10月31日晚，DeepSeek Harness团队在官方公众号发布技术文章，介绍其内部Super-agent实例的运作机制。同一时间，该实例在无人指派、无人新建会话的情况下，自主从群聊中识别软件问题线索，在独立目录中复现问题并生成修复方案，最终返回群聊交付一条可评审的Pull Request。这一案例被团队用于说明其Super-agent架构的实际运行状态。
与此同时，据公开报道和市场消息，DeepSeek已完成约1000亿元人民币融资，腾讯与宁德时代为出资最多的投资方，投前估值维持在约5000亿元。中信证券正在协助筹备科创板IPO，计划最快2026年末递表、2027年挂牌。DeepSeek及腾讯、宁德时代等相关方尚未对此公开回应或官宣，最终金额和交易细节仍存在变动可能。
Super-agent架构的核心是Router/Worker双层设计。Router常驻在线，统一接收群聊、GitHub、邮件等渠道的消息，维护全局上下文；Worker各自隔离上下文并行执行任务，结果由Router统一交付。用户感知为同一个Agent，实际背后是一组Agent协同工作。团队明确表示，该架构未提出新理论，而是将计算机系统中成熟的调度、缓存、存算分离、看门狗等思路引入Agent系统，目标并非提升模型智能水平，而是让Agent系统具备可运营性。
这一设计针对的是Agent产品面临的现实瓶颈。行业普遍认知是，一个人通常只能同时跟进3到5个活跃会话。过去一年Agent产品功能不断扩展，但每增加一个Agent，用户就多一个需要创建、投喂、盯进度、搬运结果的窗口。模型能力持续提升，人的管理带宽却未同步增长。Super-agent的架构本质上将调度职责从人转移到系统层，使Agent从单次演示工具转向可持续运行的系统。
实验数据显示，在约300条消息、20项工作请求的测试中，Super-agent任务完成时间p50为12.4分钟、p95为15.7分钟；带Subagent工具的单会话方案在中性提示下p95为29.5分钟。去掉订阅直通后，Router决策次数增加约30％，读缓存Token从2323万上升至3177万。该结果表明，系统层竞争的核心并非单纯节省Token，而是通过工程手段提升单位算力的使用效率。
行业层面，模型竞争的重点正在从参数规模与榜单排名转向系统能力。OpenAI已将Sessions、Agents SDK、Tracing、Evals列为一等开发面；Anthropic逐步补齐Memory、Compaction、Context Editing、Managed Agents；Google则将ADK、Agent Runtime、Memory Bank、Agent Gateway组织为完整平台。各家的共同方向是将Agent从模型调用升级为可运行的系统。其背景在于，Agent进入长链条任务执行后，Token消耗随任务拆解、工具调用和上下文积累快速放大，系统效率成为实际成本竞争的关键维度。
资本层面的出资方结构同样值得关注。腾讯连续两轮各出资100亿元，反映大厂参与AI竞争的方式正从纯自研转向自研与入股头部系统并行。宁德时代体系本轮出资100亿元，较首轮50亿元翻倍，产业资本对算力、能源与数据中心约束的关注早于财务资本。据The Information报道，中国移动和中国电信出现在本轮近30家投资方名单中，单家金额达数十亿元级别。运营商持有的全国性IDC与电力、骨干网带宽、智算集群及政企渠道，与DeepSeek近期开源昇腾适配组件、推进国产算力路线的方向形成呼应。
从技术架构到资本结构，DeepSeek正在同步推进两条路径：一端通过系统化设计降低Agent对人工调度的依赖，另一端通过融资绑定算力基础设施与产业资源。千亿级资金投向模型训练、算力建设与人才招募，其实际效果将取决于系统层工程能力能否转化为可持续的商业化场景。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
