DeepSeek Harness: Der schwarze Wal taucht auf — Was wir bisher über DeepSeeks Claude-Code-Konkurrenten wissen

D​eepSeek Harness v0.1 ist draußen, und der erste wichtige Feldbericht kam weniger als einen Tag später. Am 14. August beschrieb dasselbe X-Konto, das den Veröffentlichungszeitpunkt festgelegt hatte — teortaxesTex — eine Sitzung, die tot aussah, während sie tatsächlich noch ablief: Das Token-Streaming verlangsamte sich „exponentiell“ zu einem Kriechen, die Oberfläche zeigte fünf von neun erledigten Todos, und ein Neuladen der Seite zeigte, dass alle neun abgeschlossen waren. Die Benutzeroberfläche hatte einen Zustand von vor etwa fünfzig Minuten angezeigt. „Ist das … das, was du unter räumlich-zeitlicher Komponierbarkeit verstehst?“ — ein fairer Seitenhieb, denn das Framework, auf dem D​eepSeek dieses Ding gebaut hat, hat buchstäblich eine Theorie über Zeit. Dieser Beitrag begann als Stück über eine Leak-Spur; die Spur klärte sich am 13. August, als D​eepSeek den Harness als Open Source freigab. Was folgt, ist das, was tatsächlich ausgeliefert wurde, und das, was der erste Tag der echten Nutzung über die Agent-Schicht zeigt, die um DeepSeek V4 Flash 0731 und DeepSeek V4 Pro herum gebaut wird.

Die ehrliche Einordnung hat sich geändert, seit dieser Beitrag ursprünglich veröffentlicht wurde. Als er erschien, war noch nichts mit dem Namen „D​eepSeek Harness“ ausgeliefert, und die Belege waren eine Reihe öffentlicher Hinweise – ein verifiziertes WeChat-Konto, Stellenausschreibungen, eine Benchmark-Fußnote, ein Anruf für interne Tests. Das gilt nicht mehr. Am Abend des 13. August (Peking-Zeit) veröffentlichte D​eepSeek v0.1 des Harness als MIT-lizenzierte Entwicklervorschau unter github.com/deepseek-ai/deepseek-harness, ausführbar mit einem einzigen npm-Befehl, und das Repository erhielt innerhalb weniger Stunden mehr als 30.000 GitHub-Sterne. Das Leck wurde zu einem Produkt. Was jetzt unbestätigt ist, ist nicht, ob der Harness existiert, sondern wie er sich in der Praxis verhält – und die ersten Feldberichte sind die neuen Belege.

Modell + Harness = Agent: Was ein „Harness“ eigentlich ist

Die Formel, die D​eepSeek intern verwendet, lautet Model + Harness = Agent. Das Modell ist das Gehirn; das Harness ist alles andere, was einen Agenten in der Praxis zum Funktionieren bringt – Kontext- und Speicherverwaltung, Tool-Aufrufe, Aufgabenplanung, das Lesen und Schreiben von Dateien, Terminal-Ausführung, das Zurückführen von Fehlerausgaben in die Schleife und die Beurteilung, ob eine Aufgabe tatsächlich abgeschlossen ist.

Der Begriff wurde von A​nthropic popularisiert und hat sich in der Branche als Deutungsrahmen dafür etabliert, warum Coding-Agenten mehr sind als ein gutes LLM. Ein Modell, das bei Benchmarks gut abschneidet, kann in einem Agenten-Loop dennoch scheitern, wenn die umgebende Maschinerie – wie es Tools aufruft, wie es sich merkt, was es vor zehn Minuten getan hat, wie es sich von einem fehlgeschlagenen Befehl erholt – schwach ist. D​eepSeek hat diese Maschinerie zu seiner ausdrücklichen Produktstrategie gemacht, und das Harness-Team ist im Organigramm die Einheit, die das umsetzt. Die darunterliegenden Modelle wurden bereits ausgeliefert: DeepSeek V4 Flash 0731 und DeepSeek V4 Pro tragen beide agentenoptimierte Benchmark-Werte, die D​eepSeek in seinem eigenen Harness erzeugt hat, bis hin zum Namen „D​eepSeek Harness minimal mode“.

Die Leak-Spur, die am 13. August endete.

Das war nie ein einzelnes Leck; es war eine Abfolge öffentlicher Brotkrümel, die sich seit März angesammelt hatten und schließlich in einem Veröffentlichungstermin mündeten. In grober Reihenfolge:

• März 2026 — Berichten zufolge wird Cui Tianyi (崔添翼), ein Absolvent der Informatik der Zhejiang-Universität und ehemaliger neun Jahre bei Jane Street tätiger Ingenieur, mit DeepSeeks Agentenarbeit in Verbindung gebracht; später identifiziert die Presse ihn als Leiter des Harness-Teams. Dies wurde berichtet, aber damals nicht von DeepSeek bestätigt.

• 24. April 2026 — DeepSeek V4 präsentiert eine Vorschau, explizit positioniert für Agentenaufgaben und abgestimmt auf Agententools wie Claude Code.

• Mai 2026 — D​eepSeek schreibt auf Moka zwei Harness-Stellen aus: einen Produktmanager für Agent Harness und einen Forschungstechniker, beide mit Sitz in Peking. D​eepSeek-Forscher Chen Deli schreibt öffentlich, dass das Ziel kurz gesagt darin besteht, Claude Code zu benchmarken und eine „D​eepSeek Code Harness" zu entwickeln.

• Juni 2026 — Die Einstellungsoffensive geht weiter; der Teamleiter beschreibt die Abteilung als unterbesetzt mit "ehrgeizigen Zielen und einer hohen Arbeitsbelastung."

• 6.–7. Juli 2026 — Das WeChat-Konto „D​eepSeek Harness Team“ wird unter der Pekinger Einheit von D​eepSeek registriert und verifiziert, mit einem Schwarzwal-Logo. Niemand außerhalb bemerkt es noch.

• 31. Juli 2026 — Die offizielle API von DeepSeek V4 Flash geht in die öffentliche Beta über, und die API-Dokumentation von D​eepSeek gibt — zum ersten Mal — bekannt, dass die CodeAgent-Aufgaben in ihren öffentlichen Benchmarks im „D​eepSeek Harness minimal mode" ausgeführt wurden, mit dem Zusatz „coming soon."

• 1. August 2026 — Der Harness-Teamleiter eröffnet die Rekrutierung für interne Tests, die sich an Entwickler von Open-Source-Agent-Harness-Projekten richtet. Die chinesische Tech-Presse berichtet von 769 Bewerbern, 712 einzigartigen Repositories und mehr als 1,2 Millionen kumulierten GitHub-Sternen.

• 11. August 2026 — Die Berichterstattung über den Account weitet sich aus; der schwarze Wal taucht auf.

• 13. August 2026 — v0.1 geht live: MIT-lizenziert, offen auf GitHub, ausführbar mit npx @deepseek-ai/dsh web. Die Spur ist geklärt.

Was v0.1 tatsächlich enthielt

Die Entwicklervorschau ist eine Desktop- und CLI-Agentenlaufzeit im Node-Paket-Namespace, aufgebaut auf dem Cordis-Meta-Framework mit dem erklärten Designprinzip „alles ist ein Plugin“. Modelle, Werkzeuge, Fähigkeiten, Sitzungen, Sandboxen, Speicher, die Agentenschleife, Zeitplanung und die Benutzeroberfläche sind alle austauschbare Cordis-Plugins. Vier Presets sind enthalten: Standard (das vollständige Werkzeugset für Coding-Agenten), PTC (das Modell schreibt TypeScript-Programme, um mehrstufige Tool-Aufrufe zu koordinieren), Minimal (ein Shell-Tool plus ein Dateieditor – der Modus, in dem die V4-Benchmarks liefen) und Creation (zum Erstellen benutzerdefinierter Presets). Eine Trajektorienansicht schreibt alles, was das Modell sieht, in ein Append-only-Sitzungsprotokoll, das Quelle für Quelle wiedergegeben werden kann – D​eepSeek's Antwort auf die „Black-Box“-Beschwerde über zusammengefasste Agentenverläufe.

Der entscheidende Vorbehalt ist D​eepSeeks eigener: Dies ist eine Entwicklervorschau, das Repository trägt einen Hinweis auf interne Tests, und es sind einschneidende Änderungen zu erwarten, während sich Kern-Plugins und Basis-APIs weiterentwickeln. Diese Warnung erwies sich innerhalb weniger Stunden als berechtigt – und sie bildet den Rahmen für die folgenden Praxisberichte.

Was die ersten Feldberichte zeigen

Der Bericht, der diese Aktualisierung zusammengestellt hat, ist ein einzelner Benutzerbericht und sollte auch als solcher gelesen werden: teortaxesTex beschrieb am 14. August eine DeepSeek-Harness-Sitzung, in der das Token-Streaming allmählich zum Erliegen kam, die Benutzeroberfläche fünf von neun erledigten Aufgaben zeigte und ein Neuladen ergab, dass tatsächlich alle neun abgeschlossen waren – die Oberfläche hatte den Zustand von vor etwa fünfzig Minuten gerendert. Es ist ein einzelner X-Beitrag, keine Bestätigung des Anbieters und noch nicht unabhängig reproduziert. Aber die Symptomklasse wird in den öffentlichen Unterlagen des Projekts selbst bestätigt, was es wert ist, ernst genommen zu werden.

Die GitHub-Diskussion #483 des offiziellen Repositorys, eingereicht am 13. August, dokumentiert genau diese Fehlerfamilie. Sitzungsinhalte werden mit einem begrenzten Write-Behind-Batch persistiert – Ereignisse liegen in einer In-Memory-Pending-Queue, bis ein 200-Millisekunden-Timer einen dauerhaften Schreibvorgang auslöst – und die Oberfläche rendert nur den festgeschriebenen Zustand. Unter starker paralleler Last dehnt sich dieses Fenster stark aus; nach einem unsauberen Herunterfahren wird der In-Memory-Rest nie weggeschrieben, und das JSONL- oder SQLite-Backend lädt nur das festgeschriebene Präfix neu. Dadurch erscheint die Benutzereingabe verspätet oder gar nicht, und zuvor sichtbarer Verlauf verschwindet. Die Diskussion bringt dies mit zwei offenen Issues in Verbindung: #477 (Benutzereingaben werden unter starker paralleler Last lange verzögert) und #479 (neue Benutzeranfragen erscheinen überhaupt nicht in der Konversationsansicht). Der Feldbericht „5/9 on screen, 9/9 done“ ist genau diese Kluft zwischen Festgeschriebenem und Tatsächlichem, die in einer Live-Sitzung auftritt.

Das breitere Feedback zu v0.1 ist in einer passenden Weise polarisiert. Einige Tester loben die Plugin-Architektur als „selbst zusammengebauten Desktop-PC mit Universalanschlüssen“ neben geschlossenen Konkurrenten; andere katalogisieren raue Kanten — einen fest verdrahteten multimodalen Pfad und einen dokumentierten Agentenrichtlinien-Bug, bei dem das Framework das Modell zwingt, jeden Exit-Code ungleich null zu untersuchen, während der grep-Exit-Code 1 für „keine Übereinstimmung“ bestandene Tests als scheinbare Fehlschläge erscheinen lässt, was eine sich selbst verstärkende Übervalidierungsschleife antreibt (61 Anfragen gegenüber 32 und 0,17 $ gegenüber 0,05 $ bei derselben Aufgabe im gemeldeten Vergleich). Die Rezensionen vom ersten Tag lesen sich wie eine Entwicklervorschau mit echter Ambition und echten Problemen in der Zustandsebene, nicht wie ein fertiger Claude-Code-Herausforderer.

„Raumzeitliche Komponierbarkeit“ ist nicht nur eine Pointe.

Der Schlusswitz des Feldberichts hat eine wissenschaftliche Arbeit als Hintergrund. D​eepSeek Harness basiert auf Cordis, dessen Design auf „A Programming Paradigm for Spatiotemporal Composability“ zurückgeht – einer 88-seitigen formalen Studie, die von der Peking-Universität und D​eepSeek gemeinsam verfasst wurde. Der Erstautor ist Yifan Shi (Schöpfer des Koishi-Chatbot-Frameworks), zusammen mit Wei Zhang und dem Leiter des Harness-Teams, Cui Tianyi. Die Arbeit zerlegt dynamische Komposition in zwei orthogonale Achsen: zeitliche Komponierbarkeit, bei der das Entfernen einer Komponente ihre Nebenwirkungen sauber rückgängig macht, als ob sie nie existiert hätte, und räumliche Komponierbarkeit, bei der Komponenten Abhängigkeiten deklarieren und die Laufzeit sie reaktiv aktiviert und deaktiviert, wenn Anbieter erscheinen und verschwinden.

Der Witz zündet, weil ein UI-Rendering-Zustand von vor fünfzig Minuten ein zeitliches Kompositionsversagen im wörtlichsten Sinne ist: Die Laufzeitumgebung führte weiterhin Code aus, während der sichtbare Zustand hinter ihr festgeschrieben wurde. Die in Diskussion #483 dokumentierte Persistenzlücke — ein Write-Behind-Batch, der weit hinter der laufenden Schleife zurückbleiben kann — ist genau die Art von Problem, die die Garantien des Papers verhindern sollen. Ob die Zustandsschicht des Testsystems diese Garantien in der Praxis letztlich einhält, ist eine der wirklich offenen Fragen dieser Veröffentlichung, und Berichte vom ersten Tag sind der erste Beleg in die eine oder andere Richtung.

Die darunterliegenden Modelle

Die Plattform ist das Produkt; die Modelle sind der Motor. Beide Modelle, die D​eepSeek vermutlich darunterstellen wird, sind bereits live, und beide sind heute über OrcaRouter aufrufbar:

• DeepSeek V4 Flash 0731 — die offizielle, erneut post-trainierte Veröffentlichung von D​eepSeek's effizientem MoE (284B gesamt / 13B aktiv), 1M-Token-Kontext, 384K maximale Ausgabe, Denkmodus standardmäßig aktiviert und in der O​penAI-Responses-API nativ fließend — dem Dialekt, den Codex-artige Agenten sprechen. Die von D​eepSeek selbst veröffentlichten Agent-Benchmark-Zahlen für die 0731-Revision: 82.7 bei Terminal-Bench 2.1, 76.7 bei Cybergym, 70.3 bei Toolathlon Verified, 68.7 bei DSBench-FullStack, 59.6 bei DSBench-Hard. Diese Zahlen sind Herstellerangaben und wurden nicht unabhängig reproduziert, aber D​eepSeek hat sie als Aushängeschild gewählt, und sie übertreffen sogar DeepSeek V4 Pro Preview auf demselben Benchmark-Satz.

DeepSeek V4 Pro — das Flaggschiff-MoE mit 1,6T Gesamt- / 49B aktiven Parametern, gleicher 1M-Token-Kontext, offene Gewichte (veröffentlicht im April 2026), Preis: 0,44 $ / 0,87 $ pro Million Tokens.

Was den Preis betrifft, geht es im Kern darum, dass D​eepSeek günstig ist. DeepSeek V4 Flash 0731 kostet ungefähr 0,147 $ pro Million Input-Token und 0,295 $ pro Million Output-Token – Listenpreise des Anbieters, die OrcaRouter ohne Aufschlag weitergibt. Sobald die Harness ausgereift ist, können Sie sie auf dieselben Modelle richten, die Sie bereits heute aufrufen können, und das spätere Ein- oder Auswechseln der Harness ist eine Konfigurationsänderung, keine Migration. Sie benötigen die D​eepSeek Harness jetzt nicht, um eines der beiden Modelle auszuführen.

Der Preiskrieg, in den es da hineinläuft

Dies ist kein Nischenmarkt. Claude Code lag Berichten zufolge Anfang 2026 auf einer annualisierten Umsatzrate von über 2,5 Milliarden US-Dollar, und der Markt für agentisches Programmieren wird auf einen einstelligen Milliardenbetrag geschätzt. Ein chinesisches Labor, das mit seinen API-Preisen unterbietet – und dessen Modelle bereits in Claude Code selbst laufen – ist eine Bewegung, die die gesamte Kategorie neu bepreist.

Bei den Kosten ist die Wahl des Harnesses genauso wichtig wie das Modell. Ein horizontaler Composio-Test, der DeepSeek V4 Flash über acht Harnesses laufen ließ, ergab für den günstigsten (den Open-Source-Harness „Pi“) etwa 0,028 $ an Inferenzkosten pro erfolgreicher Aufgabe, gegenüber etwa 0,195 $ für Claude Code im selben Test – eine fast 7-fache Lücke bei derselben Art von Arbeit. Addiert man den von D​eepSeek gemeldeten Prefix-Cache-Rabatt und die 99,93-prozentige Cache-Trefferquote, die Drittanbieter-Harnesses damit melden, werden die effektiven Kosten pro Aufgabe für einen D​eepSeek-basierten Agenten sehr schnell sehr gering.

Es ist auch erwähnenswert, was heute bereits gilt: D​eepSeek bietet einen A​nthropic-kompatiblen Endpunkt an (Basis-URL https://api.deepseek.com/anthropic), und die eigene Dokumentation führt Schritt für Schritt durch, wie man Claude Code auf D​eepSeek V4-Modelle ausrichtet. Das Harness-Produkt ist D​eepSeek, das versucht, diese Ebene zu besitzen, statt sie zu mieten – und D​eepSeek hat angekündigt, dass über die V4-Linie eine erhebliche Preiserhöhung kommen wird. Da OrcaRouter die Listenpreise der Anbieter ohne Aufschlag weitergibt, ist der neue Tarif bei uns am selben Tag live, an dem er erscheint, ohne Neuverhandlung.

Warum das Geschirr das neue Schlachtfeld ist

Der Wandel verlagert sich von der Modellfähigkeit zur Aufgabenausführung. Ein Frontier-Modell ist heute nur noch die Grundvoraussetzung; was darüber entscheidet, ob ein Team tatsächlich einen Agenten ausliefert, ist die umgebende Maschinerie – und die Daten, die sie erzeugt. Analysten, die D​eepSeek Vorgehen einordnen, darunter CITIC Securities, argumentieren, dass ein ausgereiftes Harness aus zwei sich verstärkenden Gründen ein Burggraben ist: Es schließt den kommerziellen Kreislauf vom Einstiegspunkt bis zur abgeschlossenen Aufgabe, und es erzeugt Daten über langfristige Aufgabenverläufe, die das Modelltraining speisen. Community-Harnesses wie Pi oder D​eepSeek-TUI belegen die Nachfrage, aber sie speisen diese Daten nicht zurück in das Modell. D​eepSeek eigenes Harness würde das tun – und die Trajectory-Funktion, die in v0.1 ausgeliefert wird, ist dieser Datenpfad in sichtbarer Form.

Auch deshalb greift eine Lesart, die nur das Modell benchmarkt, zu kurz. Die Agent-Scores von DeepSeek V4 Flash sind stark, aber das Harness ist der Ort, an dem D​eepSeek den dauerhaften Vorteil aufbauen will – was die State-Layer-Bugs in den Berichten vom ersten Tag zu mehr als bloßer Kosmetik macht. Ein Harness, dessen UI fünfzig Minuten hinter dem Loop zurückbleiben kann, ist immer noch eine Developer Preview; es ist noch nicht der Burggraben.

Was wir gerade ansehen

• Ob die Zustandsschicht mithält. Der Write-Behind-Lag ist dokumentiert, reproduzierbar und wird als Issue gegen das offizielle Repository eingereicht; zu beobachten ist, ob der Flush-Pfad schnell behoben wird und ob sich das Design „UI zeigt nur committeten Zustand“ ändert, wenn eine Sitzung gerade läuft.

{{1}}Der native Reproduktionstest.{{/1}} Der eigentliche Grund, warum das Release wichtig war, ist, dass die V4-Agenten-Scores von D​eepSeek im „D​eepSeek Harness Minimalmodus" generiert wurden — jetzt kann jeder die Vorschau installieren und diese Aufgaben nativ ausführen. {{2}}Wenn sich die Werte 82,7 / 87,9 reproduzieren, lesen sich die letzten beiden Releases als ein kohärentes System; wenn nicht, wird die Diskrepanz zwischen Anbieter- und Benchmark-Ergebnissen messbar.{{/2}}

• Ob das Plugin-Ökosystem auf die Beine kommt. Die #dsh-tagged-Plugin-Schnittstelle ist real, aber ob Drittanbieter etwas liefern, das sich zu installieren lohnt, ist noch offen.

Die Preisliste. DeepSeek hat nichts darüber gesagt, was das Harness selbst kosten wird, und die angekündigte Preiserhöhung der V4-API ist die andere große Unbekannte.

• Ob „spatiotemporal composability" zu einer Fixliste oder zu einem Schlagwort wird. Das Papier gibt D​eepSeek eine präzise Terminologie für genau das Versagen, das der Feldbericht aufgedeckt hat; ob die v0.1-Zustandsschicht auf diese Garantien hinkonvergiert, ist der Test.

Die ehrliche Einschätzung: Das stärkste Vorab-Signal von D​eepSeek ist jetzt ein echtes Produkt, aber eine Entwicklervorschau mit dokumentierten Kanten. Was heute solide ist, ist das Modellpaar darunter — DeepSeek V4 Flash 0731 und DeepSeek V4 Pro, beide live auf OrcaRouter zum Listenpreis des Anbieters ohne Aufschlag, beide in Agent-Schleifen über eine einzige Standard-API nutzbar. Wenn die Umgebung ausgereift ist, besteht der Weg, sie zu evaluieren, ohne einen Produktionspfad auf eine v0.1 zu setzen, darin, zu routen: die Umgebung für die Evaluation davorzuschalten, dieselben Modelle hinter einem Endpunkt zu behalten und auf eine bewährte Kombination umzuschalten, sobald sie ins Stocken gerät. Dieser Wechsel ist eine Ein-zeilen-Änderung.