2026 年 11 月 5 日晚,DeepSeek 官方公布了 DeepSeek Harness 的产品与社区进展,并披露了面向插件作者的支持计划。按官方口径,截至 11 月 4 日、以使用官方 API 的用户为统计范围,DeepSeek Harness 日活跃用户已达 154 万,日消耗 Token 约 92 万亿;发布至今第三方插件数量增至约 3.5 万个,约 60% 的活跃用户制作或安装了至…
2026 年 11 月 5 日晚,DeepSeek 官方公布了 DeepSeek Harness 的产品与社区进展,并披露了面向插件作者的支持计划。按官方口径,截至 11 月 4 日、以使用官方 API 的用户为统计范围,DeepSeek Harness 日活跃用户已达 154 万,日消耗 Token 约 92 万亿;发布至今第三方插件数量增至约 3.5 万个,约 60% 的活跃用户制作或安装了至少一款第三方插件。官方同时表示,将进一步提升插件 API 的稳定性与兼容性、完善插件安全机制,并建设官方插件市场,让插件作者更方便地上传插件、用户更方便地找到所需插件(来源:IT之家 2026-11-05 22:48 转引 DeepSeek 官方公告)。
对长沙中小企业来说,这条消息的价值不在于”又多了一个平台”,而在于一件事:智能体接企业系统的主流路径,正在从”自己写工具”转向”从生态里挑工具”。这件事值得单独算一次账。
一、两条供给线在同一天往前推
同一时间窗口,产业链的另一端也在动。英伟达发布技术解读,提出”全栈协同设计”,把 GPU、CPU、网络、存储和软件当作一个整体来提升内存使用效率;文中援引 SemiAnalysis 的 AgentX 基准给出的口径是,在每用户每秒 125 token 的条件下,Vera Rubin NVL72 相较 GB300 NVL72 的每美元智能体吞吐量提升幅度可达 30 倍,而每 GPU 的 HBM 容量仅增加约 3%(来源:IT之家 2026-11-06 07:30)。
一条是算力与内存供给侧在抠效率,一条是能力供给侧在扩生态。算力侧的选择题我们已在《AI 算力成本对比》一文里单独算过,本篇不再重复;本篇只谈生态侧——因为对绝大多数长沙中小企业来说,这两条线里真正能落到自己手上的,是后者。
二、四个数字说明什么
154 万日活、约 92 万亿 Token/天、约 3.5 万个第三方插件、约 60% 的活跃用户做过”制作或安装插件”这件事——连起来看,指向一个结构性变化:智能体的”手”(工具、接口、业务系统连接)正在和它的”脑”(模型)分开售卖。
92 万亿 Token/天,说明生态级用量已经出现,推理成本由平台侧摊薄,中小企业不需要自己扛算力这一层。3.5 万个插件,说明能力供给正在外部化——企业不必自己开发对接进销存、CRM、ERP、邮件、日历的每一段代码。60% 这个比例,说明”装插件”已经从尝鲜变成常态行为。
但官方把”完善插件安全机制”写进了接下来的计划,这本身说明生态还处在早期。企业今天要做的是接住这个方向,而不是押注某一批插件。这正接上我们在《DeepSeek Harness 开源上线:插件化智能体框架解析与中小企业落地建议》里提过的那句判断:当模型、工具、会话、存储都能被替换,企业真正沉淀下来的资产就不再是代码量,而是业务数据、权限边界和验收标准。
三、接入三问
问一:要不要接?判据不是”有没有插件”,而是”这件事对响应速度和人力成本的改善,是否值得引入一条新的外部依赖”。值得接的通常是三类:高频、规则清晰、结果可复核的动作(查库存、生成报价单、抄送货单);长尾但重复的系统对接(多平台订单归集、发票信息核对);需要连到外部渠道的动作(企业微信、邮件、电商平台后台)。建议暂缓的也有两类:核心算法与报价逻辑先留在自己手里;涉及付款和合同承诺的动作,先保留人工复核环节。
问二:先接哪些场景?长沙中小企业的常见业务里,建议按”数据是否已经在系统里”排序,而不是按”AI 听起来能做什么”排序。一个可参考的顺序是:进销存与库存查询 → 客服问答与工单 → 销售报价与文档生成 → 经销商对账。这几类的数据通常已经躺在企业现有系统里,本地服务商对接成本可控,也容易在 30 天内看到变化。智能体平台本身怎么挑,可以对照《2026 年国产 AI Agent 平台对比:六款主流产品深度评测与选型指南》里的维度。
问三:谁来维护?插件装上之后,版本更新、接口变更、故障响应都会落到某个具体的人身上。建议在采购或合作条款里写清三件事:谁负责看插件更新日志、谁在插件异常时有权一键停用、异常时的日志与操作记录由谁保留。框架层的”可替换”设计,并不等于运维责任自动转移给了插件作者。
四、三道边界
边界一:权限边界。第三方插件拿到的是你的账号或令牌。可读写的范围、调用频率上限、能访问哪些数据表,都要在接入前写死,而不是指望插件自觉。我们在《Agent 删库频发之后:长沙中小企业给 AI Agent 划权限边界的五条护栏与验收清单》里写过具体做法,这里不重复。
边界二:数据边界。插件的运行位置和数据流向要问清楚:数据落在境内还是境外、中间经过谁家的服务器、日志里留了什么。这件事对涉及客户名单、报价、成本结构的数据尤其关键——它属于《生成式人工智能服务管理暂行办法》与数据出境安全评估办法覆盖的范围,不该当成技术细节放过。合同与责任条款怎么写,可参考《AI 说错话算错账谁来买单:最高法 24 条与 AI 责任保险,长沙企业的一份 AI 合规采购清单》。
边界三:供应商边界。3.5 万个插件里个人开发者维护的占多大比例、插件停更后由谁接手、官方智能体插件市场上线后是否会重新排序——这些问题在生态早期都还没有定论。企业能接受的做法是:关键流程保留一条人工或半人工的备用路径,并把自己依赖哪几个插件写进架构文档。插件之间怎么通信、怎么被替换,正是 《MCP+A2A 双协议驱动 2026 企业 AI Agent 落地》讨论的那一层问题。
五、账怎么算
三笔钱要分开看:
- 模型推理费(按 Token 计)。这一项应接进统一网关和用量看板,做法在《模型越接越多、成本越花得更快:中小企业怎么用一层 AI 网关把账算清》里给过。
- 插件侧成本。要分清哪些插件按调用次数收费、哪些免费或含在订阅里。官方智能体插件市场尚未上线,这一项目前基本不透明,谈判时可参照《大模型 API 计费方式怎么谈:按 Token、按调用还是按结果,中小企业的 5 个合同条款》里的按调用/按结果条款思路。
- 隐藏成本。插件维护、异常处理、返工与审计留痕。这一项往往比前两项更容易被漏掉,也是”接入很快、上线很痛”的常见来源。
关于”日消耗 Token 约 92 万亿”这个数字,需要谨慎使用:它是整个生态的合计值,官方并未公布单用户用量;用总量除以日活得到的均值包含大量写代码、长上下文的重度用户,不适合直接当作企业预算基线。稳妥的做法是拿自己场景的用量数据做基线——先跑两周,记录每天的调用次数、上下文长度与失败重试次数,再推月度成本。
六、30/60/90 天节奏
| 阶段 | 要完成的事 | 交付物 |
|---|---|---|
| 30 天 | 选 1 个场景(例如库存查询或客服问答),只接 2–3 个插件,把权限范围和停用开关落到纸面 | 一页纸的场景说明 + 权限范围表 |
| 60 天 | 接上用量看板,确认模型推理、插件调用、维护投入三项成本各自的量级 | 一张月度成本估算表 |
| 90 天 | 确定哪些流程保留人工兜底,出台内部约定 | 《AI 插件使用与权限管理》内部约定 |
还有一个提醒:等官方智能体插件市场真正上线再做选择也不迟,但要提前想清楚”我们的关键流程依赖哪几个插件”。市场排序一变,业务就容易被带着走。
154 万日活和 3.5 万个插件说明生态已经跑起来了;官方把”完善插件安全机制”写进计划,说明它还在早期。对长沙中小企业来说,现在要做的不是”上哪个插件”,而是把自己的业务数据、权限边界和验收标准握在手里。多智能体协作怎么搭、角色怎么分,可以接着看《多智能体协同(Multi-Agent)2026:从单点智能到团队协作,企业落地的下一站》。
免责声明:本文基于行业通用场景分析与公开报道撰写,所述效果为典型应用中的可能表现,具体结果因行业、业务规模及实施条件而异,不构成对预期效果的承诺。文中提及的企业信息如涉及真实案例,均已获得授权并做脱敏处理。文中引用的产品数据均转引自公开媒体报道及企业公开公告,未经当事方核实。
