DeepSeek Harness, förklarat: Agentkörningsmiljön bakom 'Model + Harness = Agent'

Deep​Seek Harness — dsh förkortat — är inte en modell. Det är den öppna agentruntime som Deep​Seek släppte under MIT-licensen den 13 augusti 2026, och det är det snabbaste Deep​Seek någonsin har levererat mätt i användning: pressbevakning rapporterar ungefär 50 000 GitHub-stjärnor under de första 12 timmarna, och repot stod på 125 922 stjärnor med 12 523 forks när vi läste GitHub API:et idag. Dess jobb är ingenjörslagret mellan en språkmodell och en färdig uppgift: filredigering, terminalexekvering, webbsökning, kontexthantering, uppgiftsplanering och att anropa andra agenter. Formeln som Deep​Seeks eget team använder är Modell + Harness = Agent — modellen resonerar, harnesset gör allt annat.

Den skillnaden är poängen med den här artikeln. De som söker på "deepseek harness" förväntar sig vanligtvis en modellrecension men hamnar på lanseringsbevakning istället. Så här är svaret direkt: DSH är inte en modell som du anropar via ett API. Det är ett program som du installerar och kör – npm-paketet är @deepseek-ai/dsh, för närvarande 0.1.0-rc.6 – och det ansluter vilken modell du än ger det (DeepSeek V4 Flash som standard) till ditt filsystem, din terminal, webben och andra agenter. Det är MIT-licensierat, byggt på ett plugin-ramverk som heter Cordis, och det är uttryckligen en utvecklarpreview som varnar för brytande ändringar. Nedan följer vad det faktiskt gör, hur du kör det idag och var det brister.

Vad en harness faktiskt gör (och varför termen är förvirrande)

En harness är byggställningen som låter en rå modell utföra arbete i den verkliga världen. En modell ensam kan bara producera text. Ge den en harness så kan den läsa och skriva filer, köra kommandon i ditt skal, söka på webben, hålla en plan, anropa verktyg, reagera på fel och bedöma när en uppgift är klar. Deep​Seek's offentliga formel — upprepad i lanseringstäckning och dess egna jobbannonser — är "Model + Harness = Agent": modellen tillhandahåller resonemang, harnessen tillhandahåller allt annat.

Det är därför releasen spelar roll utöver en enskild produkt. Deep​Seek rapporterade sina egna agentiska benchmarkresultat för sina två senaste modeller inifrån denna testmiljö: DeepSeek V4 Flash API-dokumentationen anger att dess Terminal-Bench 2.1-resultat på 82.7 producerades i ”Deep​Seek Harness minimal mode.” Testmiljön är referensmiljön som dessa siffror kom från, och den är nu offentlig för alla att reproducera — eller motsäga.

Allt är ett plugin: Cordis-arkitekturen.

DSH:s kärndesign, som anges i dess egen README, är att allt är en plugin. Agentloopen, modelladaptrar, verktyg, färdigheter, sessionslagring, sandlåda, schemaläggning och till och med webbgränssnittet är alla Cordis-plugins. Det finns ingen privilegierad kärna att patcha: du utökar ramverket genom att montera en plugin bredvid de andra, och varje registrering är en effekt som rullas tillbaka när pluginen avlastas. Pluginmotorn är Cordis, ett meta-ramverk vars design beskrivs i Peking University–Deep​Seek-pappret "A Programming Paradigm for Spatiotemporal Composability."

Den praktiska konsekvensen är en skarp separation av ansvarsområden: plugins lägger till funktioner; presets avgör vilka funktioner en given agent kan se. Monorepot levererar 49 paket under packages/ — core, llm, mcp, sandbox, context, plan, goal och fler — och lanseringen omfattar fler än 100 förstapartsplugin, med en pluginbutik som redan är reserverad och 288 community-pluginrepon samlade på GitHub inom 24 timmar efter lanseringen, upptäckbara under ämnestaggen dsh-plugin.

De fyra förinställningarna — och när du ska använda vilken

DSH levereras med fyra agentförinställningar, som var och en laddar en annan pluginuppsättning. Från Web UI:s egen förinställningsmeny:

• Standard — en komplett kodningsagent: filredigering, skal, fil- och webbsökning, färdigheter, planering, mål, underagenter och arbetsflöden. Rätt standardval för det mesta arbetet.

• Code — kallad PTC, "programmatic tool calling", i kinesisk press — allt som ingår i Standard, plus en Code Mode SDK som låter modellen skriva TypeScript-program för att komponera flerstegsverktygsanrop i ett program. Den är kraftfullare och kan öka sidoeffekterna och antalet verktygsanrop.

• Minimal — bara beständig bash plus str_replace_editor. Byggd för att reproducera benchmark-körningar; detta är den förinställning Deep​Seek använde för V4 Flash Terminal-Bench 82.7-siffran. Minimal är inte ofarligt — skalåtkomst är fortfarande skalåtkomst.

• Creator — den fjärde preset-katalogen heter bokstavligen cordis — Standard plus runtime-inspektion, Cordis-plugin-experiment i minnet och preset-skapande. Agenten kan installera, ersätta eller förstöra plugins mitt under en konversation. En ingenjörsmiljö, inte en produktionsgodkännandenivå.

Vilken bör du välja? Om du reproducerar ett benchmark, Minimal. Om du vill att agenten ska skriva sin egen flerstegsorkestrering, Code. Om du bygger eller testar en plugin, Creator. För allt annat, börja med Standard — bred behörighet innebär att du också vill ha en stram arbetsyta och behörighetspolicy.

Trajektoria: funktionen som granskarna kallar "DevTools för agenter"

Den mest hyllade funktionen i hands-on-recensioner är Trajectory. Varje körning skriver till en append-only-sessionslogg — zstd-komprimerad JSONL med ett enhetligt händelsekuvert av typ, sekvens, tid och data — som registrerar allt modellen såg: systemprompter, resonemang, verktygsanrop och resultat, schemaläggning av subagenter, kontextinjektioner. Trajectory-vyn stödjer inspektion per källa, återupptagning, förgrening, sökning och uppspelning. Förgrening är det utmärkande draget: du kan ändra en instruktion och spela upp körningen sida vid sida med originalet i stället för att kasta bort spåret.

Konkret, i ett praktiskt test publicerat den 15 augusti genererade en enda filskrivningsuppgift 61 sessionhändelser, och en trivial uppgift att "svara PONG" förbrukade fortfarande cirka 13 467 inmatningstokens vid sin första begäran — omkostnader från standardsystemprompter, verktygsscheman, automatiskt injicerade repo-regler och färdighetssammanfattningar. Det är den ärliga kostnaden för ett ramverk som loggar allt: du betalar tokens för själva ramverket, och du kan se exakt vad du betalade för.

MCP, plugins och att prata med andra agenter

MCP är där hypen springer om den aktuella builden. Monorepot innehåller ett mcp-paket och CLI:n levererar ett dsh-mcp-client-beroende, men ingen MCP-server är aktiverad som standard, och arkitekturen dirigerar verktygsintegration via Cordis-plugins snarare än att behandla MCP som en förstklassig medborgare. Du kan ansluta MCP-servrar som en verktygskälla; det är bara inte standardvägen än.

Det som är mer överraskande är vad subagentleverantörslistan visar. DSH kan skapa andra agenter som subagenter — inklusive, enligt capability-seams-dokumentationen, en Codex-leverantör och en Claude Code-leverantör. Det är en ovanlig position för en konkurrent att inta: DSH är en harness som kan delegera arbete till just de produkter som den mäts mot.

Pluginhistorien är den verkliga plattformssatsningen. Deep​Seek har reserverat en pluginbutik, community-arkiv är taggade för upptäckbarhet, och tredjepartsbutiker i appen finns redan. Långsiktigt handlar det om att ramverket, inte modellen, blir ekosystemet — vilket är anledningen till att prisdialogen kring DSH betyder mer än någon enskild funktion.

Hur man kör det idag

Du behöver Node.js 22.19 eller nyare — paketmanifestet kräver ^22.19.0 eller >=24 — och sedan ett kommando:

npx @deepseek-ai/dsh web

Det startar webbgränssnittet, som som standard serveras på http://127.0.0.1:3080. I gränssnittet: öppna Inställningar → Modeller, klistra in en Deep​Seek API-nyckel och välj sedan en arbetsyta – sessionskompositören förblir låst tills du gör det. Standardmodellen är DeepSeek V4 Flash och standardbehörighetspolicyn är workspace-write med godkännandefrågor för allt annat.

Det finns totalt fyra startpunkter: webbgränssnittet, headless-engångskörningar, en Python-SDK som driver DSH via JSON-RPC stdio, och --dump-config, som skriver ut det sammansatta plugin-trädet (webbprofilen sätter ihop 129 rader plugin-konfiguration; headless, 81). Från källkoden är sökvägen: git clone, pnpm install, pnpm run build, sedan pnpm dsh web.

Den ärliga delen: preview-nivå, och där DSH är fel verktyg.

DSH är version 0.1.0-rc.6, och README-filen är uttrycklig: "DET KOMMER ATT FINNAS KOMPATIBILITETSBRYTANDE ÄNDRINGAR." Recensioner som publicerats denna vecka kartlägger bristerna — tysta fel under MSYS2 på Windows, föråldrad hot-reload-cache, en batchad persistensfördröjning på cirka 200 ms som får UI:ns förloppsvisning att halka efter, samt kritik från communityn om att GitHub Issues är avaktiverat i ett arkiv som positioneras som offentlig infrastruktur. Standardproduktupplevelsen ligger också fortfarande efter de polerade kodningsagenter som den mäts mot; en praktisk recension drog slutsatsen att open source-utgåvan är en stomme för agentkörning, ännu inte en färdig produkt.

Var är DSH fel verktyg? Fyra situationer. För det första, om du vill ha en nyckelfärdig och polerad produkt – dagens Claude Code och Codex är mer färdiga, och DSH är för människor som vill ha byggställningen och är villiga att färdigställa den. För det andra, om du inte kan granska det du kör: plugin-ursprung, konfigurationsdiffar och gränser för autentiseringsuppgifter är alla sådant du själv måste tillhandahålla, och produktionsanvändning kräver styrning som du tillhandahåller. För det tredje, om du benchmarkar modeller: du kan inte köra en modell i Standard-läge och en annan i Minimal och kalla skillnaden för ett modellresultat – du ändrade testramverket, inte bara modellen. För det fjärde, om du är kostnadskänslig när det gäller token-overhead: den alltid påslagna kontexten kan bränna tusentals inmatningstokens innan modellen gör något riktigt arbete.

Vad det betyder för DeepSeek V4 Flash och DeepSeek V4 Pro

DSH har som standard DeepSeek V4 Flash, och flaggskeppsbygget DeepSeek V4 Pro (Deep​Seek-V4-Pro-0813) tillhör samma modellfamilj som harnesset byggdes för att köra. Båda finns tillgängliga idag genom vanliga API-anrop – inget harness krävs – och båda är värdade på OrcaRouter till Deep​Seek:s egna listpris: cirka 0,15 USD per miljon inmatningstokens och 0,29 USD per miljon utdatatokens för DeepSeek V4 Flash, och cirka 0,44/0,88 USD för DeepSeek V4 Pro, utan påslag.

Den ärliga gränsen: OrcaRouter är en modellrouter, inte en agentruntime, så vi värdar inte DSH — det är inte en modell. Vad en router verkligen svarar på här är det failover-problem som DSH ger upphov till. Harnesset är en snabbt föränderlig förhandsversion, och att dirigera produktionstrafik till det innebär att satsa på leverantörsrapporterade agentiska poäng. Att köra samma Deep​Seek-modeller genom ett routningslager med en nyckel låter dig testa DSH:s egna siffror samtidigt som du behåller automatisk failover mellan leverantörer för den trafik som måste fortsätta fungera. Harnesset är det man ska experimentera med; modellerna det kör är det man ska dirigera försiktigt.

Slutsats

Deep​Seek Harness är det mest betydelsefulla som Deep​Seek har släppt som öppen källkod sedan modellerna själva, eftersom det förändrar vad "Deep​Seek" betyder: inte bara modeller, utan agentlagret som kör dem. För en läsare som bestämmer vad denne ska göra: om du bygger agenter, installera det den här veckan och kör reproduktionstestet – de V4 Flash- och V4 Pro-poäng som Deep​Seek publicerade kommer från den här harnessen, och nu kan du kontrollera dem själv. Men behandla det som det är: en 0.1.0-rc.6-utvecklarförhandsversion med brytande förändringar framöver, ett pluginsystem som belönar människor som gillar att äga sin stack, och en harness som fortfarande är råare än de polerade alternativen. Modellerna under är den pålitliga delen – och dem kan du dirigera med förtroende idag.