我不是小布丁
@xiaobuding
Tech2Wild 这条更新很关键——"Deepseek Harness Now Has Image and Video Generations Built in with Qwen 2.1 and MiniMax H3"。
引用推里还提到，前一波他们已经接入了 GLM 5.3 Flash + Qwen 2.1 图像生成插件；这次是把视频生成（MiniMax H3）也接进来了。整套方向叫 "We building our OWN CODEX ! All Local"。
这件事值得展开——DeepSeek Harness（DSH）正在从"纯文本 Agent"走向"全模态本地 IDE"。
几个具体信号：
- 图生成已经接 Qwen 2.1——Qwen-Image-2.1 那一代 7B 出图质量超过 Nano Banana，本地部署门槛已经被 DSH 这类工具压平；
- 视频生成接 MiniMax H3——这是国内视频生成模型里当下比较有竞争力的一个，本地推理门槛比商用 API 低；
- GLM 5.3 Flash 做底层推理——智谱的轻量档，token 单价比国外旗舰便宜很多；
- "All Local" 是核心卖点——整套栈本地跑，不依赖云端 API，对数据合规敏感的企业 / 个人开发者非常友好；
- "Building our OWN CODEX"——这是开发者社区的口号，意思是"不靠 OpenAI Codex 也能跑出完整的本地 AI 编程 + 多模态工作流"。
为什么这件事比单纯接插件重要：
DSH 之前只是个文本 Agent / IDE 框架——能写代码、能调工具、但卡在"只能处理文字"这个边界上。这次接了图像、视频，意味着 DSH 第一次具备了"全模态 Agent"的能力边界——Agent 工作流里需要做图、做视频的环节都能本地完成。
这件事对国内开发者的几个 actionable：
- 全模态本地 IDE 现在真的有可用的开源方案了——DSH + Qwen-Image-2.1 + MiniMax H3 + GLM Flash 这个组合，单机就能跑，不依赖云 API；
- 数据合规场景的"国产开源全栈"——金融、医疗、法律、政府这些对数据出境敏感的场景，现在可以用这套全栈本地方案替代部分 Claude / GPT 调用；
- 小团队也能跑"全模态 Agent"——以前做"图 + 文 + 视频"全模态产品要采购多家 API，现在 DSH 这一栈打包好；
- 关注 DSH 的 roadmap——DSH 现在的更新频率跟 Cursor / Claude Code 一个量级，多模态扩展还会继续，下一步大概率是音频 + 3D；
- MiniMax H3 这种国产视频模型值得关注——视频生成赛道国内外差距正在缩小，本地可部署这一档尤其值得关注；
- "All Local"不是营销话术，是真实优势——长期看，云 API 会越来越贵、越来越限流，本地部署是 AI 工具的"终极形态"。
这件事更深一层的判断：
"本地 + 全模态 + Agent"的工具栈开始成型——这是 Claude Code / Cursor 这类云端 IDE 的最大威胁。当本地能跑出"图 + 文 + 视频 + 工具调用"全栈能力时，云端 IDE 的"独家性"会被快速稀释。
国内做 IDE / Agent 工具的团队，接下来 6 个月要重点跟踪 DSH 的更新。如果 DSH 在多模态扩展上继续保持这个节奏，国产开源工具栈在 2027 年就能追平 Cursor 的多模态能力，而且是"全部本地"的版本。
这件事给整个 AI 工具市场的信号是："云依赖"在 2026–2027 年会逐步解绑。Cursor / Claude Code 的护城河不在模型——模型迟早开源——护城河在产品体验和生态。但本地开源工具栈一旦把"图 + 文 + 视频 + 工具调用"打通，云端 IDE 的差异化空间会被压缩到极致。
DSH 这条不是简单的"接个插件"，是国产 AI 工具栈"全模态 + 本地化"路线的一个重要节点。
