RespuestasPublicado18 fuentes
DeepSeek V4 Pro y Harness: por qué el entorno del agente puede importar más que el modelo
DeepSeek presentó V4 Pro junto con Harness v0.1, una vista previa para desarrolladores con licencia MIT, no un producto de agente de programación completamente terminado. Harness convierte el entorno del agente en una infraestructura modular: modelos, herramientas, sesiones, almacenamiento, bucles de ejecución, plan...
Publicado porEditado con GPT-5.6 LunaImágenes generadas con GPT Image 1.5
Respuesta de investigación
Conclusiones clave
- DeepSeek presentó V4 Pro junto con Harness v0.1, una vista previa para desarrolladores con licencia MIT, no un producto de agente de programación completamente terminado.
- Harness convierte el entorno del agente en una infraestructura modular: modelos, herramientas, sesiones, almacenamiento, bucles de ejecución, planificación, sandboxes e interfaz pueden sustituirse mediante plugins de...
- En las pruebas de Composio, el mismo modelo DeepSeek V4 Flash completó entre 14 y 20 de 30 tareas según el harness utilizado, con diferencias importantes también en el coste por tarea exitosa.
- Los registros de sesión y las funciones de trayectoria pueden facilitar la evaluación y la mejora iterativa, pero los plugins de memoria o autoevolución no demuestran por sí solos un aprendizaje continuo fiable.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What were DeepSeek’s August 13, 2026 announcements of the official DeepSeek V4 Pro and the MIT-licensed developer preview of DeepSeek Harnes. Article summary: On August 13, DeepSeek paired the official release of DeepSeek V4 Pro—its agent-work-oriented flagship—with Harness v0.1, an MIT-licensed, source-available developer preview for people building agent runtimes rather than. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
El 13 de agosto de 2026, DeepSeek presentó dos piezas distintas de su apuesta por la inteligencia artificial basada en agentes: la versión oficial de DeepSeek V4 Pro, orientada especialmente a cargas de trabajo agenticas, y DeepSeek Harness v0.1, una vista previa para desarrolladores bajo licencia MIT destinada a construir y modificar entornos de ejecución para agentes. 32
20
El mensaje estratégico va más allá del lanzamiento de un modelo. En un flujo de trabajo real, el modelo opera dentro de un sistema que le proporciona contexto, herramientas, memoria, permisos, políticas de ejecución, mecanismos de recuperación y evaluación. Las pruebas de Composio sugieren que ese sistema que rodea al modelo puede alterar de forma sustancial tanto la tasa de éxito como el coste, incluso cuando el modelo subyacente permanece igual. 3
Dos anuncios con una misma dirección estratégica
DeepSeek lanzó V4 Pro junto con Harness v0.1. El programa se distribuye como dsh y se presenta como infraestructura para desarrolladores que crean sus propios agent harnesses —el entorno que coordina un modelo, sus herramientas y sus tareas—, no como un sustituto maduro y listo para el usuario de productos como Claude Code o Codex. 32
20
La licencia también es relevante. Al publicar la vista previa bajo la permisiva licencia MIT, DeepSeek permite inspeccionar, modificar y ampliar el runtime. La documentación del proyecto describe además una arquitectura independiente del modelo, de modo que los desarrolladores pueden trabajar con distintos proveedores sin quedar atados a uno solo. 22
28
El experimento de Composio explica por qué importa Harness
Composio ejecutó el mismo modelo DeepSeek V4 Flash en ocho harnesses distintos sobre 30 tareas de varios pasos. De las 240 ejecuciones, 129 terminaron correctamente, lo que equivale a una tasa global de éxito del 53,8 %. Solo seis de las 30 tareas fueron completadas con éxito por todos los entornos probados. 3
Las diferencias entre ellos fueron considerables:
- Pi Agent completó 20 de 30 tareas.
- Oh My Pi completó 17 de 30.
- Claude Code, Codex y DeepAgents completaron 16 de 30 cada uno.
- Hermes Agent completó 15 de 30.
- OpenCode completó 14 de 30.
La economía del proceso también varió. Composio estimó un coste por tarea exitosa de aproximadamente 0,195 dólares para Claude Code, 0,081 dólares para Codex y 0,045 dólares para DeepAgents. En el caso de Pi Agent, el coste comunicado fue de 0,028 dólares, aunque estas cifras deben interpretarse teniendo en cuenta la metodología del estudio y el comportamiento diferente de cada runtime. 3
No se trata de una clasificación universal de productos de agentes. El resultado demuestra algo más concreto: los benchmarks del modelo no describen por completo el rendimiento de un agente. La unidad práctica de comparación es cada vez más la configuración formada por modelo más harness.
Qué pretende hacer DeepSeek Harness
Harness está construido sobre Cordis, un framework en el que las capacidades del runtime se exponen mediante plugins. Según la documentación de arquitectura de DeepSeek, el adaptador del modelo, el registro de herramientas, el registro de sesiones y el bucle del agente son componentes sustituibles. 17
Entre los límites de plugin descritos también aparecen:
- adaptadores de modelos y proveedores;
- herramientas y habilidades;
- sesiones y almacenamiento;
- sandboxes y entornos de ejecución;
- planificación y coordinación de subagentes;
- el bucle del agente; y
- la interfaz de usuario.
Este diseño separa el modelo lingüístico de la maquinaria que convierte una respuesta en un proceso de agente continuo. Así, un equipo puede cambiar la forma en que el sistema reúne contexto, llama a herramientas, conserva el estado, reintenta operaciones fallidas o presenta su trabajo sin reescribir todo el runtime. 17
20
La idea de que «todo es un plugin» no es un simple detalle de empaquetado. Coloca el harness —la capa intermedia entre el modelo y el entorno de trabajo— en el centro de la experimentación.
Registros trazables para repetir, comparar y corregir
DeepSeek afirma que Harness registra lo que el modelo ve y hace en un historial de sesión de solo anexado. El registro incluye las instrucciones del sistema, el razonamiento, las llamadas a herramientas y sus resultados, la planificación de subagentes y las inyecciones de contexto. La vista Trajectory permite inspeccionar esa secuencia de eventos, mientras que las funciones de reanudación, bifurcación, búsqueda y reproducción trabajan sobre el mismo registro. 22
Para los desarrolladores, esto ofrece varias ventajas:
- Depuración: un fallo puede analizarse como una secuencia de cambios de contexto y acciones, no solo a partir de la respuesta final.
- Reproducibilidad: un flujo puede repetirse o restaurarse para comparar qué ocurre después de cambiar un prompt, una herramienta o un plugin.
- Experimentos ramificados: una trayectoria puede bifurcarse para probar otra estrategia sin perder la ejecución original.
- Datos de evaluación: las trayectorias exitosas y fallidas pueden servir para probar nuevas herramientas, políticas, instrucciones o bucles de agente.
Estas funciones podrían sostener un ciclo de mejora continua: ejecutar una tarea, inspeccionar la trayectoria, localizar el fallo, modificar un plugin, repetir el flujo y conservar el resultado. Pero un sistema que registra y reproduce trayectorias no se convierte automáticamente en un sistema que aprende por sí mismo. La evidencia disponible respalda a Harness como una base auditable para el desarrollo iterativo, no como una prueba de mejora autónoma y fiable. 22
Memoria y autoevolución: una distinción importante
El ecosistema que rodea a Harness ya incluye proyectos de terceros que anuncian memoria entre sesiones y autoevolución en segundo plano. 18
19
Estos proyectos muestran que la arquitectura de plugins puede admitir memoria persistente, historial de proyectos, revisión propia y gestión de habilidades. Sin embargo, no demuestran que la versión base v0.1 realice de forma segura y general una mejora continua de sí misma. No es lo mismo una capacidad del núcleo que un plugin opcional o una integración experimental.
Antes de usar este tipo de sistema en producción, los equipos todavía tendrían que evaluar la retención de datos, los permisos, el aislamiento del sandbox, la gestión de credenciales, las posibilidades de reversión y el riesgo de que un sistema automatizado modifique sus propias herramientas o procedimientos.
La apuesta: controlar la puerta de entrada de los desarrolladores
DeepSeek puede competir en la capa del modelo con V4 Pro y V4 Flash. Harness le permite competir también en la capa donde los desarrolladores deciden cómo se utilizan esos modelos.
Esa capa determina:
- qué modelo se selecciona;
- cómo se reúne y comprime el contexto;
- qué herramientas y permisos están disponibles;
- cómo se reanudan las tareas largas;
- cómo se detectan y recuperan los fallos;
- cómo se evalúan las trayectorias; y
- qué plugins pasan a formar parte del flujo de trabajo.
Al abrir el runtime, DeepSeek anima a desarrolladores externos a crear adaptadores, herramientas, sistemas de memoria y patrones de trabajo alrededor de su arquitectura. Al mismo tiempo, puede mantener influencia sobre el punto de entrada de los desarrolladores aunque Harness admita proveedores de modelos diferentes. Esa posición podría ser más duradera que competir únicamente con los pesos del modelo o con el precio de una API.
La estrategia también abre una vía hacia el desarrollo de IA asistido por IA. Un agente podría ayudar a generar un plugin, revisar trayectorias fallidas, proponer cambios, ejecutar una evaluación y conservar la relación entre cada experimento y su resultado. Por ahora, es más preciso describirlo como infraestructura para un ciclo de ingeniería con retroalimentación que como un agente de autoaprendizaje terminado.
Por qué importa que sea la versión v0.1
La condición de vista previa para desarrolladores es fundamental para entender el lanzamiento. Es una invitación a experimentar y a colaborar en el desarrollo, pero también indica que las API, las integraciones, los controles de seguridad y el comportamiento operativo todavía pueden cambiar. 20
Por eso, Harness debe evaluarse como un framework abierto y una plataforma de investigación, no como un producto de agente de programación maduro con la fiabilidad, el acabado y las salvaguardas de herramientas consolidadas.
En resumen
Los anuncios del 13 de agosto conectaron un lanzamiento de modelo con una estrategia de infraestructura. V4 Pro aporta el modelo insignia; Harness expone el runtime que determina cómo trabaja un modelo con herramientas, contexto, memoria y tareas prolongadas. 32
20
Los resultados de Composio explican por qué la diferencia es importante: el mismo DeepSeek V4 Flash completó entre 14 y 20 de las tareas evaluadas según el harness, mientras que los costes comunicados también variaron notablemente. 3 La arquitectura de plugins y las trayectorias trazables de Harness ofrecen a DeepSeek una base creíble para experimentar, evaluar y desarrollar software con ayuda de la IA. No prueban por sí solas un aprendizaje continuo fiable, pero sí apuntan a que la capa del harness podría convertirse en uno de los principales campos de batalla de la próxima etapa de los agentes de IA.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "DeepSeek V4 Pro y Harness: por qué el entorno del agente puede importar más que el modelo"?
DeepSeek presentó V4 Pro junto con Harness v0.1, una vista previa para desarrolladores con licencia MIT, no un producto de agente de programación completamente terminado.
¿Cuáles son los puntos clave a validar primero?
DeepSeek presentó V4 Pro junto con Harness v0.1, una vista previa para desarrolladores con licencia MIT, no un producto de agente de programación completamente terminado. Harness convierte el entorno del agente en una infraestructura modular: modelos, herramientas, sesiones, almacenamiento, bucles de ejecución, planificación, sandboxes e interfaz pueden sustituirse mediante plugins de...
¿Qué debo hacer a continuación en la práctica?
En las pruebas de Composio, el mismo modelo DeepSeek V4 Flash completó entre 14 y 20 de 30 tareas según el harness utilizado, con diferencias importantes también en el coste por tarea exitosa.