# DeepSeek Harness · SI-API Todos os 7 modelos da SI-API · uma configuração de agente Modelo inicial padrão: deepseek-flash Interface: web Sistema: macos Modelos incluídos: GLM 5.3 Flash (glm-5.3-flash), DeepSeek V4.1 Flash (deepseek-flash), Kimi K3.1 Pro (kimi-k3.1-pro), Kimi K3.1 Pro HighSpeed (kimi-k3.1-pro-highspeed), GLM 5.3 (glm-5.3), MiniMax M3.1 Flash (minimax-m3.1), Qwen3.8 Max (qwen3.8-max). Os modelos de configuração contêm apenas marcadores. Salve sua chave real localmente. Preserve configurações e permissões não relacionadas. ## 1. Prepare sua ferramenta e sua chave Instale DeepSeek Harness pela página oficial. Crie ou copie sua chave SI-API em /pt-br/keys. Abra Local Web → Settings → Models. Adicione um provedor personalizado compatível com OpenAI chamado SI-API, ID siapi, URL base https://siapi.ai/v1 e sua chave. Mescle o arquivo reasoning.patch.yaml fornecido nesse provedor para adicionar os sete modelos e seus controles de esforço. ## 2. Salve a configuração Baixe e extraia o ZIP. Substitua YOUR_SIAPI_API_KEY pela sua chave e salve cada arquivo no caminho indicado abaixo. Mescle os campos com o arquivo existente, preservando outros provedores, permissões e preferências. Não substitua toda a configuração existente. Local da configuração: Local Web → Settings → Models ## 3. Inicie seu agente Inicie uma nova sessão e envie uma mensagem. O modelo inicial é deepseek-flash. dsh web ## 4. Alterne entre todos os modelos Após a configuração, escolha qualquer modelo abaixo dentro do agente. A mesma chave e configuração funcionam com os sete modelos; não é necessário baixar ou conectar novamente. ### GLM 5.3 Flash · glm-5.3-flash Seletor de modelos → SI-API → GLM 5.3 Flash (glm-5.3-flash) Configurações de raciocínio: Low, High e Max. O raciocínio fica sempre ativado; escolha Low para menos raciocínio. O padrão do modelo é Max. ### DeepSeek V4.1 Flash · deepseek-flash Seletor de modelos → SI-API → DeepSeek V4.1 Flash (deepseek-flash) Configurações de raciocínio: Off, Low, High e Max. Medium / XHigh correspondem a High; Ultra corresponde a Max. ### Kimi K3.1 Pro · kimi-k3.1-pro Seletor de modelos → SI-API → Kimi K3.1 Pro (kimi-k3.1-pro) Configurações de raciocínio: Low, High e Max. O raciocínio fica sempre ativado; escolha Low para menos raciocínio. O padrão do modelo é Max. ### Kimi K3.1 Pro HighSpeed · kimi-k3.1-pro-highspeed Seletor de modelos → SI-API → Kimi K3.1 Pro HighSpeed (kimi-k3.1-pro-highspeed) Configurações de raciocínio: Low, High e Max. O raciocínio fica sempre ativado; escolha Low para menos raciocínio. O padrão do modelo é Max. ### GLM 5.3 · glm-5.3 Seletor de modelos → SI-API → GLM 5.3 (glm-5.3) Configurações de raciocínio: Low, High e Max. O raciocínio fica sempre ativado; escolha Low para menos raciocínio. O padrão do modelo é Max. ### MiniMax M3.1 Flash · minimax-m3.1 Seletor de modelos → SI-API → MiniMax M3.1 Flash (minimax-m3.1) Configurações de raciocínio: Use o padrão do modelo. Esta rota não oferece controles personalizados de raciocínio. ### Qwen3.8 Max · qwen3.8-max Seletor de modelos → SI-API → Qwen3.8 Max (qwen3.8-max) Configurações de raciocínio: Off, Low, Medium e XHigh. High / Max correspondem a XHigh, sem níveis adicionais. ## 5. Escolha o esforço de raciocínio Escolha um modelo no agente e use o seletor de esforço ou variante. Com DeepSeek V4.1 Flash, experimente Low e High. Comece com o DeepSeek V4.1 Flash. Escolha Low, envie uma tarefa curta de leitura de arquivo, depois escolha High e repita. Confira a configuração atual após cada alteração. Effort é a quantidade de raciocínio solicitada. Kimi K3.1 Pro / HighSpeed, GLM 5.3 e GLM 5.3 Flash oferecem Low / High / Max, com raciocínio sempre ativado. Escolha Low para raciocínio mais curto; não há opção Off. O padrão desses modelos é Max, mas o cliente pode substituí-lo. DeepSeek e Qwen têm os níveis próprios listados abaixo. O MiniMax M3.1 Flash usa o raciocínio padrão. As configurações do MiniMax M3 se aplicam a outro modelo. A descoberta de modelos ou a inclusão manual pode fornecer nomes sem metadados de raciocínio. Se o menu Effort não aparecer, feche o aplicativo e mescle os modelos abaixo no provedor siapi existente em cordis.patch.yml do perfil ativo. Para dsh web, use $DSH_HOME/profiles/web/cordis.patch.yml; a opção Open configuration file no cabeçalho Settings pode ajudar a localizá-lo. O Desktop tem perfil próprio: localize o perfil usado por ele. Preserve o identificador do plugin, a referência à chave, a URL e os outros provedores. Perfis atuais usam id: llm-pi-ai; perfis antigos podem usar name: '@deepseek-ai/dsh-llm-pi-ai'. Atualize as entradas por id sem duplicá-las. Reinicie, selecione DeepSeek V4.1 Flash, abra Effort no seletor e escolha Low ou High. A seleção é salva como padrão para novas sessões. Este download é um patch de recursos, não uma configuração de conexão nem um padrão de raciocínio. Antes da primeira requisição de cada modelo, selecione explicitamente uma intensidade compatível: High para DeepSeek, Max para Kimi e GLM, XHigh para Qwen. Sem uma seleção, o raciocínio pode ficar desativado em alguns modelos. Após trocar de modelo, confira novamente a intensidade selecionada. ### Mescle os recursos dos modelos no perfil ativo ```yaml - id: llm-pi-ai config: providers: siapi: compat: supportsDeveloperRole: false models: - id: glm-5.3-flash reasoningEfforts: low: low high: high max: max - id: deepseek-flash reasoningEfforts: off: none low: low high: high max: max - id: kimi-k3.1-pro reasoningEfforts: low: low high: high max: max - id: kimi-k3.1-pro-highspeed reasoningEfforts: low: low high: high max: max - id: glm-5.3 reasoningEfforts: low: low high: high max: max - id: minimax-m3.1 reasoningEfforts: false - id: qwen3.8-max reasoningEfforts: off: none low: low medium: medium xhigh: xhigh ``` - Off corresponde explicitamente a none. Um valor off vazio apenas omite um parâmetro e pode manter o raciocínio padrão do servidor ativado. Preserve os mapeamentos fornecidos. Resultado esperado: No DeepSeek V4.1 Flash, a configuração muda de Low para High e volta a Low antes da próxima mensagem. Os demais modelos seguem os controles abaixo. Perfis do Harness e reasoningEfforts: https://github.com/deepseek-ai/deepseek-harness/blob/master/docs/user/guide/providers.md#reasoning-effort ## 6. Confira o modelo e execute sua primeira tarefa Abra um projeto com README.md. Permita que a ferramenta leia o arquivo e envie o prompt abaixo. Confirme a leitura e o retorno de um resumo. Para testar outro modelo, troque pela tabela acima e repita a tarefa. Confira o modelo ativo da SI-API no seletor ao lado do campo de mensagem. Use a ferramenta de leitura de arquivos para ler o README.md deste projeto e resumir sua finalidade em uma frase. Não modifique nenhum arquivo. ## provider-reference.json Salvar em: Local Web → Settings → Models Use esta referência para criar o provedor siapi e inserir sua chave no campo local de credenciais. Mescle reasoning.patch.yaml abaixo para adicionar os sete modelos e seus controles de esforço de uma vez. ## reasoning.patch.yaml Salvar em: cordis.patch.yml do perfil ativo Mescle as entradas dos modelos no provedor siapi existente do llm-pi-ai. Preserve os campos de conexão e credenciais; não duplique o plugin. Mantenha o identificador existente (perfis antigos usam name: '@deepseek-ai/dsh-llm-pi-ai'). Este patch declara opções de esforço; selecione um Effort aceito no seletor antes da primeira requisição. ## Observações Desktop e web local podem usar perfis diferentes. Edite o perfil ativo mostrado pelo aplicativo; a interface web normalmente usa $DSH_HOME/profiles/web/cordis.patch.yml. Se a chave for fornecida por SIAPI_API_KEY, o processo do Harness precisa receber essa variável. Caso contrário, use o armazenamento local de credenciais. O arquivo de referência não contém credenciais. Off, Low, High e Max. Medium / XHigh correspondem a High; Ultra corresponde a Max. Referência: https://github.com/deepseek-ai/deepseek-harness/blob/master/packages/llm/llm-pi-ai/README.md Configuração dos modelos: https://siapi.ai/pt-br/docs/models#configuration Compatibilidade dos Agents: https://siapi.ai/pt-br/docs/compatibility