8 月 11 日，Pi Harness 创始人 Mario Zechner 转发了一组引人注目的数据：开发者 0xEvan 利用 Pi 调用 DeepSeek V4 Flash，在处理近 10 亿输入 Token 的情况下，缓存命中率高达 99.93%，最终成本仅为 2.65 美元。若未启用缓存，同等算力消耗预计需 132 美元。
同日，开发者 Shantanu Goel 指出，DeepSeek V4 Flash 在其他 Harness 中的缓存命中率通常为 94% 至 97%，而在 Pi 中却能稳定维持在 99% 以上。Mario 对此评论称：“在使用本地模型时，这一优势尤为显著。”
此类社区案例屡见不鲜。
这让人联想到 Mario 今年 5 月对"Pi + DeepSeek V4"组合的评价："pi + ds4 == sovereign AI enterprise ready clearly."意即该组合已具备企业级主权 AI 的能力。当时这或许只是看到开发者用该组合跑通终端俄罗斯方块后的调侃，但三个月后，一项公开横向测试用数据证实了这一观点。
Pi 搭配 DeepSeek，性能超越 Claude Code？
AI 智能体开发工具公司 Composio 近期进行了一项公开对比测试。测试选用同一模型 DeepSeek V4 Flash，分别在 8 种不同的智能体 Harness 中运行，要求完成 30 项高难度任务（包括采取行动、调用工具及独立闭环工作）。
测试结果显示，Pi Agent 以通过 20 项任务（成功率 66.7%）位居榜首；Oh My Pi 通过 17 项排名第二；Claude Code、Codex 和 Deep Agents 均通过 16 项；Prime Agent 与 Hermes Agent 各通过 15 项（其中 Prime Agent 有 6 次运行因超时或无记录未被计分）；OpenCode 通过 14 项排名末位。
在模型相同的前提下，仅更换外层 Harness，任务成功率便从 46.7% 提升至 66.7%，差距达 20 个百分点。
成本差异更为悬殊：Pi 平均每项成功任务耗时成本仅 0.028 美元，而 Claude Code 高达 0.195 美元，约为前者的 7 倍。
在执行速度上，Pi 完成任务的中位时间为 132.2 秒，虽略慢于 Claude Code（122.7 秒）和 OpenCode（129.7 秒），但综合成功率、速度与成本三维指标，Pi 表现最为突出。
该测试揭示了"Harness 乘数效应”：围绕 AI 搭建的工具层能显著放大或削弱模型的实际表现。选择合适的 Harness，可使同一模型更可靠、高效；反之，即使底层模型能力相同，任务成功率和效率也会大幅下降。
Composio 强调，孤立评测模型具有局限性。若 Agent 排行榜仅列出模型名称而未说明所用 Harness，其评分结果是不完整的。
极简的 Pi，为何胜出？
Composio 测试中一个关键细节是：Pi 采用的是全新、未经修改的默认安装，仅接入了测试所需的 MCP 服务器插件，无任何自定义配置或特殊调优。正是这套“开箱即用”的轻量方案，通过了最多任务。
反观 Prime Agent，其在八种 Harness 中产生了最庞大的会话，部分会话消耗多达 350 万 Token 并进行了 33 次工具调用。这种过度复杂的前置规划导致评分器处理超时，致使 6 次运行无效。即便仅统计有效运行，Prime 的任务通过数也与 Hermes 相当，但耗时接近 Pi 的两倍。
数据呈现出鲜明反差：功能庞杂的 Prime 被自身运行负担拖慢，而轻量的 Pi 则以低开销实现了最高通过率。这表明，在此类测试中，增加层级并未带来更好结果，反而挑战了“配置越多效果越好”的传统认知。
DeepSeek V4 Flash 定位为侧重速度与效率的 Flash 模型。轻量化配置的 Pi 之所以占优，逻辑在于：每增加一层，智能体就多了一个可能出错的路径；每增加一个工具，决策复杂度便随之上升；每增加一份冗长的指令文件，模型需处理的噪声也更多。
干净的 Harness 为模型提供了从接收任务到执行完成的短路径，而臃肿的架构则导致绕行。默认安装之所以击败重量级配置，核心在于路径更短，偏离方向的风险更低。
99.9% 缓存命中率的实现机制
Pi 并非专为 DeepSeek 设计，而是一套面向开发者的 Agent 底座，支持扩展系统提示词、筛选对话历史、自定义上下文压缩及动态管理工具。这种可编程性为 DeepSeek 的缓存优化提供了广阔空间。
DeepSeek API 采用前缀缓存机制：若请求开头的 Token 序列与上一次完全相同，服务端将直接从缓存读取并以极低价格计费。关键在于，前缀匹配必须从第一个 Token 开始，一旦上下文前部发生变化，后续大量 Token 将无法命中缓存。
典型的 Agent 请求包含系统提示词、工具定义、对话历史及本轮新增内容。随着会话增长，重复内容增多，理论上更适合缓存。但若 Harness 每轮都重新整理内容（如加入时间戳、改变工具顺序或重写摘要），长上下文将难以被稳定复用。
针对此痛点，社区涌现出一批优化项目。开源项目 Reasonix 专为 DeepSeek 前缀缓存设计，其核心理念是保持上下文前端稳定，采用追加而非修改的方式，并将变更成本降至最低。
有开发者尝试将 Reasonix 的性能优势移植至针对 Pi 优化的 DeepSeek 软件包中。激活后，缓存命中率可稳定维持在 99.7% 至 99.9% 之间。
Reasonix 的具体实现策略包括：
- 启动时注入稳定环境摘要：避免每轮对话重新生成，并在触发摘要压缩前截断清理过时的工具输出。
- 工具 Schema 契约文档化：对内置工具进行回归审查，防止因工具定义调整导致缓存失效。
- 双模型模式隔离：执行模型与规划模型运行在各自独立且缓存稳定的会话中，避免交错破坏前缀稳定性。
Pi 生态中的第三方扩展 pi-deepseek-cache 也采用了类似思路：
- P0 层：冻结日期和当前工作目录，杜绝因动态内容（如 Current date）导致的缓存失效。
- P3 层：利用 deepseek-v4-flash 在 temperature 为 0 的条件下进行确定性摘要，并对结果做哈希缓存，确保相同输入始终复用字节一致的摘要。
- P2 层：通过 SHA-256 哈希诊断前缀变化，帮助开发者快速定位缓存失效根因。
降本效果显著：以 deepseek-v4-flash 为例，输入 Token 成本从每百万 0.14 美元降至 0.003 美元，降幅达 98%；deepseek-v4-pro 则从 3.00 美元降至 0.025 美元，降幅高达 99%。
写在最后
值得注意的是，DeepSeek 官方至今尚未推出自有 Harness。然而，"DeepSeek Harness 团队”微信公众号已于 8 月 11 日完成注册，且产品内测已启动，预示着官方产品即将正式发布。
官方 Harness 的核心优势在于“原生适配”。不同于第三方通过公开 API 进行的逆向优化，官方团队可与模型训练团队深度协同，利用模型内部非公开信息进行针对性优化。这种深度的软硬结合，是任何第三方方案难以企及的。
参考链接：
https://x.com/badlogicgames/status/2086877202239353285
https://www.reddit.com/r/DeepSeek/comments/1vhhxvy/deeppi_reasonixlevel_cache_performance_in_pi/
https://dev.to/arshtechpro/reasonix-deepseek-a-terminal-coding-agent-built-around-the-thing-everyone-else-ignores-3l21
https://pi.dev/packages/@rohaquinlop/pi-deepseek-cache
https://www.youtube.com/watch?v=j3c35v386T0
声明：本文为 AI 前线整理，不代表平台观点，也不构成投资建议，未经许可禁止转载。