DeepSeek Harness v0.1: Китайский ИИ-стартап бросает вызов OpenAI и Anthropic с открытой платформой для автономных агентов

Стратегический разворот от LLM к агентному ИИ

DeepSeek построила свою репутацию на обучении передовых LLM за долю стоимости по сравнению с американскими конкурентами, такими как OpenAI и Anthropic. С помощью Harness компания выходит в "исполнительный слой" — инфраструктуру, которая превращает сырой интеллект модели в развёртываемый, приносящий доход продукт . Издание South China Morning Post назвало этот релиз "стратегическим разворотом, поскольку DeepSeek вступает на новое поле битвы за пределами больших языковых моделей" .

Компания подкрепила этот разворот ~$7 миллиардами внешнего финансирования — своим первым крупным внешним капиталом — и запустила агрессивную кампанию по найму в подразделение Harness . К июню 2026 года DeepSeek, по сообщениям, планировала удвоить все отделы, развивая новое направление бизнеса .

"Всё — это плагин": модульная архитектура

Определяющий принцип дизайна Harness — "Всё — это плагин" . Он построен на мета-фреймворке Cordis, который управляет загрузкой, выгрузкой и зависимостями плагинов . Все компоненты — модели, инструменты, навыки, сессии, песочницы, файловые системы, оркестрационные циклы и даже пользовательский интерфейс — реализованы как независимые плагины Cordis .

Это означает, что разработчики могут смешивать, сочетать, заменять и расширять любые возможности без изменения основного исходного кода . "Нет привилегированного ядра для патчинга" ; расширение системы осуществляется путём подключения новых плагинов к существующим. Архитектура позволяет разработчикам собрать собственный рантайм агента, выбирая только те плагины, которые необходимы для конкретной задачи .

Четыре предустановленных режима

Harness поставляется с четырьмя встроенными пресетами агентов, каждый из которых представляет собой разную комбинацию одной и той же системы плагинов :

Каждый режим загружает разный набор плагинов по умолчанию; переключение режима меняет, какие инструменты доступны агенту и как он выполняет задания .

Дизайн журнала сессий только с добавлением гарантирует, что каждый системный промпт, цепочка мыслей, вызов инструмента и результат, диспетчеризация под-агента и инъекция контекста полностью записываются, что позволяет точно воспроизводить и отлаживать любую траекторию работы агента .

Найм таланта из Jane Street: Цуй Тяньи

В мае 2026 года DeepSeek наняла Цуй Тяньи (Tianyi Cui), бывшего количественного аналитика и звездного инженера из Jane Street, для руководства своей новой командой Harness . В профиле Цуя на LinkedIn указано, что он является "членом технического персонала, команда Harness" в DeepSeek AI с марта 2026 года, занимаясь созданием Agent Harness в Пекине . Ранее он был сооснователем гонконгского количественного торгового фонда TSY Capital после почти девяти лет работы в Jane Street на должностях разработчика ПО и количественного аналитика .

Старший исследователь Дели Чен в мае 2026 года сообщил, что команда создаёт "CodeHarness" с нуля, а отдельный продукт "DeepSeek Code", по сообщениям, находится в разработке . Цуй лично ежедневно проводит собеседования с кандидатами и размещает объявления о наборе на различных платформах, описывая команду Harness как "непосредственно решающую одну из самых центральных и важных задач компании" .

Конкурентная позиция по отношению к Anthropic Claude Code

DeepSeek Harness позиционируется как прямая альтернатива Anthropic Claude Code — популярному инструменту для кодинга от американской ИИ-компании . DeepSeek зарегистрировал специальный аккаунт "DeepSeek Harness (Инструментальный фреймворк)" в WeChat как отдельный официальный канал для бизнес-линии Harness .

Однако DeepSeek публично заявила, что Harness не предназначен быть "следующим Codex" . Вместо этого это рекомбинируемый, воспроизводимый рантайм агента, где каждая возможность является заменяемой — гораздо более модульный и открытый подход по сравнению с монолитными конкурентами . Стратегия открытого исходного кода с лицензией MIT контрастирует с проприетарными моделями Anthropic и OpenAI, что потенциально может привлечь более крупное сообщество разработчиков .

Проект собрал более 33 000 звёзд на GitHub в течение нескольких часов после публичной превью-версии , что отражает большой интерес разработчиков к подходу с плагинами и открытым исходным кодом.

Как начать работу

Начать работу просто: запустите

npx @deepseek-ai/dsh web