DeepSeek Harness выходит в открытый доступ: платформа для са
новости
13.08.2026

DeepSeek Harness выходит в открытый доступ: платформа для саморазвития ИИ-агентов

DeepSeek Harness выходит в открытый доступ: платформа для саморазвития ИИ-агентов

После почти двух недель закрытого тестирования DeepSeek официально выпустила и открыла исходный код платформы DeepSeek Harness (DSH), которую уже называют «Андроидом эпохи агентов». Автор обзора, успевший перевести на DSH почти все свои проекты в стиле Vibe Coding, признаётся: такой опыт заставляет простить компании грядущее повышение цен на API, особенно на кэширование. По его словам, DSH — «седло», целиком созданное для саморазвития и самостоятельной сборки агентов.

Главная архитектурная идея — Cordis, своего рода базовая пластина конструктора. Вокруг неё собираются все компоненты: модели, инструменты, стратегии, память, управление контекстом. Разработчик может заменить любой блок или написать собственный, не трогая ядро. Уже сейчас встроено более сотни плагинов, дальше подключится сообщество. Такой подход противопоставляют закрытой философии Codex от OpenAI: DSH — открытый Android, а Codex — «айфон» с монолитным ядром и внешними расширениями.

В интерфейсе DSH многое сделано для прозрачности. Функция Trajectory позволяет перемотать сессию и увидеть сырые события: где модель ошиблась и сколько токенов сожгла. Есть пресеты для стандартного кодинга, минимальных тестов и экспериментов. При неоднозначных командах агент сам задаёт уточняющие вопросы. Есть встроенные скиллы для ревью кода, упрощения и документации.

В практических тестах DSH оказался сильнее Codex в длинных задачах: по одному короткому запросу он 20 минут собирал 3D-модель Чжу Бацзе, тогда как Codex справился за шесть минут, но результат напоминал «существо из Backrooms». В сообществе встречаются и десятичасовые сессии. Автор советует давать агенту свободу и не перегружать промпт деталями.

Минусы тоже есть: пока нет нативного приложения, боковая панель не готова, мультимодальность требует дополнительной модели. Но главное в DSH — фундамент для коллективной эволюции. Если удачные пользовательские плагины начнут возвращаться в основную ветку, ИИ сможет улучшать себя силами сообщества. Автор считает это самым реалистичным путём к «саморазвитию» среди всего, что предлагает сейчас индустрия.

Источник: www.qbitai.com