DeepSeek Harness v0.1: Китайський штучний інтелект переходить від мовних моделей до автономних агентів

13–14 серпня 2026 року китайська AI-компанія DeepSeek випустила DeepSeek Harness v0.1 — відкриту платформу (MIT-ліцензія) для створення автономних агентів, яка змінює фокус компанії зі створення ефективних великих мовних моделей на конкуренцію в шарі автономного штучного інтелекту . Це не просто черговий реліз моделі; це стратегічний поворот, який аналітики та сама компанія називають виходом «на нове поле битви за межами великих мовних моделей» .

Що таке DeepSeek Harness?

DeepSeek Harness — це програмне забезпечення на Node.js, яке розташовується поверх LLM — так звана «упряж» — і керує інструментами, пам'яттю, оркестрацією підагентів, управлінням сесіями та логікою завершення завдань, щоб модель могла автономно виконувати складні багатокрокові завдання . Внутрішня формула DeepSeek проста: Модель + Harness = Агент . Модель — це мозок, що відповідає за міркування; Harness — це периферійна система, яка з'єднує цей мозок з файлами, терміналами, браузерами та зовнішніми інструментами .

Стратегічний поворот від LLM до агентного AI

DeepSeek побудував свою репутацію на створенні передових LLM за частку вартості порівняно з американськими конкурентами, такими як OpenAI та Anthropic. З Harness компанія переходить у «виконавчий шар» — інфраструктуру, яка перетворює сирий інтелект моделі на готовий до розгортання продукт, що приносить дохід . Видання South China Morning Post назвало цей реліз «стратегічним поворотом DeepSeek на нове поле битви за межами великих мовних моделей» .

Компанія підкріпила цей поворот приблизно $7 млрд зовнішнього фінансування — свого першого великого залучення капіталу — та розпочала агресивну кампанію з найму в підрозділ Harness . До червня 2026 року DeepSeek планував подвоїти всі відділи, розбудовуючи новий напрямок бізнесу .

«Усе є плагіном»: модульна архітектура

Визначальний принцип дизайну Harness — «Усе є плагіном» . Він побудований на метафреймворку Cordis, який керує завантаженням, вивантаженням плагінів та управлінням залежностями . Усі компоненти — моделі, інструменти, навички, сесії, пісочниці, файлові системи, цикли оркестрації і навіть інтерфейс — реалізовані як незалежні плагіни Cordis .

Це означає, що розробники можуть змішувати, поєднувати, замінювати та розширювати будь-які можливості без зміни основного коду . «Немає привілейованого ядра для виправлення» ; розширення системи відбувається шляхом підключення нових плагінів поруч з існуючими. Архітектура дозволяє розробникам створити власне середовище агента, вибираючи лише необхідні плагіни для конкретного завдання .

Чотири режими роботи

Harness постачається з чотирма вбудованими пресетами агентів, кожен з яких є різною композицією однієї й тієї ж системи плагінів :

Режим	Назва	Призначення
Standard	Повноцінний кодувальний агент	Щоденне кодування, налагодження та аналіз проєктів з повним набором інструментів, включаючи редагування файлів, термінал, веб-пошук, навички, планування, цілі, підагенти та робочі процеси .
Code (PTC)	Програмний виклик інструментів	Модель генерує TypeScript для оркестрації кількох викликів інструментів в одній операції run_code — зменшуючи кількість звернень та споживання токенів для пакетного пошуку, паралельного читання та багатокрокових автоматизованих робочих процесів .
Minimal	Режим бенчмаркінгу	Лише термінал та редактор файлів — мінімалістичний режим для відтворюваного тестування моделей. Саме в цьому режимі DeepSeek внутрішньо тестував V4-Flash перед публічним релізом .
Creator	Інтроспекція та розробка	Перегляд запущеного середовища Cordis, тестування з'єднань плагінів у пам'яті, створення нових пресетів та написання власних плагінів .

Кожен режим завантажує різний набір плагінів за замовчуванням; зміна режиму змінює інструменти, доступні агенту, та спосіб його виконання .

Архітектура журналу сесій із лише додаванням гарантує, що кожен системний запит, ланцюжок міркувань, виклик інструменту та його результат, диспетчеризація підагента та контекстна ін'єкція повністю записуються, що дозволяє точно відтворювати та налагоджувати будь-яку траєкторію агента .

Наймання таланту з Jane Street: Цуй Тяньї

У травні 2026 року DeepSeek найняв Цуй Тяньї (Tianyi Cui) — колишнього кількісного дослідника та зіркового інженера з Jane Street — для керівництва новою командою Harness . Його профіль у LinkedIn вказує його як «Member of Technical Staff, Harness Team» у DeepSeek AI з березня 2026 року, де він будує Agent Harness у Пекіні . Раніше він співзаснував гонконгську кількісну торгову фірму TSY Capital після майже дев'яти років у Jane Street на посадах розробника програмного забезпечення та кількісного дослідника .

Старший дослідник Делі Чен повідомив у травні 2026 року, що команда будує «CodeHarness» з нуля, а окремий продукт «DeepSeek Code», за повідомленнями, знаходиться в розробці . Цуй особисто проводить щоденні співбесіди з кандидатами та розміщує оголошення про вакансії на різних платформах, описуючи команду Harness як таку, що «безпосередньо бере на себе одне з найцентральніших та найважливіших завдань компанії» .

Конкурентна позиція щодо Anthropic Claude Code

DeepSeek Harness позиціонується як пряма альтернатива Anthropic Claude Code — популярному інструменту для кодування від американської AI-компанії . DeepSeek зареєстрував окремий обліковий запис WeChat «DeepSeek Harness (Tool Framework)» як окремий офіційний канал для бізнес-лінії Harness .

Однак DeepSeek публічно заявив, що Harness не призначений бути «наступним Codex» . Натомість це середовище виконання агента, яке можна перекомпонувати та відтворювати, де кожна можливість є замінною — більш модульний та відкритий підхід порівняно з монолітними конкурентами . Стратегія відкритого коду з ліцензією MIT контрастує з пропрієтарними моделями Anthropic та OpenAI, потенційно залучаючи більшу екосистему розробників .

Проект отримав понад 33 000 зірок на GitHub за лічені години після публічного попереднього перегляду , що свідчить про високий інтерес розробників до підходу, що базується на плагінах та відкритому коді.

Як почати

Почати роботу просто: виконайте

npx @deepseek-ai/dsh web