今天（8月17日）零点，DeepSeek的峰谷调价正式落地：V4-Pro高峰时段输出价格从每百万tokens 6元提到27元，缓存命中输入涨了11倍。微博每日9:00-12:00、14:00-18:00执行高峰资费，只有闲时还能拿到半价。微博不过这两天本地部署圈里最热的不是吐槽涨价，而是一个刚开源的项目——DeepSeek Harness。按知乎网友8月16日的截图，这个仓库上线三天GitHub star就冲到了12.6万。知乎B站、知乎到处都在讨论同一件事：把Harness接上本地模型，是不是就能"token自由"了？
先给还没跟上节奏的朋友一句话同步：Harness不是新模型，而是DeepSeek官方开源的Agent执行框架。知乎可以理解成Claude Code那套"会自己读文件、跑命令、改代码、迭代调试"的底座，而且"一切皆插件"——模型、工具、界面全都能换。它本身免费，但默认调用DeepSeek官方API。问题就出在这儿：Agent恰好是最费token的用法。聊天是一问一答，Agent干一个任务动辄几十轮，每一轮都要带着完整上下文重新过一遍，一个稍微复杂的编程任务烧掉百万级token很常见。峰谷调价之后，白天高峰跑Agent，成本直接翻倍往上走。所以"Harness+本地模型"这套组合这周突然爆火，逻辑一点都不玄学。
但"免费"这两个字没那么好拿。我把这几天B站实测视频、知乎部署帖和评论区的真实反馈拢在一起，按显存档位捋了一遍，想入坑的先对照看看自己在哪一档。
32GB显存档（RTX 5090单卡，或双5060 Ti 16G）是目前跑Harness+Qwen3.8-27B的舒适区。有B站网友实测双5060 Ti跑Qwen3.8-27B的Q5 NVFP4量化，速度能到40 tokens/s，上下文能开到182K。哔哩哔哩更有意思的是，一位用5090做实测的UP主在评论区承认，自己的5090并没比双卡5060 Ti快多少，还补了一句"现在配电脑太亏了，双卡5060性价比高太多"。
24GB显存档（3090、4090这类）是"Agent能干活"的入门线：Q4量化能把27B完整塞进显存，还能留出32K上下文的空间。知乎这也是社区公认性价比最稳的一档。
16GB显存档最普遍，也最尴尬。Qwen3.8-27B的Q4_K_M量化文件约17GB，16G显存装不下，一部分权重落到内存里，速度直接跳水。哔哩哔哩有5060 16G用户实测只有5 tokens/s，也有5080用户报10 tokens/s。评论区的解法是换架构：上26B-A4B这类激活参数只有4B的MoE模型，Q2量化下上下文能拉到80K，Agent勉强能用。
8GB及以下就不用考虑了。有人拿4G显存的小模型接Harness拍了个视频，那是验证流程的玩法，不是干活的玩法。
还有一笔隐形账：内存。Qwen3.8-27B用了混合注意力架构，KV cache算是同级别里省的了——按FP16算每个token约64KiB，32K上下文大约占2GB显存，比很多人想象的友好。知乎但一位32GB内存的UP主仍说"能明显感觉到上下文瓶颈"。再看眼今年的内存价格，SK集团掌门人都在警告2027年是存储芯片供应缺口最大的一年。知乎如果你的本地Agent方案需要新购内存，这笔钱务必算进总账。
坑也替你拢了四个，都是社区这几天真实踩出来的。
第一个，“完全离线"目前并不完全。有网友实测，不配DeepSeek API Key、只接本地模型时，调用Harness自带的web_search插件照样提示缺"DEEPSEEK_API_KEY”。哔哩哔哩联网搜索这类能力现阶段还是绑官方API的。冲着"拔网线也能用"去的朋友，心理预期要改成"本地模型为主、部分服务仍走官方"。
第二个，本地模型能干活，但和跑分是两回事。Qwen3.8-27B的Agent跑分确实猛，官方模型卡上QwenSWEBench从上一代27B的49.3涨到79.0。知乎可那是高精度版本的成绩。低比特量化之后代码能力还剩几成，目前没人敢打包票；而且Qwen"思考偏多"的毛病在Agent场景里会被放大，评论区有人直言"思考太耗时间了"。社区里也有清醒派：一条高赞方向的评论说，本地部署目前更适合破限写作、剧本分镜这类场景，“正规干活根本不行”。哔哩哔哩马上被另一条怼回来："这跑分有Opus 4.6水平，可以干活。"两边都还没被说服，这就是现阶段的真实状态。
第三个，别把token省在错误的地方。一位社区用户的经验很值得抄：给项目维护一个AGENT.md文件记录核心规则和架构，让Agent每轮先读它。哔哩哔哩任务拆成最小模块、分批次多轮对话。这样每轮上下文都短，质量更稳，token省一大截——Harness自己也内置了上下文压缩能力。这套方法在云端省的是钱，在本地省的是电和时间。
第四个，安装这关比想象中折腾。Harness对Node版本要求很新，一部分核心依赖要求Node 22及以上，系统里Node太老的话，装到一半postinstall脚本就会直接崩溃，解法是把新版Node加进PATH最前面再重装。知乎Windows用户还要留意启动脚本：社区实测里有案例启动时找不到pnpm相关的命令，最后是重写启动脚本、理顺PATH才把服务跑起来。知乎遇到"命令找不到"这类报错，先查环境变量，别急着怀疑项目本身。
那么到底值不值得上？我的判断分三档：
手里已经有24GB及以上显存的，这个周末就值得折腾。Harness+Qwen3.8-27B Q4是目前被验证最多的组合，重复性的编程、文档、脚本任务丢给本地跑，电费几乎可以忽略。
16GB显存的，别硬上27B Q4。要么走MoE模型的路线先过渡，要么把能挪的批量任务挪到DeepSeek闲时跑——闲时价格是高峰的一半，这本身就是官方给你的"错峰省钱"方案。
想为这事专门装新机的，先等等。显卡价格今年涨了一轮，内存还在高位，那位5090 UP主都说现在装机亏。除非你有数据不能出本地的硬需求，否则拿新硬件去换"token自由"，这笔账现在怎么算都不划算。
最后留几个值得持续盯的信号：智谱GLM-5.3已经发布，并宣布两周内开源，743B参数主打编程，开源版本能不能落到本地，要看最终放出的规格。36氪Qwen3.8-27B的MTP多token预测加速正在被llama.cpp等引擎吸收，本地速度还有提升空间；Harness本体还是0.1.0-rc.6的开发者预览版，本地模型工具链补得很快。这件事几乎一周一变，想参与的，先用手里现有的卡试起来，别急着掏钱。
