Den viktigaste slutsatsen från den praktiska genomgången den 21 augusti är enkel: DeepSeek Harness är inte en AI-modell i sig. Det är infrastrukturen runt modellen – den del som kopplar modellens resonemang till filer, terminaler, verktyg, sessioner och faktisk körning.

DeepSeeks utvecklarförhandsversion släpptes under MIT-licensen via kommandoradsverktyget dsh och bygger på formeln Modell + körmiljö = agent. Modellen står för resonemang och beslut, medan körmiljön ger den möjlighet att agera i omvärlden. 69

Det gör Harness mer intressant som byggmaterial för utvecklare än som en färdig ersättare till etablerade kodassistenter.

Vad betyder ”Modell + körmiljö = agent”?

En språkmodell kan planera och skriva instruktioner, men den kan inte på egen hand läsa ett lokalt projekt, ändra filer, köra kommandon, hålla reda på en lång arbetsprocess eller samordna upprepade verktygsanrop. Det är körmiljön som tillhandahåller dessa funktioner.

I DeepSeek Harness är modelladaptern, verktygsregistret, sessionsloggen och själva agentloopen utbytbara pluginmoduler. Arkitekturen bygger på Cordis, där pluginer bidrar med tjänster, typade händelser och återställningsbara effekter i en gemensam körkontext. 17

Skillnaden får två viktiga följder:

• Modellen är inte hela agenten. Den fattar beslut och producerar resonemang eller åtgärder.
• Körmiljön är inte i princip bunden till en enda modell. Den kan konfigureras med olika modelladaptrar och uppsättningar av funktioner, i stället för att modellen och agentapplikationen sitter ihop som en enda odelbar produkt. 16

Därför blir det missvisande att beskriva DeepSeek Harness som ”en ny AI-modell”. Det är snarare en körmiljö som omvandlar en resonemangsmodell till ett system som kan utföra uppgifter.

Så kommer du i gång med förhandsversionen

Den snabbstart som testades använde kommandot:

npx @deepseek-ai/dsh web

Det lokala webbgränssnittet kördes på localhost:3080. En annan praktisk genomgång angav motsvarande adress som 127.0.0.1:3080. 64

I testet fyllde användaren också i en DeepSeek API-nyckel och möttes av ett gränssnitt med beteckningen ”Exploring the Uncharted”. Det är observationer från den specifika genomgången och ska inte tolkas som att alla installationer måste visa exakt samma gränssnitt eller konfigurationsflöde. 7

Den praktiska slutsatsen är att Harness främst riktar sig till utvecklare som är vana vid att konfigurera en lokal körmiljö och tillhandahålla egen modellåtkomst. Det är ännu inte ett verktyg för den som vill ha en färdig kodassistent utan installation och inställningar.

Fyra arbetslägen – fyra pluginuppsättningar

DeepSeek Harness behandlar inte lägena som fyra helt separata produkter. De är förinställda kombinationer av pluginer, där varje läge laddar en annan standarduppsättning för en viss typ av arbete. 1823

Standard: den fullständiga agentupplevelsen

Standard är läget för allmän användning. DeepSeek beskriver det som en komplett kodagent med filredigering, shellåtkomst, fil- och webbsökning, färdigheter, planering, mål, delagenter och arbetsflöden. 20

Det är det läge som ligger närmast vardaglig agentbaserad utveckling och uppgiftshantering. Samtidigt gör förhandsversionens ojämna kanter att det passar bättre för experiment än för den som bara vill ersätta en etablerad kodagent.

PTC: programmatisk verktygsanvändning

PTC, eller Programmatic Tool Calling, är avsett för arbetsflöden där modellen skriver kod som samordnar flera verktygsanrop. I stället för att be om varje operation separat kan modellen använda ett genererat program för att styra en serie åtgärder. 20

Metoden riktar sig till kraftfullare modeller och avancerade användare som arbetar med uppgifter i flera steg. Verktygstunga arbetsflöden kan bli mer strukturerade, men det blir samtidigt viktigare att granska vad den genererade koden faktiskt kommer att göra.

Minimal: en kontrollerad testmiljö

Minimal skalar ned körmiljön till ett shellverktyg och en filredigerare. DeepSeek positionerar läget som ett sätt att testa eller studera modeller i en medvetet begränsad miljö, med mindre hjälp från den omgivande agentstacken. 20

Det är användbart när målet är utvärdering snarare än bekvämlighet. Läget gör det lättare att skilja modellens egen förmåga från funktionerna som tillförs av en komplett agentkörmiljö.

Creation: ett läge för att bygga nya lägen

Creation riktar sig till utvecklare som vill ändra eller bygga ut själva Harness. Här finns stöd för att inspektera körmiljön, experimentera med Cordis-pluginer i minnet och sätta samman egna förinställningar. 20

En dokumenterad plugin för Creation-läget lägger dessutom till Cordis självinspektion, experiment med dynamiska pluginer och vägledning för att skapa egna presets. 22 Det är den tydligaste bilden av DeepSeeks större ambition: systemet ska inte bara köra agenter, utan också låta utvecklare forma den körmiljö som agenterna använder.

Cordis och arkitekturen där ”allt är en plugin”

Det mest särpräglade i DeepSeek Harness är den arkitektoniska filosofin. I stället för att låsa in modellen, verktygen, historiken och kontrollflödet i en stor och fast kärna exponeras delarna genom Cordis pluginsystem.

Den officiella arkitekturdokumentationen pekar särskilt ut följande som utbytbara pluginer:

• modelladaptrar,
• verktygsregister,
• sessionsloggar och
• själva agentloopen. 17

Praktiska rapporter beskriver en bredare vision som även omfattar färdigheter, sessioner, sandlådor, lagring, schemaläggning och användargränssnitt. De exemplen är dock inte alla självständigt bekräftade i det primära källutdraget och bör därför ses som projektets rapporterade riktning snarare än som lika väl verifierade implementeringsdetaljer. 117

Designen förklarar också hur fyra lägen kan kännas fundamentalt olika utan att kräva fyra separata program. En profil kan vid starten sätta samman ordnade pluginlager för vanlig utveckling, kontrollerad utvärdering, programmatisk verktygsanvändning eller pluginutveckling. 1723

Synlig körning i stället för en svart låda

Agentbaserade system är svåra att felsöka när de bara visar ett slutligt svar. DeepSeek Harness lägger större vikt vid själva körvägen: sessioner och körspår ingår i arkitekturen, och komponenten för sessionsloggar kan bytas ut på samma sätt som andra pluginer. 17

En separat genomgång beskrev spårvyn som en tilläggsbaserad JSONL-händelseström på disk. Den gjorde det möjligt att snabbt hitta ett konfigurationsproblem. 4 Det officiella arkitekturutdraget bekräftar sessionsloggar som pluginer, men verifierar inte ensamt varje detalj i formatet.

För utvecklare kan denna spårbarhet vara minst lika viktig som modellens råa kvalitet. Den kan hjälpa till att besvara frågor som vilket verktyg som anropades, vad agenten försökte göra och när en lång uppgift började tappa riktning.

Vad de tidiga testerna säger om prestandan

De tillgängliga testerna visar verklig kapacitet, men de utgör inte ett universellt prestandatest. I en session den 21 augusti med DeepSeek V4 Flash 0731 tog det 46 minuter och 109 steg att bygga en plugin. Körningen använde 8,9 miljoner indatatoken. 1 Ett annat praktiskt test rapporterade omkring 20 miljoner token under ungefär 35 minuter när ett spårningsverktyg för den internationella rymdstationen byggdes. 2

Slutsatsen måste därför vara försiktig: långa autonoma uppgifter kan bli både långsamma och kostsamma i utvecklarförhandsversionen. Tiden påverkas av modell, uppgift, cachelagring och arbetsbelastning. Siffrorna ska inte läsas som en fast hastighetsgräns för alla Harness-körningar.

Samtidigt tydliggör resultaten produktens nuvarande avvägning. DeepSeek erbjuder ovanligt konfigurerbar infrastruktur innan användarupplevelsen är färdigpolerad. Projektet har beskrivits som lovande infrastruktur och som en möjlig grund för ett avgränsat tekniskt pilotprojekt – men ännu inte som en produktionsklar kontrollplattform. 56

Vem har mest nytta av DeepSeek Harness?

Den starkaste positioneringen är inte att DeepSeek har byggt marknadens bästa gränssnitt för kodagenter. Poängen är att företaget har öppnat en bred agentkörmiljö där modeller, verktyg, körloopar och andra funktioner kan kombineras och bytas ut.

Det gör Harness särskilt intressant för:

• utvecklare som bygger egna agenter,
• forskare som vill utvärdera modeller med olika grader av stöd från körmiljön,
• team som behöver inspekterbara körhistoriker och
• open source-bidragare som experimenterar med pluginer och modulär runtime-komposition.

Det är mindre lockande för den som i dag bara vill ha en polerad kodagent med förutsägbar svarstid och minimal konfiguration. v0.1-skalet är fortfarande tidigt, och rapporterna om långa uppgifter visar att hög kapacitet inte automatiskt innebär hög hastighet eller produktionsmognad. 56

Kort sagt är ”Modell + körmiljö = agent” både en produktförklaring och ett strategiskt ställningstagande. DeepSeek skiljer intelligensen från maskineriet som låter intelligensen agera – och satsar på att en utbyggbar pluginbaserad körmiljö kan bli mer värdefull än en enda fast agentapplikation.

Den viktigaste slutsatsen från den praktiska genomgången den 21 augusti är enkel: DeepSeek Harness är inte en AI-modell i sig. Det är infrastrukturen runt modellen – den del som kopplar modellens resonemang till filer, terminaler, verktyg, sessioner och faktisk körning.

DeepSeeks utvecklarförhandsversion släpptes under MIT-licensen via kommandoradsverktyget dsh och bygger på formeln Modell + körmiljö = agent. Modellen står för resonemang och beslut, medan körmiljön ger den möjlighet att agera i omvärlden. 69

Det gör Harness mer intressant som byggmaterial för utvecklare än som en färdig ersättare till etablerade kodassistenter.

Vad betyder ”Modell + körmiljö = agent”?

En språkmodell kan planera och skriva instruktioner, men den kan inte på egen hand läsa ett lokalt projekt, ändra filer, köra kommandon, hålla reda på en lång arbetsprocess eller samordna upprepade verktygsanrop. Det är körmiljön som tillhandahåller dessa funktioner.

I DeepSeek Harness är modelladaptern, verktygsregistret, sessionsloggen och själva agentloopen utbytbara pluginmoduler. Arkitekturen bygger på Cordis, där pluginer bidrar med tjänster, typade händelser och återställningsbara effekter i en gemensam körkontext. 17

Skillnaden får två viktiga följder:

• Modellen är inte hela agenten. Den fattar beslut och producerar resonemang eller åtgärder.
• Körmiljön är inte i princip bunden till en enda modell. Den kan konfigureras med olika modelladaptrar och uppsättningar av funktioner, i stället för att modellen och agentapplikationen sitter ihop som en enda odelbar produkt. 16

Därför blir det missvisande att beskriva DeepSeek Harness som ”en ny AI-modell”. Det är snarare en körmiljö som omvandlar en resonemangsmodell till ett system som kan utföra uppgifter.

Så kommer du i gång med förhandsversionen

Den snabbstart som testades använde kommandot:

npx @deepseek-ai/dsh web

Det lokala webbgränssnittet kördes på localhost:3080. En annan praktisk genomgång angav motsvarande adress som 127.0.0.1:3080. 64

I testet fyllde användaren också i en DeepSeek API-nyckel och möttes av ett gränssnitt med beteckningen ”Exploring the Uncharted”. Det är observationer från den specifika genomgången och ska inte tolkas som att alla installationer måste visa exakt samma gränssnitt eller konfigurationsflöde. 7

Den praktiska slutsatsen är att Harness främst riktar sig till utvecklare som är vana vid att konfigurera en lokal körmiljö och tillhandahålla egen modellåtkomst. Det är ännu inte ett verktyg för den som vill ha en färdig kodassistent utan installation och inställningar.

Fyra arbetslägen – fyra pluginuppsättningar

DeepSeek Harness behandlar inte lägena som fyra helt separata produkter. De är förinställda kombinationer av pluginer, där varje läge laddar en annan standarduppsättning för en viss typ av arbete. 1823

Standard: den fullständiga agentupplevelsen

Standard är läget för allmän användning. DeepSeek beskriver det som en komplett kodagent med filredigering, shellåtkomst, fil- och webbsökning, färdigheter, planering, mål, delagenter och arbetsflöden. 20

Det är det läge som ligger närmast vardaglig agentbaserad utveckling och uppgiftshantering. Samtidigt gör förhandsversionens ojämna kanter att det passar bättre för experiment än för den som bara vill ersätta en etablerad kodagent.

PTC: programmatisk verktygsanvändning

PTC, eller Programmatic Tool Calling, är avsett för arbetsflöden där modellen skriver kod som samordnar flera verktygsanrop. I stället för att be om varje operation separat kan modellen använda ett genererat program för att styra en serie åtgärder. 20

Metoden riktar sig till kraftfullare modeller och avancerade användare som arbetar med uppgifter i flera steg. Verktygstunga arbetsflöden kan bli mer strukturerade, men det blir samtidigt viktigare att granska vad den genererade koden faktiskt kommer att göra.

Minimal: en kontrollerad testmiljö

Minimal skalar ned körmiljön till ett shellverktyg och en filredigerare. DeepSeek positionerar läget som ett sätt att testa eller studera modeller i en medvetet begränsad miljö, med mindre hjälp från den omgivande agentstacken. 20

Det är användbart när målet är utvärdering snarare än bekvämlighet. Läget gör det lättare att skilja modellens egen förmåga från funktionerna som tillförs av en komplett agentkörmiljö.

Creation: ett läge för att bygga nya lägen

Creation riktar sig till utvecklare som vill ändra eller bygga ut själva Harness. Här finns stöd för att inspektera körmiljön, experimentera med Cordis-pluginer i minnet och sätta samman egna förinställningar. 20

En dokumenterad plugin för Creation-läget lägger dessutom till Cordis självinspektion, experiment med dynamiska pluginer och vägledning för att skapa egna presets. 22 Det är den tydligaste bilden av DeepSeeks större ambition: systemet ska inte bara köra agenter, utan också låta utvecklare forma den körmiljö som agenterna använder.

Cordis och arkitekturen där ”allt är en plugin”

Det mest särpräglade i DeepSeek Harness är den arkitektoniska filosofin. I stället för att låsa in modellen, verktygen, historiken och kontrollflödet i en stor och fast kärna exponeras delarna genom Cordis pluginsystem.

Den officiella arkitekturdokumentationen pekar särskilt ut följande som utbytbara pluginer:

• modelladaptrar,
• verktygsregister,
• sessionsloggar och
• själva agentloopen. 17

Praktiska rapporter beskriver en bredare vision som även omfattar färdigheter, sessioner, sandlådor, lagring, schemaläggning och användargränssnitt. De exemplen är dock inte alla självständigt bekräftade i det primära källutdraget och bör därför ses som projektets rapporterade riktning snarare än som lika väl verifierade implementeringsdetaljer. 117

Designen förklarar också hur fyra lägen kan kännas fundamentalt olika utan att kräva fyra separata program. En profil kan vid starten sätta samman ordnade pluginlager för vanlig utveckling, kontrollerad utvärdering, programmatisk verktygsanvändning eller pluginutveckling. 1723

Synlig körning i stället för en svart låda

Agentbaserade system är svåra att felsöka när de bara visar ett slutligt svar. DeepSeek Harness lägger större vikt vid själva körvägen: sessioner och körspår ingår i arkitekturen, och komponenten för sessionsloggar kan bytas ut på samma sätt som andra pluginer. 17

En separat genomgång beskrev spårvyn som en tilläggsbaserad JSONL-händelseström på disk. Den gjorde det möjligt att snabbt hitta ett konfigurationsproblem. 4 Det officiella arkitekturutdraget bekräftar sessionsloggar som pluginer, men verifierar inte ensamt varje detalj i formatet.

För utvecklare kan denna spårbarhet vara minst lika viktig som modellens råa kvalitet. Den kan hjälpa till att besvara frågor som vilket verktyg som anropades, vad agenten försökte göra och när en lång uppgift började tappa riktning.

Vad de tidiga testerna säger om prestandan

De tillgängliga testerna visar verklig kapacitet, men de utgör inte ett universellt prestandatest. I en session den 21 augusti med DeepSeek V4 Flash 0731 tog det 46 minuter och 109 steg att bygga en plugin. Körningen använde 8,9 miljoner indatatoken. 1 Ett annat praktiskt test rapporterade omkring 20 miljoner token under ungefär 35 minuter när ett spårningsverktyg för den internationella rymdstationen byggdes. 2

Slutsatsen måste därför vara försiktig: långa autonoma uppgifter kan bli både långsamma och kostsamma i utvecklarförhandsversionen. Tiden påverkas av modell, uppgift, cachelagring och arbetsbelastning. Siffrorna ska inte läsas som en fast hastighetsgräns för alla Harness-körningar.

Samtidigt tydliggör resultaten produktens nuvarande avvägning. DeepSeek erbjuder ovanligt konfigurerbar infrastruktur innan användarupplevelsen är färdigpolerad. Projektet har beskrivits som lovande infrastruktur och som en möjlig grund för ett avgränsat tekniskt pilotprojekt – men ännu inte som en produktionsklar kontrollplattform. 56

Vem har mest nytta av DeepSeek Harness?

Den starkaste positioneringen är inte att DeepSeek har byggt marknadens bästa gränssnitt för kodagenter. Poängen är att företaget har öppnat en bred agentkörmiljö där modeller, verktyg, körloopar och andra funktioner kan kombineras och bytas ut.

Det gör Harness särskilt intressant för:

• utvecklare som bygger egna agenter,
• forskare som vill utvärdera modeller med olika grader av stöd från körmiljön,
• team som behöver inspekterbara körhistoriker och
• open source-bidragare som experimenterar med pluginer och modulär runtime-komposition.

Det är mindre lockande för den som i dag bara vill ha en polerad kodagent med förutsägbar svarstid och minimal konfiguration. v0.1-skalet är fortfarande tidigt, och rapporterna om långa uppgifter visar att hög kapacitet inte automatiskt innebär hög hastighet eller produktionsmognad. 56

Kort sagt är ”Modell + körmiljö = agent” både en produktförklaring och ett strategiskt ställningstagande. DeepSeek skiljer intelligensen från maskineriet som låter intelligensen agera – och satsar på att en utbyggbar pluginbaserad körmiljö kan bli mer värdefull än en enda fast agentapplikation.