DeepSeek 技术文件提到，大模型很少只跑在固定 Harness 里，不同脚手架的提示词、工具定义与上下文管理都会影响结果。官方测试显示 DSH Minimal 模式反常识地优于 Standard 与 PTC，Claude Code 开箱即用接近峰值。

DeepSeek V4.1 Flash 开源，本地部署成本骤降！实测，顶夯！ 一文中，我注意到DeepSeek 技术文件里提到：大模型很少只跑在一个固定 Harness 里，不同脚手架的系统提示词、工具定义、上下文管理、交互协议都不一样，跑出来的结果也有差异

DeepSeek 官方测试显示：

1、DeepSeek 自家框架的 DSH Minimal 模式，在两项测试中都高于 Standard 和 PTC 模式，有点反常识，功能更多、流程更复杂，并没有换来更高的成功率。

2、Claude Code 或 Codex 里接 DeepSeek-V4.1-Flash，开箱即用的水平接近峰值

DeepSeek Harness 官方桌面端，抢鲜版！ 一文中我做了复刻机必替 Astra 网页风格的实测，后来我把 DeepSeek-V4.1-Flash 分别接入到了 Pi Agent、Claude Code、DeepSeek Harness 做了更多尝试，先来看看结果情况

✦Pi Agent

✦Pi Agent

正文部分还行，首屏效果就差点意思了，有粒子效果，但偏离了的目标风格和布局

✦DeepSeek Harness 桌面端

✦DeepSeek Harness 桌面端

DSH 标准模式，我认为效果比 Pi Agent 好，首屏和侧边栏都符合预期，正文部分稍微有点弱

✦Claude Code

✦Claude Code

我感觉在Claude Code 中的发挥是超预期的，那个太空水滴有点经验！就是正文的布局有点不太理想

上面的任务有点主观了，所以我又换了一个实测：

Write an HTML and JavaScript page implementing space invaders

这个题目来自知名博主 Simon Willison，对，就是那个全网刷屏的鹈鹕骑单车测试的原创博主

我分别跑了 Pi Agent、Claude Code、DSH 标准模式、DSH 极简模式，先来看它们的效果，然后耗时、Token 消耗、缓存率与输出速度后面再分析

✦Pi Agent

✦Pi Agent

用时 36分09秒，Token 用量 9.7M tok，缓存命中 98.9%，输出速度（TPS） 未提供

✦DeepSeek Harness 标准模式

✦DeepSeek Harness 标准模式

用时 8分54秒，Token 用量 4.2M tok，缓存命中 98%，输出速度（TPS） 275 tok/s

✦DeepSeek Harness 极简模式

✦DeepSeek Harness 极简模式

用时 40分04秒，Token 用量 1.5M tok，缓存命中 99%，输出速度（TPS） 295 tok/s，任务失败

✦Claude Code

✦Claude Code

用时 9分34秒，Token 用量 3.0M tok，缓存命中 98%，输出速度（TPS） 约 205.5 tok/s

大总结：

只有极简模式失败了，其他三个完成度其实都差不多，我找机必替6-Astra当裁判，看了代码和操作电脑试玩了，它给出的评分也比较符合我的感觉：

实测结果：

1. 首次打开：四个版本都正常。
2. 开始、移动、射击、计分：四个版本都能玩。
3. 暂停与恢复：功能都可用，CC 和 Standard 的提示文字有问题。
4. 页面刷新：CC、Pi、DSH Standard 正常；DSH Minimal 失败。
5. 窄屏：Standard 最稳但偏小；CC 需要上下滚动；Pi 首页重叠；DSH Minimal 刷新后空白。

辅助使用方面，Claude Code 和 DSH Standard 的操作按钮标注最好；Pi Agent的手机操作键对键盘和读屏不够友好

最后综合排名是 ① Claude Code ② Pi Agent ③ DSH 标准模式 ④ DSH 极简模式

✦耗时、Token 消耗、缓存率与输出速度分析

✦耗时、Token 消耗、缓存率与输出速度分析

Claude Code 在交付质量、代码准确率和工程完整性上均位列第一。其上下文管理极其精炼，仅用 Pi Agent 约 1/3 的 Token 和 1/4 的耗时，就拿到了全场最优效果，属于生产级工业落地 ROI 最高的标杆方案

Pi Agent 生成效果紧随 Claude Code，展现出强大的工具链调用和深度推理能力；但代价是极其沉重的上下文膨胀（172 条消息、85 次工具调用），Token 消耗为全场最高（9.7M tok，约为极简模式的 6.4 倍），端到端耗时长达 36 分钟。适合对质量有极致要求、但对成本与耗时完全不敏感的探索性任务

DSH 标准模式以 8分54秒 的极限速度全场领跑，TPS 输出速度高达 275 tok/s，执行非常流畅利落；但在复杂任务的逻辑闭环和细节处理上弱于 Claude Code 和 Pi Agent，综合效果排在第三位。适合作为对交付时效要求极高、任务复杂度适中的日常高吞吐开发工具

DSH 极简模式 Token 消耗做到了全场极致（仅 1.5M tok，比常规方案省下 84.5%），但单次上下文被极端压榨，导致模型缺乏全局视野，不得不通过多轮反复试探和多步反思来推进任务。不仅把总用时反向拉长至 40 分钟（全场最慢），最终效果也垫底

⚠️：以上测试仅限这个任务，环境隔离也不一定理想，仅供参考

给大家提供一个思路，如果你觉得某个模型不太好，或许可以换一个 Harness