DeepSeek aposta em ‘AI harness’ para competir com agentes como o Claude Code

A corrida da inteligência artificial está mudando de fase. Durante anos, a disputa foi sobre quem tinha o modelo mais poderoso. Agora, cada vez mais, a pergunta virou outra: quem consegue transformar esses modelos em agentes realmente úteis.

Esse movimento está levando empresas como a DeepSeek a investir em uma nova camada de infraestrutura chamada AI harness. Segundo reportagens do setor, a startup chinesa recrutou engenheiros — incluindo o ex‑Jane Street Cui Tianyi — e montou uma equipe dedicada para desenvolver esse tipo de sistema enquanto tenta acompanhar o avanço de ferramentas de agente como o Claude Code, da Anthropic.

A nova aposta da DeepSeek

A DeepSeek teria contratado Cui Tianyi, ex‑engenheiro da empresa de trading quantitativo Jane Street, para integrar uma nova equipe focada na construção de infraestrutura de harness para IA.

De acordo com relatos da indústria, a companhia organizou internamente um time de “Harness” voltado a agentes de programação, com o objetivo de desenvolver algo comparável ao Claude Code da Anthropic.

A lógica é simples: transformar modelos avançados em ferramentas autônomas capazes de executar tarefas reais, especialmente para desenvolvedores e empresas.

Essa iniciativa acompanha a evolução dos próprios modelos da DeepSeek. Atualizações recentes da família V4 destacam melhorias em raciocínio e em capacidades chamadas de “agentic”, ou seja, a habilidade de realizar tarefas e fluxos de trabalho complexos de forma relativamente autônoma.

O que é exatamente um “AI harness”

Um AI harness é a camada de software que envolve um modelo de linguagem e permite que ele interaja com um ambiente real de trabalho.

Sem essa camada, um modelo gera apenas texto. Com um harness, ele passa a ter acesso a ferramentas e a um ciclo de execução que permite agir como um agente.

Na prática, essa infraestrutura pode permitir que o modelo:

• leia arquivos e analise bases de código
• execute comandos de terminal
• escreva e edite código
• consulte a web ou sistemas externos
• mantenha contexto de tarefas
• planeje e execute fluxos de trabalho com múltiplas etapas

Esse conjunto cria um loop operacional de agente, no qual o sistema observa uma tarefa, usa ferramentas, analisa os resultados e continua iterando até completar o objetivo.

Ferramentas modernas de programação com IA seguem exatamente essa arquitetura. A própria Anthropic descreve o Claude Code como um sistema capaz de entender todo um repositório, editar arquivos, executar comandos e automatizar tarefas de desenvolvimento em diferentes ferramentas.

Sem a camada de harness, mesmo modelos muito avançados têm dificuldade para executar esse tipo de trabalho complexo de forma confiável.

Por que essa camada virou o novo campo de batalha

O interesse em harnesses cresceu rapidamente com a popularização dos agentes de IA.

Produtos como o Claude Code mostram como essa camada pode transformar a experiência do usuário. Em vez de apenas sugerir código, o agente pode receber uma tarefa — por exemplo, corrigir um bug — e então:

• examinar o repositório
• modificar arquivos
• executar testes
• iterar até que o problema seja resolvido

Isso muda o papel da IA: de assistente de sugestões para colaborador ativo no desenvolvimento de software.

Os números também chamaram a atenção do mercado. Em 2026, a Anthropic afirmou ter atingido cerca de US$ 30 bilhões em receita anualizada, impulsionada por um crescimento extremamente rápido de uso e demanda por suas ferramentas de IA.

Algumas análises do setor estimam que o Claude Code sozinho pode gerar cerca de US$ 2,5 bilhões em receita anualizada, embora esses valores venham de relatórios externos e devam ser interpretados com cautela.

Mesmo com incertezas sobre valores exatos, o recado para o mercado é claro: produtos baseados em agentes estão virando motores de receita importantes.

A mudança estrutural na corrida da IA

O avanço da DeepSeek rumo à infraestrutura de agentes reflete uma transformação maior no setor.

No início da corrida da IA generativa, o diferencial era treinar o melhor modelo base. Agora, com modelos cada vez mais próximos em capacidade, a vantagem competitiva começa a migrar para a camada de produto construída sobre eles.

No ecossistema emergente de agentes, a empresa vencedora pode ser aquela que oferecer:

• melhores ferramentas para desenvolvedores
• loops de agentes mais confiáveis
• integrações profundas com ambientes de desenvolvimento
• automação de fluxos de trabalho complexos

Por isso, empresas de tecnologia tanto nos Estados Unidos quanto na China estão investindo pesado nessa infraestrutura.

Para a DeepSeek, montar uma equipe de harness e atrair engenheiros experientes é parte de uma estratégia maior: transformar modelos poderosos em produtos autônomos que as pessoas realmente usam todos os dias.

Em outras palavras, a corrida da IA está evoluindo de treinar modelos para construir agentes — e quem dominar a camada de harness pode definir a próxima geração de software de inteligência artificial.