JawabanDipublikasikan18 sumber
DeepSeek V4 Pro dan Harness: Mengapa Runtime Agen Bisa Lebih Penting daripada Modelnya
DeepSeek merilis V4 Pro bersama Harness v0.1, pratinjau pengembang berlisensi MIT, bukan produk agen coding siap pakai. Harness menjadikan runtime agen sebagai infrastruktur modular: model, alat, sesi, penyimpanan, loop agen, sandbox, penjadwalan, dan antarmuka dapat diganti melalui plugin Cordis.
Diterbitkan olehDiedit dengan GPT-5.6 LunaGambar dibuat dengan GPT Image 1.5
Jawaban penelitian
Poin-poin penting
- DeepSeek merilis V4 Pro bersama Harness v0.1, pratinjau pengembang berlisensi MIT, bukan produk agen coding siap pakai.
- Harness menjadikan runtime agen sebagai infrastruktur modular: model, alat, sesi, penyimpanan, loop agen, sandbox, penjadwalan, dan antarmuka dapat diganti melalui plugin Cordis.
- Dalam uji Composio, model DeepSeek V4 Flash yang sama berhasil menyelesaikan 129 dari 240 percobaan, dengan hasil berbeda beda tergantung harness yang digunakan.
- Log sesi yang dapat dilacak mendukung evaluasi dan pengembangan berulang, tetapi plugin memori atau self evolution pihak ketiga belum membuktikan adanya pembelajaran berkelanjutan yang andal.
AI Perintah
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
Peluncuran DeepSeek pada 13 Agustus 2026 menggabungkan dua lapisan berbeda dalam tumpukan AI: DeepSeek V4 Pro, model resmi yang diarahkan untuk beban kerja berbasis agen, dan DeepSeek Harness v0.1, pratinjau pengembang berlisensi MIT untuk membangun serta memodifikasi runtime agen. 32
20
Pesan strategisnya lebih besar daripada sekadar peluncuran model baru. Dalam alur kerja agen, model tidak bekerja sendirian. Ia berjalan di dalam sistem yang menyediakan konteks, alat, memori, aturan eksekusi, logika pemulihan, dan evaluasi. Pengujian Composio menunjukkan bahwa sistem di sekeliling model tersebut dapat mengubah tingkat keberhasilan sekaligus biaya secara nyata—bahkan ketika model yang digunakan tetap sama. 3
Dua pengumuman DeepSeek pada 13 Agustus
DeepSeek merilis versi resmi V4 Pro bersamaan dengan Harness v0.1. Harness didistribusikan sebagai dsh dan ditujukan untuk pengembang yang membangun agent harness, bukan sebagai pengganti matang untuk produk pengguna akhir seperti Claude Code atau Codex. 32
20
Pilihan lisensinya juga penting. Dengan merilis pratinjau pengembang di bawah lisensi MIT yang permisif, DeepSeek membuka runtime tersebut untuk diperiksa, diubah, dan dikembangkan lebih lanjut. Dokumentasinya menggambarkan arsitektur yang tidak bergantung pada satu model, sehingga pengembang dapat menggunakan berbagai penyedia model tanpa terkunci pada satu vendor. 22
28
Mengapa hasil uji Composio membuat Harness relevan?
Composio menjalankan model DeepSeek V4 Flash yang sama melalui delapan agent harness pada 30 tugas multi-langkah. Dari 240 percobaan, 129 berhasil, atau tingkat keberhasilan keseluruhan sebesar 53,8%. Hanya enam dari 30 alur kerja yang berhasil diselesaikan oleh semua harness. 3
Perbedaan antarruntime tersebut cukup besar:
- Pi Agent menyelesaikan 20 dari 30 tugas.
- Oh My Pi menyelesaikan 17 dari 30 tugas.
- Claude Code, Codex, dan DeepAgents masing-masing menyelesaikan 16 dari 30 tugas.
- Hermes Agent menyelesaikan 15 dari 30 tugas.
- OpenCode menyelesaikan 14 dari 30 tugas.
Biaya yang dilaporkan juga berbeda. Composio memperkirakan biaya per tugas sukses sekitar 0,195 dolar AS untuk Claude Code, 0,081 dolar AS untuk Codex, dan 0,045 dolar AS untuk DeepAgents. Pi Agent dilaporkan berada di angka 0,028 dolar AS, meski perbandingan ini tetap perlu dibaca bersama metodologi studi dan perilaku tiap runtime yang tidak sama. 3
Hasil tersebut bukan peringkat universal untuk semua produk agen. Kesimpulannya lebih spesifik, tetapi penting: benchmark model saja tidak cukup untuk menggambarkan performa agen. Satuan perbandingan yang semakin relevan adalah konfigurasi model-plus-harness.
Apa yang dirancang untuk dilakukan DeepSeek Harness?
Harness dibangun di atas Cordis, sebuah framework yang mengekspos kemampuan runtime melalui plugin. Dokumentasi arsitektur DeepSeek menyebut adapter model, registri alat, log sesi, dan loop agen sebagai komponen yang dapat diganti. 17
Batas plugin lain yang dilaporkan mencakup:
- adapter model dan penyedia layanan;
- alat dan skill;
- sesi dan penyimpanan;
- sandbox serta lingkungan eksekusi;
- penjadwalan dan koordinasi subagen;
- loop agen; dan
- antarmuka pengguna.
Desain ini memisahkan model bahasa dari mesin yang mengubah respons menjadi proses agen berkelanjutan. Pengembang dapat mengubah cara agen menyusun konteks, memanggil alat, menyimpan status, mengulang percobaan yang gagal, atau menampilkan hasil tanpa harus menulis ulang seluruh runtime. 17
20
Pernyataan “semuanya adalah plugin” bukan sekadar detail teknis. Konsep tersebut menempatkan lapisan harness—bagian di antara model dan lingkungan kerja—sebagai pusat eksperimen.
Sesi yang dapat dilacak menjadi fondasi pengembangan berulang
DeepSeek menyatakan bahwa Harness merekam apa yang dilihat dan dilakukan model dalam log sesi append-only, termasuk system prompt, proses penalaran, pemanggilan dan hasil alat, penjadwalan subagen, serta penyisipan konteks. Tampilan Trajectory memungkinkan pengembang memeriksa aliran peristiwa tersebut, sementara fungsi melanjutkan, melakukan fork, mencari, dan memutar ulang bekerja pada catatan yang sama. 22
Bagi pengembang, kemampuan ini menawarkan beberapa manfaat:
- Kemudahan debugging: kegagalan dapat ditelusuri sebagai rangkaian perubahan konteks dan tindakan, bukan hanya dari jawaban akhir.
- Reproduksibilitas: alur kerja dapat diputar ulang atau dipulihkan untuk dibandingkan setelah prompt, alat, atau plugin diubah.
- Eksperimen bercabang: pengembang dapat membuat fork dari sebuah trajectory dan menguji strategi alternatif tanpa menghapus proses awal.
- Data evaluasi: trajectory yang berhasil maupun gagal dapat digunakan untuk menguji alat, prompt, kebijakan, atau loop agen baru.
Kemampuan ini dapat mendukung siklus perbaikan berkelanjutan: jalankan tugas, periksa trajectory, temukan sumber kegagalan, ubah plugin, jalankan ulang alur kerja, lalu simpan hasilnya. Namun, sistem yang merekam dan memutar ulang trajectory tidak otomatis menjadi sistem yang belajar sendiri. Bukti yang tersedia mendukung Harness sebagai fondasi yang dapat diaudit untuk pengembangan iteratif—bukan sebagai bukti bahwa peningkatan otonom yang andal sudah terwujud. 22
Memori dan self-evolution tetap perlu dibaca dengan hati-hati
Ekosistem Harness juga telah memunculkan proyek pihak ketiga yang menawarkan memori lintas sesi dan self-evolution di latar belakang. 18
19
Proyek-proyek tersebut menunjukkan bahwa arsitektur plugin dapat menampung memori permanen, riwayat proyek, peninjauan mandiri, dan pengelolaan skill. Namun, hal itu tidak membuktikan bahwa rilis dasar v0.1 secara aman atau umum mampu melakukan peningkatan diri berkelanjutan. Plugin opsional, integrasi eksperimental, dan kemampuan inti produk tidak boleh dianggap sebagai hal yang sama.
Untuk penggunaan produksi, tim tetap perlu mengevaluasi retensi data, hak akses, isolasi sandbox, pengelolaan kredensial, perilaku rollback, serta risiko sistem otomatis mengubah alat atau prosedurnya sendiri.
Taruhan strategis DeepSeek: menguasai pintu masuk pengembang
DeepSeek dapat bersaing di lapisan model melalui V4 Pro dan V4 Flash. Harness memberinya cara untuk bersaing di lapisan tempat pengembang menentukan bagaimana model digunakan.
Lapisan ini mengendalikan:
- model yang dipilih;
- cara konteks disusun dan diringkas;
- alat serta izin yang tersedia;
- cara pekerjaan jangka panjang dilanjutkan;
- cara kegagalan dideteksi dan dipulihkan;
- cara trajectory dievaluasi; dan
- plugin yang menjadi bagian dari alur kerja agen.
Dengan membuka runtime, DeepSeek mendorong pengembang eksternal untuk membangun adapter, alat, memori, dan pola alur kerja di atas arsitekturnya. Pada saat yang sama, arsitektur tersebut dapat membuat DeepSeek tetap berpengaruh di titik masuk pengembang, meskipun runtime-nya mendukung banyak penyedia model. Posisi ini berpotensi lebih tahan lama daripada hanya bersaing melalui bobot model atau harga API.
Pendekatan tersebut juga membuka jalan menuju pengembangan AI dengan bantuan AI. Agen dapat membantu membuat plugin, memeriksa trajectory yang gagal, menyarankan perubahan, menjalankan evaluasi, dan menyimpan jejak eksperimen. Namun, ini lebih tepat dipahami sebagai infrastruktur untuk membangun siklus rekayasa daripada bukti bahwa DeepSeek telah memiliki agen yang mampu memperbaiki dirinya secara mandiri dan konsisten.
Mengapa label v0.1 penting?
Status pratinjau pengembang merupakan bagian penting dari cara membaca rilis ini. Label tersebut menandakan ajakan untuk bereksperimen dan ikut mengembangkan proyek, tetapi juga berarti API, integrasi, kontrol keamanan, dan perilaku operasionalnya masih dapat berubah. 20
Karena itu, pengembang sebaiknya menilai Harness sebagai framework terbuka dan platform riset, bukan menganggapnya sudah menawarkan keandalan, kematangan, atau perlindungan seperti produk agen coding yang telah mapan.
Kesimpulan
Pengumuman DeepSeek pada 13 Agustus menghubungkan peluncuran model dengan strategi infrastruktur. V4 Pro menyediakan model andalan, sedangkan Harness membuka runtime yang menentukan cara model bekerja dengan alat, konteks, memori, dan tugas jangka panjang. 32
20
Hasil Composio menjelaskan mengapa perbedaan ini penting: model V4 Flash yang sama menyelesaikan antara 14 dan 20 tugas yang diuji, tergantung harness yang digunakan, sementara biaya yang dilaporkan juga berbeda cukup jauh. 3 Arsitektur plugin Harness dan trajectory yang dapat dilacak memberi DeepSeek fondasi yang kredibel untuk eksperimen, evaluasi, dan rekayasa berbantuan AI. Keduanya belum membuktikan adanya pembelajaran berkelanjutan yang dapat diandalkan, tetapi berpotensi menjadikan lapisan harness sebagai medan persaingan utama dalam fase berikutnya perkembangan agen AI.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "DeepSeek V4 Pro dan Harness: Mengapa Runtime Agen Bisa Lebih Penting daripada Modelnya"?
DeepSeek merilis V4 Pro bersama Harness v0.1, pratinjau pengembang berlisensi MIT, bukan produk agen coding siap pakai.
Apa poin penting yang harus divalidasi terlebih dahulu?
DeepSeek merilis V4 Pro bersama Harness v0.1, pratinjau pengembang berlisensi MIT, bukan produk agen coding siap pakai. Harness menjadikan runtime agen sebagai infrastruktur modular: model, alat, sesi, penyimpanan, loop agen, sandbox, penjadwalan, dan antarmuka dapat diganti melalui plugin Cordis.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Dalam uji Composio, model DeepSeek V4 Flash yang sama berhasil menyelesaikan 129 dari 240 percobaan, dengan hasil berbeda beda tergantung harness yang digunakan.