目前不能把它写成“发布插件就有现金补贴”,也不能自行推定已经存在固定分成或保底收益。
这些具体规则,需要等待正式公布。
另外,官方市场规划,与现有的第三方插件发现机制应当分开看。
目前Harness文档已经介绍了实验性的自定义插件市场:通过索引源展示可安装插件,用户确认后安装。文档同时说明,市场中的作者、描述和来源等信息由市场提供,格式检查并不等于对这些声明进行认证。
能被搜索到、能安装成功,不代表已经获得安全背书。
对生态而言,市场的价值也不应该只是展示更多条目,而是帮助用户找到兼容、可信、有人维护的工具。
官方计划与插件市场接入说明:Thread Navigator
https://deepseek-harness.github.io/deepseek-harness/guide/plugin-market07|DeepSeek Harness怎么用?先完成一个小任务,再扩展插件
普通用户可以从官网获取桌面端;开发者也可以按照仓库说明,安装Node.js后运行官方命令启动Web界面。
首次使用时,需要配置模型、API密钥和工作区。官方文档也提供其他模型服务的配置说明。
建议先使用一份不含敏感内容的资料,完成一个可以明确验收的小任务。
例如,整理几篇公开产品说明,输出一份差异清单,并要求保留原始资料、不修改其他文件。
先检查它是否正确理解输入、结果能否核对,再逐步增加插件和任务复杂度。
不要一开始就安装大量插件,然后把整个硬盘或正式项目都交给它处理。
另外,本地应用支持后台执行,不等于已经获得7×24小时云端托管。 执行能否持续,还取决于实际运行环境,不能仅凭“后台任务”四个字,推定电脑关闭后仍会继续工作。
官方入门文档:Deepseek Harness
https://deepseek-harness.github.io/deepseek-harness/guide/quickstart08|开源应用也要重视安全:插件可以改变真实文件
Harness目前仍处于开发者预览阶段,官方仓库提示,快速迭代过程中可能出现破坏兼容性的变化。
更重要的是,项目安全说明明确指出:软件仍具实验性,尚未接受安全审计,不应被视为安全或可直接用于生产环境的软件。
它能够执行模型生成的代码与命令、加载第三方插件,并访问被开放的文件、网络和凭据。
因此,风险不只是“AI回答错了”,也可能涉及文件被修改、数据泄露或不必要的资源消耗。
官方同时强调,沙箱、审批和权限控制能够降低风险,但不保证绝对隔离。
第一次尝试,比较稳妥的做法是使用独立测试环境、备份文件,并只开放任务必需的资源。安装插件前,检查来源、配置和准备执行的操作。
开源意味着可以检查代码,不代表代码天然安全;支持审批,也不代表可以忽略权限配置。
官方安全说明:GitHub
https://github.com/deepseek-ai/deepseek-harness/blob/master/SAFETY.zh.md09|对开发者来说,机会不一定是再做一个“万能助手”
如果准备进入这个生态,一个值得考虑的方向,是解决某类用户反复遇到的小问题。
例如,为内容团队整理选题和素材,为设计师检查交付文件,为网站运营者核对链接和整理更新记录。
这些是可以探索的产品方向,不是现成的官方功能承诺。
相比重新包装一个通用聊天界面,细分工具更容易说明自己的价值:使用之前需要哪些操作,使用之后少做了什么,结果能否检查。
但插件也有后续投入。
接口变化以后是否继续适配,出现错误时能否定位,用户资料如何处理,这些都会影响工具能否长期使用。
官方的Token激励和推广支持,可能降低一部分探索成本,却不能代替产品验证,更不能直接推导为商业收入。
插件能不能留下用户,最终还是要看它是否稳定解决了一个真实问题。
总结|154万日活之后,真正要比的是交付,而不是消耗
DeepSeek Harness公布的数据,说明智能体应用已经出现了较大规模的实际使用,第三方插件也开始承担越来越具体的工作。
但92万亿Token不是一张效率证明,3.5万个插件也不是一份质量保证。
对用户来说,更值得记录的是:一次任务花了多少钱,结果是否可用,还需要多少人工返工。
对开发者来说,更重要的是工具能否持续维护,版本是否兼容,以及用户是否愿意反复打开。
Token越多,不一定工作完成得越好;插件越多,也不一定体验越顺畅。
官方插件市场和作者支持计划值得关注,但真正决定Harness下一步表现的,是它能否让这些能力更容易被找到、更放心地使用,并最终交出可用的结果。
从“AI会回答”走向“AI能干活”,不只需要模型能力,也需要一套经得起日常使用的工具。
标签






评论 0
最新评论登录后发布评论并参与互动。
暂无评论,欢迎抢沙发。