J-Space Cognition Suite宣称让DeepSeek V4-Pro超越Fable 5，但无第三方复现、Token开销反增

事件概述

最近，社区项目 J-Space Cognition Suite 在 X 上快速传播。项目方声称，在完全不修改 DeepSeek V4-Pro-0813 模型权重的情况下，仅通过一套推理时 Harness，就能显著提升模型在多项 Agent Benchmark 上的表现，甚至超过 Fable 5。

据 ExplainX 梳理，截至 8 月 18 日，J-Space Cognition Suite 公布的所有性能提升数据均来自项目方自己的测试，尚未有第三方团队在相同条件下复现。因此“DeepSeek V4 Pro 已借助 J-Space 击败 Fable 5”目前只是主张，而非已验证的事实。

核心数据与争议

项目方公布的提升数据包括：

• Terminal-Bench 2.1：从 87.9 提高到 90.1（+2.2 分）
• NL2Repo：从 61.5 提高到 73.4（+11.9 分）
• Toolathlon-Verified：从 74.1 最高提升至 79.5（+5.4 分）

改造前基线接近 DeepSeek 官方成绩，但改造后的数字没有独立复现。严格验证需要针对同一模型进行 A/B 测试，控制 Prompt、工具权限、推理强度、测试环境等全部变量。

有开发者实际测试后发现，Token 消耗反而更高：V4 Flash 版本下，PI+J-Space 的成本约为基线的 2-4 倍，DSH+J-Space 的 Token 消耗比基线高约 50%。有开发者认为其实现本质是运行在模型外围的“skill plugin”，加上 Python 脚本做看板式持久化任务管理，并非新的模型能力。

名称混淆与澄清

J-Space Cognition Suite 与 Anthropic 此前公布的 J-space 研究不是同一件事。Anthropic 的 J-space 是 2026 年 7 月发表的关于 Claude 内部神经表征的可解释性研究；而 J-Space Cognition Suite 是运行在 DeepSeek V4 Pro 外部的第三方 Agent Harness，与 Anthropic 没有官方关系。虽然名称相似，但技术对象完全不同。

同期 OpenCode 宣布的 Operation Cheepseek 也被部分传播内容与 J-Space 联系起来，但目前没有证据证明两者属于同一项目或协调行动。

背后：Harness 正在“补短板”

J-Space 试图解决的是长任务 Agent 中的“表征漂移”和“过早停止”问题，其做法是在模型之外保存任务进度（类似 Kanban）。但状态外置并未解决长上下文压缩的根本矛盾，验证、重试和状态检查又会直接推高 Token 成本。

模型厂商和社区正在围绕这些问题更新：

• DeepSeek Harness 8 月 17 日发布 v0.1.0-rc.7，增加子代理 Job Panel 管理、附件持久化，并修复长会话、分页栈溢出等问题。
• OpenCode 内置 Compaction Agent，但压缩可能丢失权限约束，已有报告称只读 Agent 在压缩后开始修改文件。
• StateM 研究用持久状态、阶段化上下文和可恢复 Runbook 约束执行，报告称可将 DeepSeek V4 Flash 在 Terminal-Bench 2.1 从 82.7% 提到 88.1%。

此外，对 17 个前沿模型的 Long-Horizon-Terminal-Bench 评测显示，Agent 平均每项任务消耗约 980 万 Token、约 239 个执行回合、平均执行时间 88.9 分钟。Harness 路线也在分化：OpenCode 等社区项目走通用路线，通过多 Agent 分工和权限体系兼容不同模型；DeepSeek 推出官方 DSH，将 Model Adapter、Agent Loop、Session 等纳入统一插件架构；OpenAI 在升级 Agents SDK 时提出“model-native harness”。成本与效果的权衡仍是核心难题。