DeepSeek Harness v0.1: el giro de China hacia los agentes de IA autónomos con un framework open source

Un giro estratégico: de los LLM a la IA agéntica

DeepSeek construyó su reputación entrenando modelos de lenguaje de vanguardia a una fracción del costo de sus competidores estadounidenses como OpenAI y Anthropic. Con Harness, la empresa se adentra en la "capa de ejecución" —la infraestructura que transforma la inteligencia del modelo en un producto desplegable y generador de ingresos . El South China Morning Post calificó este lanzamiento como "un giro estratégico, ya que DeepSeek se aventura en un nuevo campo de batalla más allá de los grandes modelos de lenguaje" .

La compañía ha respaldado este giro con aproximadamente 7.000 millones de dólares en financiación externa —su primera gran inyección de capital externo— y ha lanzado una agresiva campaña de contratación en la división Harness . Para junio de 2026, se informó que DeepSeek planeaba duplicar todos sus departamentos para expandir esta nueva línea de negocio .

"Todo es un plugin": la arquitectura modular

El principio de diseño fundamental de Harness es "Todo es un plugin" . Está construido sobre el meta-framework Cordis, que gestiona la carga, descarga y dependencias de los plugins . Todos los componentes —modelos, herramientas, habilidades, sesiones, zonas de pruebas (sandboxes), sistemas de archivos, bucles de orquestación e incluso la interfaz de usuario— se implementan como plugins independientes de Cordis .

Esto significa que los desarrolladores pueden combinar, intercambiar, reemplazar y ampliar cualquier capacidad sin modificar el código fuente central . No existe un "núcleo privilegiado al que parchear" ; para extender el sistema, simplemente se añaden nuevos plugins junto a los existentes. La arquitectura está diseñada para que los desarrolladores puedan componer un runtime de agente personalizado seleccionando solo los plugins que necesitan para una tarea concreta .

Cuatro modos de ejecución predefinidos

Harness incluye cuatro modos de agente integrados, cada uno con una composición diferente del mismo sistema de plugins :

Cada modo carga un conjunto de plugins por defecto; cambiar de modo modifica las herramientas que el agente tiene a su disposición y la forma en que ejecuta las tareas .

El diseño de registro de sesión de solo adición garantiza que cada indicación del sistema, cadena de pensamiento, llamada a herramienta y su resultado, envío de subagentes e inyección de contexto quede completamente registrado, permitiendo la reproducción y depuración exacta de cualquier trayectoria del agente .

La contratación estrella: Cui Tianyi de Jane Street

En mayo de 2026, DeepSeek reclutó a Cui Tianyi (Tianyi Cui), un antiguo investigador cuantitativo e ingeniero estrella de Jane Street, para liderar su nuevo equipo Harness . Su perfil de LinkedIn lo describe como "Miembro del Personal Técnico, Equipo Harness" en DeepSeek AI desde marzo de 2026, construyendo el Agent Harness desde Pekín . Anteriormente, Cui cofundó la firma de trading cuantitativo TSY Capital con sede en Hong Kong, tras casi nueve años en Jane Street en funciones de desarrollo de software e investigación cuantitativa .

El investigador sénior Deli Chen reveló en mayo de 2026 que el equipo está construyendo "CodeHarness" desde cero, con un producto independiente "DeepSeek Code" que, según se informa, está en desarrollo . El propio Cui ha estado realizando entrevistas diarias a candidatos y publicando anuncios de contratación en múltiples plataformas, describiendo al equipo Harness como el que "asume directamente una de las tareas más centrales e importantes de la empresa" .

Posicionamiento competitivo frente a Anthropic Claude Code

DeepSeek Harness se posiciona directamente como una alternativa a Anthropic Claude Code, la popular herramienta de agente de codificación de la empresa estadounidense . DeepSeek registró una cuenta oficial de WeChat dedicada, "DeepSeek Harness (Tool Framework)", como un canal independiente para la línea de negocio Harness .

Sin embargo, DeepSeek ha declarado públicamente que Harness no pretende ser "el próximo Codex" . En cambio, se presenta como un runtime de agente recomponible y reproducible donde cada capacidad es intercambiable: un enfoque más modular y abierto en comparación con competidores más monolíticos . La estrategia de licencia abierta MIT contrasta con los modelos propietarios de Anthropic y OpenAI, lo que podría atraer a un ecosistema de desarrolladores más amplio .

El proyecto cosechó más de 33.000 estrellas en GitHub en cuestión de horas tras su vista previa pública , lo que refleja un gran interés por parte de los desarrolladores en este enfoque de código abierto y centrado en plugins.

Cómo empezar

Empezar es sencillo: ejecute

npx @deepseek-ai/dsh web