DeepSeek Harness im Praxistest: Ich vergebe ihr die Preiserhöhung

DeepSeek hat schließlich DeepSeek Harness (DSH) veröffentlicht und als Open Source bereitgestellt, eine Agent-Harness, die der Autor fast einen halben Monat lang im Beta-Test verwendet hatte. Die Harness basiert auf einer pluggable Architektur namens Cordis, die es den Nutzern ermöglicht, alles von Modellen und Tools bis hin zu Strategien und Speicher anzupassen, was sie äußerst modular und DIY-freundlich macht. Mit über 100 eingebauten Plugins wird DSH im Vergleich zu Codex‘ geschlossenerer ‚iPhone‘-Philosophie als das ‚Android der Agenten-Ära‘ angesehen. In praktischen Tests zeigten DSH-geführte Modelle deutlich bessere Leistungen bei langfristigen Aufgaben, wie zum Beispiel die Erstellung eines 3D-Modells von Schweinchen Ba Jie ohne komplexe Prompts, wobei DSH 20 Minuten benötigte und Codex 6 Minuten – allerdings produzierte Codex ein weniger realistisches Ergebnis. Die Harness umfasst Funktionen wie eine Trajektorienansicht zum Debugging, Fähigkeiten für Code-Review und Dokumentation sowie ein Token-Nutzungs-Dashboard, das hohe Cache-Trefferquoten von etwa 99 Prozent zeigte. DSH unterstützt benutzerdefinierte Voreinstellungen und ermöglicht es den Nutzern, Plugins zu erstellen, wobei ein Plugin-Store versprochen wird. Der Autor kommt zu dem Schluss, dass DeepSeek-Modelle am besten mit ihrer eigenen Harness funktionieren und das offene Ökosystem eine gemeinschaftsgetriebene Evolution von KI-Agenten ermöglichen könnte.