DeepSeek Harness v0.1: Langkah Berani DeepSeek Tinggalkan LLM, Fokus ke Agen AI Otonom Open-Source

Pergeseran Strategis dari LLM ke AI Agen

DeepSeek membangun reputasinya dengan melatih LLM kelas atas dengan biaya yang lebih murah dibandingkan pesaing AS seperti OpenAI dan Anthropic. Dengan Harness, perusahaan ini bergerak ke "lapisan eksekusi" — infrastruktur yang mengubah kecerdasan model mentah menjadi produk yang dapat digunakan dan menghasilkan pendapatan . South China Morning Post menyebut rilis ini sebagai "pergeseran strategis saat DeepSeek menjelajahi medan pertempuran baru di luar large language models" .

Perusahaan telah mendukung pivot ini dengan ~$7 miliar dana eksternal — modal dari pihak luar pertama yang signifikan — dan meluncurkan perekrutan besar-besaran di divisi Harness . Pada Juni 2026, DeepSeek dikabarkan menargetkan untuk menggandakan semua departemen untuk membangun lini bisnis baru ini .

"Semua adalah Plugin": Arsitektur Modular

Prinsip desain utama Harness adalah "Semua adalah plugin" . Framework ini dibangun di atas meta-framework Cordis, yang menangani pemuatan, pembongkaran, dan manajemen dependensi plugin . Semua komponen — model, alat, keterampilan, sesi, sandbox, sistem file, loop orkestrasi, dan bahkan UI — diimplementasikan sebagai plugin Cordis yang independen .

Ini berarti pengembang dapat mencampur, mencocokkan, mengganti, dan memperluas setiap kemampuan tanpa harus mengubah kode sumber inti . Tidak ada "inti istimewa yang perlu ditambal" ; ekstensi sistem dilakukan dengan memasang plugin baru di samping yang sudah ada. Arsitektur ini dirancang untuk memungkinkan pengembang menyusun runtime agen khusus dengan hanya memilih plugin yang diperlukan untuk tugas tertentu .

Empat Preset Runtime

Harnes dilengkapi dengan empat preset agen bawaan, masing-masing merupakan komposisi berbeda dari sistem plugin yang sama :

Setiap mode memuat kumpulan plugin default yang berbeda; mengganti mode akan mengubah alat yang dimiliki agen dan cara mengeksekusinya .

Desain log sesi hanya-tambah (append-only session log) memastikan bahwa setiap prompt sistem, rantai pemikiran, panggilan alat dan hasil, pengiriman sub-agen, serta injeksi konteks dicatat sepenuhnya, memungkinkan pemutaran ulang dan debugging yang tepat dari setiap lintasan agen .

Rekrutmen Bakat dari Jane Street: Cui Tianyi

Pada Mei 2026, DeepSeek merekrut Cui Tianyi (Tianyi Cui), mantan peneliti kuantitatif dan insinyur bintang dari Jane Street, untuk memimpin tim Harness yang baru . Profil LinkedIn Cui mencatatnya sebagai "Member of Technical Staff, Harness Team" di DeepSeek AI sejak Maret 2026, membangun Agent Harness dari Beijing . Sebelumnya, ia ikut mendirikan perusahaan perdagangan kuantitatif yang berbasis di Hong Kong, TSY Capital, setelah hampir sembilan tahun di Jane Street dalam peran pengembangan perangkat lunak dan penelitian kuantitatif .

Peneliti senior Deli Chen mengungkapkan pada Mei 2026 bahwa tim tersebut sedang membangun "CodeHarness" dari awal, dengan produk mandiri bernama "DeepSeek Code" yang dikabarkan sedang dalam pengembangan . Cui secara pribadi telah melakukan wawancara kandidat setiap hari dan memasang iklan rekrutmen di berbagai platform, menggambarkan tim Harness sebagai tim yang "secara langsung mengambil salah satu tugas paling sentral dan penting perusahaan" .

Posisi Kompetitif melawan Claude Code Milik Anthropic

DeepSeek Harness diposisikan secara langsung sebagai alternatif dari Anthropic's Claude Code — alat agen coding populer dari perusahaan AI AS . DeepSeek mendaftarkan akun WeChat khusus "DeepSeek Harness (Tool Framework)" sebagai saluran resmi terpisah untuk lini bisnis Harness .

Namun, DeepSeek secara terbuka menyatakan bahwa Harness bukan dimaksudkan untuk menjadi "Codex berikutnya" . Sebaliknya, ini adalah runtime agen yang dapat disusun ulang dan diputar ulang di mana setiap kemampuan dapat ditukar — pendekatan yang lebih modular dan terbuka dibandingkan pesaing yang lebih monolitik . Strategi lisensi open-source MIT ini kontras dengan model kepemilikan Anthropic dan OpenAI, yang berpotensi menarik ekosistem pengembang yang lebih besar .

Proyek ini berhasil meraih lebih dari 33.000 bintang GitHub dalam hitungan jam setelah pratinjau publik , mencerminkan minat pengembang yang kuat terhadap pendekatan open-source yang mengutamakan plugin.

Cara Memulai

Memulainya sangat mudah: jalankan

npx @deepseek-ai/dsh web