DeepSeek Harness v0.1: China's open-source switch van LLM's naar autonome AI-agenten

Een strategische omslag van LLM's naar agentische AI

DeepSeek bouwde zijn reputatie op door AI-modellen op te leiden aan de grens van wat mogelijk is, tegen een fractie van de kosten van Amerikaanse concurrenten zoals OpenAI en Anthropic. Met Harness stapt het bedrijf naar de "uitvoeringslaag" — de infrastructuur die ruwe modelintelligentie omzet in een inzetbaar, inkomsten genererend product . De South China Morning Post noemde de release "een strategische omslag terwijl DeepSeek een nieuw strijdtoneel betreedt voorbij grote taalmodellen" .

Het bedrijf heeft deze omslag ondersteund met ongeveer 7 miljard dollar aan externe financiering — zijn eerste grote externe kapitaalinjectie — en lanceerde een agressieve wervingscampagne voor de Harness-afdeling . Tegen juni 2026 was DeepSeek naar verluidt van plan om alle afdelingen te verdubbelen naarmate het de nieuwe bedrijfslijn uitbouwde .

"Alles is een plugin": modulaire architectuur

Het bepalende ontwerpprincipe van Harness is "Alles is een plugin" . Het is gebouwd op het Cordis meta-framework, dat het laden, lossen en afhankelijkheidsbeheer van plugins afhandelt . Alle componenten — modellen, tools, vaardigheden, sessies, sandboxes, bestandssystemen, orkestratielussen en zelfs de UI — zijn geïmplementeerd als onafhankelijke Cordis-plugins .

Dit betekent dat ontwikkelaars elke mogelijkheid kunnen mixen, matchen, vervangen en uitbreiden zonder de kernbroncode aan te passen . Er is "geen bevoorrechte kern om te patchen" ; het systeem uitbreiden gebeurt door nieuwe plugins naast bestaande te monteren. De architectuur is ontworpen om ontwikkelaars in staat te stellen een aangepaste agent runtime te componeren door alleen de plugins te selecteren die ze nodig hebben voor een bepaalde taak .

Vier runtime-presets

Harness wordt geleverd met vier ingebouwde agent-presets, elk een verschillende compositie van hetzelfde pluginsysteem :

Elke modus laadt een andere standaard pluginset; het wijzigen van de modus verandert welke tools een agent bezit en hoe deze uitvoert .

Het append-only sessielog-ontwerp zorgt ervoor dat elke systeemprompt, gedachtegang, toolaanroep en resultaat, sub-agentdispatch en contextinjectie volledig wordt vastgelegd, waardoor exacte replay en debugging van elk agenttraject mogelijk is .

De Jane Street-talentenaanwerving: Cui Tianyi

In mei 2026 rekruteerde DeepSeek Cui Tianyi (Tianyi Cui), een voormalig kwantitatief onderzoeker en ster-ingenieur van Jane Street, om het nieuwe Harness-team te leiden . Cui's LinkedIn-profiel vermeldt hem als "Member of Technical Staff, Harness Team" bij DeepSeek AI sinds maart 2026, waar hij de Agent Harness in Peking bouwt . Hij was eerder medeoprichter van het in Hongkong gevestigde kwantitatieve handelsbedrijf TSY Capital, na bijna negen jaar bij Jane Street in softwareontwikkeling en kwantitatief onderzoek .

Senior onderzoeker Deli Chen onthulde in mei 2026 dat het team "CodeHarness" vanaf de grond opbouwt, met een standalone "DeepSeek Code"-product dat naar verluidt in de pijplijn zit . Cui voert persoonlijk dagelijkse sollicitatiegesprekken en plaatst wervingsadvertenties op meerdere platforms, waarbij hij het Harness-team omschrijft als "direct een van de meest centrale en belangrijkste taken van het bedrijf op zich nemend" .

Concurrentiepositie ten opzichte van Anthropic's Claude Code

DeepSeek Harness wordt rechtstreeks gepositioneerd als een direct alternatief voor Anthropic's Claude Code — de populaire codeeragent-tool van het Amerikaanse AI-bedrijf . DeepSeek registreerde een speciaal "DeepSeek Harness (Tool Framework)" WeChat-account als een apart officieel kanaal voor de Harness-bedrijfslijn .

DeepSeek heeft echter publiekelijk verklaard dat Harness niet bedoeld is als "de volgende Codex" . In plaats daarvan is het een hersamenstelbare, afspeelbare agent runtime waar elke mogelijkheid verwisselbaar is — een meer modulaire en open aanpak in vergelijking met meer monolitische concurrenten . De open-source MIT-licentiestrategie staat in contrast met de propriëtaire modellen van Anthropic en OpenAI, wat mogelijk een groter ontwikkelaar-ecosysteem aantrekt .

Het project trok binnen enkele uren meer dan 33.000 GitHub-sterren na de openbare preview , wat de sterke ontwikkelaarsinteresse in de plugin-first, open-source aanpak weerspiegelt.

Hoe te beginnen

Aan de slag gaan is eenvoudig: voer

npx @deepseek-ai/dsh web