DeepSeek Harness v0.1: Der strategische Sprung von Chinas KI-Vorreiter in die Welt der autonomen Agenten

Am 13. und 14. August 2026 hat das chinesische KI-Unternehmen DeepSeek DeepSeek Harness v0.1 veröffentlicht – eine quelloffene Agenten-Laufzeitumgebung unter der MIT-Lizenz. Damit verlagert DeepSeek den Fokus weg von der Entwicklung kosteneffizienter großer Sprachmodelle hin zum Wettbewerb auf der Ebene autonomer KI-Agenten . Es handelt sich nicht um eine weitere Modellveröffentlichung, sondern um eine strategische Neuausrichtung, die Analysten und das Unternehmen selbst als Schritt in „ein neues Schlachtfeld jenseits großer Sprachmodelle“ bezeichnen .

Was ist DeepSeek Harness?

DeepSeek Harness ist eine auf Node.js basierende Software, die über einem großen Sprachmodell (LLM) sitzt – das „Geschirr“ oder „Harness“. Es übernimmt die Verwaltung von Werkzeugen (Tools), Speicher (Memory), der Orchestrierung von Unter-Agenten, Sitzungsverwaltung und der Logik zum Beenden von Aufgaben, sodass das Modell eigenständig komplexe, mehrschrittige Abläufe ausführen kann . DeepSeek's interne Formel ist simpel: Modell + Harness = Agent . Das Modell ist das denkende Gehirn; das Harness das periphere System, das dieses Gehirn mit Dateien, Terminals, Browsern und externen Werkzeugen verbindet .

Ein strategischer Kurswechsel von Sprachmodellen zu agentischer KI

DeepSeek baute seinen Ruf darauf auf, hochmoderne Sprachmodelle zu einem Bruchteil der Kosten von US-Konkurrenten wie OpenAI und Anthropic zu trainieren. Mit Harness bewegt sich das Unternehmen nun in die „Ausführungsebene“ – die Infrastruktur, die rohe Modellintelligenz in ein einsatzbereites, umsatzgenerierendes Produkt verwandelt . Die South China Morning Post bezeichnete die Veröffentlichung als „einen strategischen Kurswechsel, da DeepSeek sich in ein neues Schlachtfeld jenseits großer Sprachmodelle vorwagt“ .

Das Unternehmen hat diesen Kurswechsel mit rund 7 Milliarden US-Dollar an externer Finanzierung – der ersten großen externen Kapitalspritze – untermauert und einen aggressiven Einstellungsmarathon in der Harness-Abteilung gestartet . Bis Juni 2026 war DeepSeek Berichten zufolge bestrebt, alle Abteilungen zu verdoppeln, während der neue Geschäftsbereich aufgebaut wurde .

„Alles ist ein Plugin“ – modulare Architektur

Das bestimmende Designprinzip von Harness ist „Alles ist ein Plugin“ . Es basiert auf dem Cordis-Meta-Framework, das das Laden, Entladen und die Verwaltung von Abhängigkeiten von Plugins übernimmt . Alle Komponenten – Modelle, Werkzeuge, Fähigkeiten, Sitzungen, Sandboxen, Dateisysteme, Orchestrierungsschleifen und sogar die Benutzeroberfläche – sind als unabhängige Cordis-Plugins implementiert .

Das bedeutet, dass Entwickler jede Fähigkeit mischen, anpassen, ersetzen und erweitern können, ohne den Quellcode des Kerns ändern zu müssen . Es gibt „keinen privilegierten Kern, der gepatcht werden müsste“ ; die Erweiterung des Systems erfolgt durch das Hinzufügen neuer Plugins neben bestehenden. Die Architektur ist so ausgelegt, dass Entwickler eine individuelle Agenten-Laufzeitumgebung zusammenstellen können, indem sie nur die Plugins auswählen, die sie für eine bestimmte Aufgabe benötigen .

Vier Laufzeit-Voreinstellungen

Harness wird mit vier integrierten Agenten-Voreinstellungen ausgeliefert, die jeweils eine andere Zusammensetzung desselben Plugin-Systems darstellen :

Modus	Name	Zweck
Standard	Vollständiger Codier-Agent	Alltägliches Codieren, Debuggen und Projektanalyse mit dem kompletten Werkzeugsatz, einschließlich Dateibearbeitung, Shell, Web-/Dateisuche, Fähigkeiten, Planung, Zielen, Unteragenten und Workflows .
Code (PTC)	Programmatischer Tool-Aufruf	Das Modell generiert TypeScript, um mehrere Tool-Aufrufe in einem einzigen run_code-Vorgang zu orchestrieren – Reduzierung von Hin- und Her-Aufrufen und Token-Verbrauch für Stapelsuchen, parallele Lesevorgänge und mehrschrittige automatisierte Workflows .
Minimal	Benchmarking-Modus	Nur ein Shell-Tool und ein Datei-Editor – reduziert für reproduzierbare Modell-Benchmarks. Diesen Modus nutzte DeepSeek intern, um V4-Flash vor der öffentlichen Veröffentlichung zu testen .
Creator	Selbstbeobachtung und Entwicklung	Untersuchen der laufenden Cordis-Umgebung, Testen von Plugin-Verbindungen im Arbeitsspeicher, Erstellen neuer Voreinstellungen und Entwickeln eigener Plugins .

Jeder Modus lädt eine andere Standard-Plugin-Gruppe; das Wechseln des Modus ändert, welche Werkzeuge ein Agent verwendet und wie er ausgeführt wird .

Das nur-anhängende Sitzungsprotokoll stellt sicher, dass jeder System-Prompt, jede Gedankenkette, jeder Tool-Aufruf und jedes Ergebnis, jeder Unter-Agenten-Einsatz und jede Kontexteinbindung vollständig aufgezeichnet werden, was eine exakte Wiederholung und Fehlersuche jeder Agenten-Trajektorie ermöglicht .

Der Jane-Street-Talente-Coup: Cui Tianyi

Im Mai 2026 verpflichtete DeepSeek Cui Tianyi (Tianyi Cui), einen ehemaligen quantitativen Forscher und Star-Ingenieur von Jane Street, um das neue Harness-Team zu leiten . Cuis LinkedIn-Profil listet ihn seit März 2026 als „Mitglied des technischen Stabs, Harness-Team“ bei DeepSeek AI, wo er das Agent Harness in Peking aufbaut . Zuvor war er Mitbegründer der in Hongkong ansässigen quantitativen Handelsfirma TSY Capital, nachdem er fast neun Jahre bei Jane Street in den Bereichen Softwareentwicklung und quantitative Forschung tätig war .

Der leitende Forscher Deli Chen gab im Mai 2026 bekannt, dass das Team „CodeHarness“ von Grund auf neu aufbaut, und ein eigenständiges „DeepSeek Code“-Produkt sei Berichten zufolge in der Entwicklung . Cui führt persönlich tägliche Kandidateninterviews durch und schaltet auf mehreren Plattformen Stellenanzeigen. Er beschreibt das Harness-Team als eine Gruppe, die „direkt eine der zentralsten und wichtigsten Aufgaben des Unternehmens übernimmt“ .

Wettbewerbspositionierung gegenüber Anthropics Claude Code

DeepSeek Harness positioniert sich als direkte Alternative zu Anthropics Claude Code – dem beliebten Codier-Agenten-Werkzeug des US-KI-Unternehmens . DeepSeek richtete einen eigenen „DeepSeek Harness (Tool Framework)“-WeChat-Account als separaten offiziellen Kanal für die Harness-Geschäftssparte ein .

DeepSeek hat jedoch öffentlich erklärt, dass Harness nicht „der nächste Codex“ sein soll . Stattdessen handelt es sich um eine wiederverwendbare, wiederholbare Agenten-Laufzeitumgebung, bei der jede Fähigkeit austauschbar ist – ein modularerer und offenerer Ansatz im Vergleich zu monolithischeren Konkurrenten . Die quelloffene MIT-Lizenz-Strategie steht im Gegensatz zu den proprietären Modellen von Anthropic und OpenAI und könnte ein größeres Entwickler-Ökosystem anziehen .

Das Projekt erhielt innerhalb von Stunden nach der öffentlichen Vorschau über 33.000 GitHub-Sterne , was das starke Entwicklerinteresse an dem Plugin-zentrierten, quelloffenen Ansatz widerspiegelt.

Erste Schritte

Der Einstieg ist unkompliziert: Führe

npx @deepseek-ai/dsh web