梁文锋曾放话“多模态不是主线”，结果转头就甩出了视觉模型打脸。DeepSeek工具链刚升级到0.1.1-rc.1版，悄无声息地上线了视觉体验版V4Flash Vision-Exp。早在之前的v0.1.0-rc.8版本里，他们就已经打通了多模态能力，原生图片请求跑得很顺溜，连/goal、/plan这些指令都能直接搞图文混合输入。大佬还是那个大佬，只是学会了放低姿态，用产品直接说话。
光有多模态还不够看，DeepSeek Harness的露面才是真正的重头戏。这东西一出来，大家都在问：AI这是开始制造AI了？大模型接下来的竞争重点早就变了。环境、反馈和循环是接下来真正的胜负手，拼参数、刷榜单那一套已经过时了。DeepSeek在下一盘更大的棋。
把视觉模型和Harness结合起来看，DeepSeek的牌面就很清晰了。多模态视觉能力相当于给AI安上了眼睛，让它能看懂复杂环境并接收反馈。而Harness提供的循环机制，则是让AI在这个环境里自我试错、自我迭代。这两套系统一对接，AI自主进化的循环基本就成型了。
别管人家之前怎么放话，现在DeepSeek这节奏快得确实让人眼晕。从图文混合输入的打通，到AI自我制造循环的搭建，每一步都踩在节点上。看来AI造AI的时代，真不是随便说说的。