DeepSeek Harness bør først og fremst forstås som infrastruktur for å bygge og kjøre agenter – ikke som en kunstig intelligens-modell i seg selv. Utviklerforhåndsvisningen er lansert under MIT-lisensen gjennom kommandolinjeverktøyet dsh, og bygger på en enkel formel: Modell + harness = agent. Modellen står for resonneringen, mens harness-et leverer laget som kobler resonneringen til filer, terminaler, verktøy, sesjoner og faktisk kjøring. 69

Det var hovedkonklusjonen i en praktisk gjennomgang 21. august. DeepSeeks satsing handler dermed mindre om å levere en ferdig, polert kodeassistent og mer om å gjøre maskineriet bak en agent konfigurerbart og utvidbart.

Hva betyr «modell + harness = agent»?

En språkmodell kan planlegge og generere instruksjoner, men kan ikke på egen hånd inspisere et lokalt prosjekt, endre filer, kjøre kommandoer, holde oversikt over en arbeidsøkt eller koordinere gjentatte verktøykall. Harness-et legger disse funksjonene rundt modellen.

I DeepSeek Harness kan modelladapteren, verktøyregisteret, sesjonsloggen og selve agentløkken byttes ut som plugin-moduler. Arkitekturen bygger på Cordis, der plugin-moduler bidrar med tjenester, typede hendelser og reversible effekter i en felles runtime-kontekst. 17

Dette får to viktige følger:

• Modellen er ikke hele agenten. Den tar beslutninger og produserer resonnering eller handlinger.
• Harness-et er ikke prinsipielt bundet til én modell. Runtime-en kan settes opp med ulike modelladaptere og egenskaper, i stedet for at modellen og agentprogrammet behandles som ett uatskillelig produkt. 16

Derfor blir det misvisende å omtale DeepSeek Harness som «en ny KI-modell». Det er en kjøremotor som gjør en resonnerende modell i stand til å handle.

Slik starter du utviklerforhåndsvisningen

Den gjennomgåtte hurtigstarten brukte denne kommandoen:

npx @deepseek-ai/dsh web

Det lokale webgrensesnittet ble tilgjengelig på localhost:3080. En annen praktisk gjennomgang oppga den tilsvarende adressen som 127.0.0.1:3080. 64

Gjennomgangen beskrev også at brukeren måtte skrive inn en DeepSeek API-nøkkel, og at grensesnittet var merket «Exploring the Uncharted». Dette er observasjoner fra den aktuelle testen, ikke en garanti for at alle installasjoner viser identisk grensesnitt eller oppsett. 7

Den praktiske konklusjonen er at forhåndsvisningen først og fremst er laget for utviklere som er komfortable med å konfigurere en lokal runtime og selv stille med modelltilgang. Det er ikke et ferdig kodeverktøy med null oppsett.

Fire arbeidsmoduser – fire plugin-sammensetninger

DeepSeek Harness behandler ikke modusene som fire helt separate produkter. De er forhåndsdefinerte runtime-sammensetninger: Hver modus laster inn et annet standardutvalg av plugin-moduler for en bestemt type arbeid. 1823

Standard: den komplette agentopplevelsen

Standard er den allsidige forhåndsinnstillingen. DeepSeek beskriver den som en komplett kodeagent med filredigering, shell-tilgang, fil- og nettsøk, ferdigheter, planlegging, mål, underagenter og arbeidsflyter. 20

Dette er modusen som passer best til vanlig agentbasert utvikling og oppgaveløsing. Samtidig gjør de umodne sidene ved forhåndsvisningen den mer egnet til eksperimentering enn som en polert erstatning for etablerte kodeagenter.

PTC: programmatisk verktøykalling

PTC, eller Programmatic Tool Calling, er laget for arbeidsflyter der modellen skriver kode for å koordinere flere verktøykall. I stedet for å be om hvert enkelt kall separat kan modellen bruke et generert program til å sette sammen en sekvens av handlinger. 20

Tilnærmingen er rettet mot sterke modeller og avanserte brukere som arbeider med oppgaver i flere trinn. Den kan gjøre verktøytunge prosesser mer strukturerte, men gjør det samtidig enda viktigere å kontrollere hva den genererte koden faktisk vil utføre.

Minimal: et kontrollert testmiljø

Minimal reduserer runtime-en til et shell-verktøy og en filredigerer. DeepSeek presenterer modusen som en måte å teste eller studere modeller i et bevisst begrenset miljø, med mindre hjelp fra resten av harness-et. 20

Dette er nyttig når målet er evaluering, ikke bekvemmelighet. Modusen gjør det enklere å skille modellens egne evner fra kapasiteten som tilføres av en full agentstakk.

Creation: en modus for å bygge nye moduser

Creation er rettet mot utviklere som vil endre eller utvide selve harness-et. Den støtter inspeksjon av runtime-en, eksperimentering med Cordis-plugin-moduler i minnet og sammensetning av egne forhåndsinnstillinger. 20

En dokumentert plugin for Creation-modus legger også til selvinspeksjon av Cordis, eksperimentering med dynamiske plugin-moduler og veiledning i hvordan man lager egne forhåndsinnstillinger. 22 Det er her DeepSeeks større ambisjon kommer tydeligst til syne: Systemet skal ikke bare kjøre agenter, men også la utviklere forme runtime-en agentene bruker.

Cordis og arkitekturen der «alt er en plugin»

Det mest særpregede ved DeepSeek Harness er arkitekturen. I stedet for å ha en stor, fast kjerne for modell, verktøy, historikk og kontrollflyt, eksponeres disse delene gjennom Cordis-systemet.

Den offisielle arkitekturdokumentasjonen trekker spesifikt frem disse utskiftbare plugin-modulene:

• modelladaptere
• verktøyregistre
• sesjonslogger
• selve agentløkken 17

Praktiske gjennomganger beskriver en bredere visjon som også omfatter ferdigheter, sesjoner, sandkasser, lagring, planlegging og brukergrensesnitt. De bredere eksemplene er ikke alle uavhengig bekreftet i det medfølgende primærkildeutdraget, og bør derfor forstås som prosjektets rapporterte retning – ikke som like godt dokumenterte implementasjonsdetaljer. 117

Denne utformingen forklarer også hvordan de fire modusene kan oppleves svært forskjellige uten at DeepSeek må bygge fire separate applikasjoner. En profil kan sette sammen ordnede plugin-lag ved oppstart og dermed tilpasse runtime-en til vanlig programmering, kontrollert evaluering, programmatisk verktøybruk eller plugin-utvikling. 1723

Innsyn i kjøringen i stedet for en svart boks

Agent-systemer er vanskelige å feilsøke når de bare viser det endelige svaret. DeepSeek Harness legger større vekt på selve kjøringen: Sesjoner og arbeidsforløp er en del av runtime-arkitekturen, og sesjonsloggen kan byttes ut på samme måte som andre plugin-moduler. 17

En separat praktisk gjennomgang beskrev trajectory-visningen som en «append-only» JSONL-hendelsesstrøm på disk. Det gjorde det mulig å finne årsaken til et konfigurasjonsproblem raskt. 4 Det offisielle arkitekturutdraget bekrefter sesjonslogger som plugin-moduler, men dokumenterer ikke alene alle detaljene ved det append-only-formatet.

For utviklere kan denne sporbarheten være like viktig som modellens rå ytelse. Den kan blant annet vise hvilket verktøy som ble kalt, hva agenten forsøkte å gjøre, og når en lang oppgave begynte å spore av.

Hva de tidlige testene sier om ytelsen

Testene som foreligger, viser reell kapasitet, men etablerer ikke en universell ytelsesstandard. I en økt 21. august med DeepSeek V4 Flash 0731 brukte agenten 46 minutter og 109 steg på å bygge en plugin, og forbrukte 8,9 millioner input-tokens. 1 En annen praktisk test rapporterte rundt 20 millioner tokens over cirka 35 minutter under byggingen av en sporer for Den internasjonale romstasjonen. 2

Den forsiktige konklusjonen er at lange, autonome oppgaver kan bli både langsomme og kostbare i utviklerforhåndsvisningen. Tidsbruken vil avhenge av modell, oppgave, hurtigbufring og arbeidsbelastning. Tallene bør derfor ikke leses som en fast fartsgrense for alle DeepSeek Harness-økter.

Det samme materialet tydeliggjør prosjektets foreløpige bytteforhold: DeepSeek tilbyr uvanlig konfigurerbar infrastruktur før brukeropplevelsen er ferdig raffinert. Prosjektet er blitt omtalt som lovende infrastruktur og et mulig grunnlag for et avgrenset teknologipilotprosjekt, men ikke som en produksjonsklar kontrollplattform. 56

Den egentlige betydningen

DeepSeek Harness posisjonerer seg ikke først og fremst som «det beste grensesnittet for en kodeagent». Den sterkeste beskrivelsen er at DeepSeek har åpnet en bred agent-runtime der modeller, verktøy, kjøringssløyfer og andre funksjoner kan settes sammen og erstattes.

Det gjør løsningen særlig interessant for:

• utviklere som bygger egne agenter
• forskere som vil evaluere modeller med ulik grad av støtte fra harness-et
• team som trenger etterprøvbare kjøringshistorikker
• bidragsytere i åpen kildekode som vil eksperimentere med plugin-moduler og runtime-sammensetninger

I dag er den mindre attraktiv for dem som bare ønsker en polert kodeagent med forutsigbar responstid og minimalt oppsett. v0.1-versjonen er fortsatt tidlig, og rapportene fra lange oppgaver viser at høy funksjonalitet ikke automatisk betyr høy hastighet eller produksjonsklarhet. 56

Kort sagt er «Modell + harness = agent» både en produktforklaring og en strategisk erklæring. DeepSeek skiller intelligensen fra maskineriet som lar intelligensen handle – og satser på at en utvidbar plugin-runtime kan bli mer verdifull enn én fast agentapplikasjon.

DeepSeek Harness bør først og fremst forstås som infrastruktur for å bygge og kjøre agenter – ikke som en kunstig intelligens-modell i seg selv. Utviklerforhåndsvisningen er lansert under MIT-lisensen gjennom kommandolinjeverktøyet dsh, og bygger på en enkel formel: Modell + harness = agent. Modellen står for resonneringen, mens harness-et leverer laget som kobler resonneringen til filer, terminaler, verktøy, sesjoner og faktisk kjøring. 69

Det var hovedkonklusjonen i en praktisk gjennomgang 21. august. DeepSeeks satsing handler dermed mindre om å levere en ferdig, polert kodeassistent og mer om å gjøre maskineriet bak en agent konfigurerbart og utvidbart.

Hva betyr «modell + harness = agent»?

En språkmodell kan planlegge og generere instruksjoner, men kan ikke på egen hånd inspisere et lokalt prosjekt, endre filer, kjøre kommandoer, holde oversikt over en arbeidsøkt eller koordinere gjentatte verktøykall. Harness-et legger disse funksjonene rundt modellen.

I DeepSeek Harness kan modelladapteren, verktøyregisteret, sesjonsloggen og selve agentløkken byttes ut som plugin-moduler. Arkitekturen bygger på Cordis, der plugin-moduler bidrar med tjenester, typede hendelser og reversible effekter i en felles runtime-kontekst. 17

Dette får to viktige følger:

• Modellen er ikke hele agenten. Den tar beslutninger og produserer resonnering eller handlinger.
• Harness-et er ikke prinsipielt bundet til én modell. Runtime-en kan settes opp med ulike modelladaptere og egenskaper, i stedet for at modellen og agentprogrammet behandles som ett uatskillelig produkt. 16

Derfor blir det misvisende å omtale DeepSeek Harness som «en ny KI-modell». Det er en kjøremotor som gjør en resonnerende modell i stand til å handle.

Slik starter du utviklerforhåndsvisningen

Den gjennomgåtte hurtigstarten brukte denne kommandoen:

npx @deepseek-ai/dsh web

Det lokale webgrensesnittet ble tilgjengelig på localhost:3080. En annen praktisk gjennomgang oppga den tilsvarende adressen som 127.0.0.1:3080. 64

Gjennomgangen beskrev også at brukeren måtte skrive inn en DeepSeek API-nøkkel, og at grensesnittet var merket «Exploring the Uncharted». Dette er observasjoner fra den aktuelle testen, ikke en garanti for at alle installasjoner viser identisk grensesnitt eller oppsett. 7

Den praktiske konklusjonen er at forhåndsvisningen først og fremst er laget for utviklere som er komfortable med å konfigurere en lokal runtime og selv stille med modelltilgang. Det er ikke et ferdig kodeverktøy med null oppsett.

Fire arbeidsmoduser – fire plugin-sammensetninger

DeepSeek Harness behandler ikke modusene som fire helt separate produkter. De er forhåndsdefinerte runtime-sammensetninger: Hver modus laster inn et annet standardutvalg av plugin-moduler for en bestemt type arbeid. 1823

Standard: den komplette agentopplevelsen

Standard er den allsidige forhåndsinnstillingen. DeepSeek beskriver den som en komplett kodeagent med filredigering, shell-tilgang, fil- og nettsøk, ferdigheter, planlegging, mål, underagenter og arbeidsflyter. 20

Dette er modusen som passer best til vanlig agentbasert utvikling og oppgaveløsing. Samtidig gjør de umodne sidene ved forhåndsvisningen den mer egnet til eksperimentering enn som en polert erstatning for etablerte kodeagenter.

PTC: programmatisk verktøykalling

PTC, eller Programmatic Tool Calling, er laget for arbeidsflyter der modellen skriver kode for å koordinere flere verktøykall. I stedet for å be om hvert enkelt kall separat kan modellen bruke et generert program til å sette sammen en sekvens av handlinger. 20

Tilnærmingen er rettet mot sterke modeller og avanserte brukere som arbeider med oppgaver i flere trinn. Den kan gjøre verktøytunge prosesser mer strukturerte, men gjør det samtidig enda viktigere å kontrollere hva den genererte koden faktisk vil utføre.

Minimal: et kontrollert testmiljø

Minimal reduserer runtime-en til et shell-verktøy og en filredigerer. DeepSeek presenterer modusen som en måte å teste eller studere modeller i et bevisst begrenset miljø, med mindre hjelp fra resten av harness-et. 20

Dette er nyttig når målet er evaluering, ikke bekvemmelighet. Modusen gjør det enklere å skille modellens egne evner fra kapasiteten som tilføres av en full agentstakk.

Creation: en modus for å bygge nye moduser

Creation er rettet mot utviklere som vil endre eller utvide selve harness-et. Den støtter inspeksjon av runtime-en, eksperimentering med Cordis-plugin-moduler i minnet og sammensetning av egne forhåndsinnstillinger. 20

En dokumentert plugin for Creation-modus legger også til selvinspeksjon av Cordis, eksperimentering med dynamiske plugin-moduler og veiledning i hvordan man lager egne forhåndsinnstillinger. 22 Det er her DeepSeeks større ambisjon kommer tydeligst til syne: Systemet skal ikke bare kjøre agenter, men også la utviklere forme runtime-en agentene bruker.

Cordis og arkitekturen der «alt er en plugin»

Det mest særpregede ved DeepSeek Harness er arkitekturen. I stedet for å ha en stor, fast kjerne for modell, verktøy, historikk og kontrollflyt, eksponeres disse delene gjennom Cordis-systemet.

Den offisielle arkitekturdokumentasjonen trekker spesifikt frem disse utskiftbare plugin-modulene:

• modelladaptere
• verktøyregistre
• sesjonslogger
• selve agentløkken 17

Praktiske gjennomganger beskriver en bredere visjon som også omfatter ferdigheter, sesjoner, sandkasser, lagring, planlegging og brukergrensesnitt. De bredere eksemplene er ikke alle uavhengig bekreftet i det medfølgende primærkildeutdraget, og bør derfor forstås som prosjektets rapporterte retning – ikke som like godt dokumenterte implementasjonsdetaljer. 117

Denne utformingen forklarer også hvordan de fire modusene kan oppleves svært forskjellige uten at DeepSeek må bygge fire separate applikasjoner. En profil kan sette sammen ordnede plugin-lag ved oppstart og dermed tilpasse runtime-en til vanlig programmering, kontrollert evaluering, programmatisk verktøybruk eller plugin-utvikling. 1723

Innsyn i kjøringen i stedet for en svart boks

Agent-systemer er vanskelige å feilsøke når de bare viser det endelige svaret. DeepSeek Harness legger større vekt på selve kjøringen: Sesjoner og arbeidsforløp er en del av runtime-arkitekturen, og sesjonsloggen kan byttes ut på samme måte som andre plugin-moduler. 17

En separat praktisk gjennomgang beskrev trajectory-visningen som en «append-only» JSONL-hendelsesstrøm på disk. Det gjorde det mulig å finne årsaken til et konfigurasjonsproblem raskt. 4 Det offisielle arkitekturutdraget bekrefter sesjonslogger som plugin-moduler, men dokumenterer ikke alene alle detaljene ved det append-only-formatet.

For utviklere kan denne sporbarheten være like viktig som modellens rå ytelse. Den kan blant annet vise hvilket verktøy som ble kalt, hva agenten forsøkte å gjøre, og når en lang oppgave begynte å spore av.

Hva de tidlige testene sier om ytelsen

Testene som foreligger, viser reell kapasitet, men etablerer ikke en universell ytelsesstandard. I en økt 21. august med DeepSeek V4 Flash 0731 brukte agenten 46 minutter og 109 steg på å bygge en plugin, og forbrukte 8,9 millioner input-tokens. 1 En annen praktisk test rapporterte rundt 20 millioner tokens over cirka 35 minutter under byggingen av en sporer for Den internasjonale romstasjonen. 2

Den forsiktige konklusjonen er at lange, autonome oppgaver kan bli både langsomme og kostbare i utviklerforhåndsvisningen. Tidsbruken vil avhenge av modell, oppgave, hurtigbufring og arbeidsbelastning. Tallene bør derfor ikke leses som en fast fartsgrense for alle DeepSeek Harness-økter.

Det samme materialet tydeliggjør prosjektets foreløpige bytteforhold: DeepSeek tilbyr uvanlig konfigurerbar infrastruktur før brukeropplevelsen er ferdig raffinert. Prosjektet er blitt omtalt som lovende infrastruktur og et mulig grunnlag for et avgrenset teknologipilotprosjekt, men ikke som en produksjonsklar kontrollplattform. 56

Den egentlige betydningen

DeepSeek Harness posisjonerer seg ikke først og fremst som «det beste grensesnittet for en kodeagent». Den sterkeste beskrivelsen er at DeepSeek har åpnet en bred agent-runtime der modeller, verktøy, kjøringssløyfer og andre funksjoner kan settes sammen og erstattes.

Det gjør løsningen særlig interessant for:

• utviklere som bygger egne agenter
• forskere som vil evaluere modeller med ulik grad av støtte fra harness-et
• team som trenger etterprøvbare kjøringshistorikker
• bidragsytere i åpen kildekode som vil eksperimentere med plugin-moduler og runtime-sammensetninger

I dag er den mindre attraktiv for dem som bare ønsker en polert kodeagent med forutsigbar responstid og minimalt oppsett. v0.1-versjonen er fortsatt tidlig, og rapportene fra lange oppgaver viser at høy funksjonalitet ikke automatisk betyr høy hastighet eller produksjonsklarhet. 56

Kort sagt er «Modell + harness = agent» både en produktforklaring og en strategisk erklæring. DeepSeek skiller intelligensen fra maskineriet som lar intelligensen handle – og satser på at en utvidbar plugin-runtime kan bli mer verdifull enn én fast agentapplikasjon.