DeepSeek делает ставку на AI‑агентов: зачем компании команда Harness и конкуренция с Claude Code

Шаг DeepSeek: создание команды AI Harness

Сообщается, что DeepSeek сформировала внутреннюю команду Harness, сосредоточенную на создании агентных инструментов для программирования.

В эту команду вошёл Цуй Тяньи, ранее работавший инженером в известной квантовой трейдинговой компании Jane Street.

Основная задача команды — разработать систему, которая позволит использовать модели DeepSeek как полноценных автономных помощников для разработки и работы с программным кодом, аналогично тому, как это делает Claude Code.

Этот шаг логично продолжает развитие собственных моделей DeepSeek. Например, в обновлениях семейства V4 компания подчеркнула улучшенные способности к рассуждению и так называемым agentic‑функциям — способности выполнять сложные задачи и многошаговые рабочие процессы автономно.

Что такое AI‑harness

AI‑harness — это программный слой, который окружает модель и дает ей возможность взаимодействовать с реальной рабочей средой.

Без него модель может только генерировать текст. С harness‑слоем она получает доступ к инструментам и может, например:

• читать файлы и анализировать кодовые базы
• выполнять команды терминала
• редактировать и писать код
• обращаться к внешним сервисам или интернету
• управлять контекстом и планировать задачи
• выполнять многошаговые рабочие процессы

Иными словами, harness предоставляет инструменты, среду выполнения и цикл управления задачей, которые превращают языковую модель из чат‑бота в автономного программного агента.

Такие системы могут самостоятельно читать файлы, выполнять команды и постепенно обновлять результат работы, пока задача не будет выполнена.

Как работают современные AI‑агенты

Хороший пример — Claude Code от Anthropic.

По документации компании, инструмент способен:

• анализировать весь код проекта
• редактировать файлы
• запускать команды и тесты
• исправлять ошибки
• выполнять сложные задачи разработки через несколько инструментов

Фактически разработчик может описать задачу — например, «исправь баг» или «реализуй новую функцию» — после чего агент:

1. изучает кодовую базу
2. вносит изменения
3. запускает тесты
4. повторяет цикл до получения рабочего результата.

Такой подход превращает ИИ из системы подсказок в полноценного партнёра по разработке.

Почему слой harness стал ключевым в индустрии

Растущая популярность AI‑агентов резко повысила стратегическую ценность инфраструктуры harness.

Коммерческие результаты показывают масштаб тренда. Anthropic сообщила в 2026 году, что её выручка достигла примерно $30 млрд в годовом пересчёте, после крайне быстрого роста использования продуктов компании.

Некоторые отраслевые оценки также предполагают, что Claude Code может приносить около $2,5 млрд годовой выручки, хотя такие цифры основаны на сторонних аналитических отчётах и требуют осторожной интерпретации.

Но даже без точных цифр ясно одно: агентные инструменты становятся крупным источником дохода.

Новая фаза гонки ИИ

Индустрия переживает структурный сдвиг.

На раннем этапе главным преимуществом была сама модель. Но по мере того как модели становятся доступнее и их возможности сближаются, всё большую роль начинают играть продуктовые и инфраструктурные слои поверх модели.

В экосистеме AI‑агентов ключевыми факторами успеха становятся:

• удобные инструменты для разработчиков
• надежные агентные циклы выполнения задач
• интеграция с рабочими средами разработки
• автоматизация сложных рабочих процессов

Поэтому и американские, и китайские компании активно инвестируют в агентную инфраструктуру.

Для DeepSeek создание команды Harness и привлечение опытных инженеров — это попытка превратить сильные модели в полноценные автономные продукты, которыми разработчики смогут пользоваться каждый день.

Гонка ИИ постепенно смещается от обучения моделей к инженерии агентов — и именно компании, которые лучше всего освоят слой harness, могут определить следующее поколение программного обеспечения на базе искусственного интеллекта.