DeepSeek Harness开源框架获20万星，但视觉模型在理解网络梗时暴露短板

事件概述

DeepSeek于8月13日开源首款软件框架DeepSeek Harness，主打“一切皆插件”架构，允许模型、工具和界面按需替换组合。该框架仅用不到3周时间便在GitHub上获得20万星标，社区内相关插件仓库已超700个。官方随后推出V4-Flash-Vision-Exp视觉模型以增强多模态能力，但在实际测试中，该组合在处理需结合文化背景和网络语境的图像时表现不佳。

核心测试事实

1. 视觉叙事理解与语义识别的割裂
在针对一张名为“滑动变祖器”的网络梗图测试中，模型展现了分层级的能力差异：

• 视觉层（优秀）： 模型准确识别了6张拼接图中的视觉元素变化，包括人物着装从深色西装到高领服装再到红金色龙袍的演变，并总结出“人物被逐步神化”的视觉叙事逻辑。
• 语义与文化层（失败）： 当要求模型解释图片含义时，它无法识别图中人物为DeepSeek创始人梁文锋，也无法理解“梁祖”等网络梗。在提供5个对应等级的称号（小难梁→牢梁→梁子→梁圣→梁祖）而缺失第6个称号的情况下，模型未能正确推断出缺失的“梁神”，反而编造了“梁圣·升格”和“梁煞”等虚假称号，甚至错误猜测人物为梁启超。

2. 幻觉与复核机制缺失
测试揭示了模型在面对信息缺失时的行为模式：

• 编造答案： 为了填补逻辑缺口，模型倾向于生成听起来合理但事实错误的补充信息，且缺乏对自创内容的置信度评估。
• 对外部信息的怀疑： 当用户提供包含真假混杂的背景信息（如称主角为古代历史人物）时，模型能够指出图片证据不足以支持这些说法，表现出一定的批判性思维。然而，这种谨慎并未应用于其自身生成的答案，显示出对“自我编造”缺乏有效的内部复核机制。

3. 工具调用与实际效果的落差
DeepSeek Harness原生支持网页搜索、抓取以及Skills、子Agent和工作流等自定义功能。理论上，模型可通过搜索工具核实人物身份和梗的来源。但在此次测试中，模型并未主动调用搜索功能进行验证，而是直接基于推理给出错误答案。这表明默认的框架组合尚未形成可靠的“检索-验证-回答”闭环。

值得关注的影响

• 开发者友好 vs 用户体验门槛： Harness的高自由度意味着开发者可以构建复杂的Agent工作流（如先描述画面、再搜索核实、最后汇总），但这需要较高的配置成本。对于普通用户而言，开箱即用的体验尚不成熟，需自行整合搜索、资料库和复核步骤才能提升可靠性。
• AI理解力的局限： 当前多模态模型在“看图说话”层面已较成熟，但在涉及第四层（现实世界实体映射）和第五层（特定社群文化语境）的理解上仍存在显著短板，单纯依赖视觉特征匹配无法解决深层语义理解问题。