Insiders: DeepSeek is forming a Harness team to compete with Claude Code

Autor｜Wang Bo, Jiazi Light Year

"Jiazi Light Year" hat aus Quellen, die DeepSeek nahestehen, erfahren, dass das Unternehmen ein neues Harness-Team organisiert, das sich auf intelligente Code-Agenten-Produkte konzentriert und intern mit Claude Code von Anthropic verglichen wird.

Der leitende DeepSeek-Forscher Chen Deli bestätigte dies kürzlich in den sozialen Medien mit den Worten: "DeepSeek organisiert ein neues Harness-Team, um an Produkten und Forschung im Bereich Harness zu arbeiten", und fügte direkt hinzu: "Einfach ausgedrückt: Wir messen uns an Claude Code, um DeepSeek Code Harness zu entwickeln."

Dies ist keine gewöhnliche Rekrutierung.

Die Stellenausschreibungen deuten darauf hin, dass DeepSeek zwei Schlüsselpositionen besetzt: Harness Product Manager und Harness R&D Engineer, wobei der Arbeitsort derzeit auf Peking beschränkt ist. Das Büro von DeepSeek in Peking befindet sich im Rongke Information Center im Bezirk Haidian, in unmittelbarer Nähe zur Universität Peking und der Tsinghua-Universität. Offiziell liegt es im "Centennial Beijing-Zhang AI Innovation Belt", inoffiziell befindet es sich auch in der kürzlich populär gewordenen "Wang Huiwen Area".

Kerndefinition: Modell + Harness = Agent

In der Stellenbeschreibung wird eine Kernformel hervorgehoben:
Modell + Harness = Agent.

Dieser Satz kann fast als DeepSeeks interne Definition des Produktpfads für die nächste Stufe angesehen werden: Das Modell selbst ist lediglich das Fundament des Agenten, während Kontextmanagement, Werkzeugaufruf, Aufgabenplanung, Dateilesen und -schreiben, Codeänderungen, Terminalausführung, Feedback-Sammlung und Bewertungsschleifen außerhalb des Modells die entscheidenden Teile sind, die es dem Agenten ermöglichen, wirklich in den Arbeitsablauf einzusteigen.

In der Stellenanzeige heißt es weiter: "Wir transformieren die hochmodernen Modellfähigkeiten von DeepSeek in führende Agenten-Produkte. Alle Arbeiten außerhalb des Modells selbst fallen in den Bereich Harness." Darüber hinaus wird diese Position am gesamten Prozess des "DeepSeek Desktop-Agenten-Produkts" teilnehmen und "DeepSeeks Verständnis von Harness definieren".

"Jiazi Light Year" analysiert, dass DeepSeek nicht einfach nur ein Code-Assistent-Plugin erstellen will, sondern die Zwischenschicht füllt, die das Modell mit dem tatsächlichen Arbeitsablauf verbindet.

Im vergangenen Jahr hat die Branche bewiesen, dass starke Programmierfähigkeiten nicht gleichbedeutend damit sind, dass Entwickler sie auch tatsächlich nutzen; ein Modell, das Code schreiben kann, bedeutet nicht, dass es eine technische Aufgabe kontinuierlich abschließen kann.

Was die Arbeitsweise von Entwicklern wirklich verändert, ist nicht ein eigenständiges Claude-Modell, sondern Claude Code; nicht ein eigenständiges GPT-Modell, sondern Codex; nicht eine Code-Antwort in einem Chatfenster, sondern ein technischer intelligenter Agent, der das Terminal bedienen, Projekte verstehen, Dateien lesen und schreiben, Befehle ausführen, Fehler beheben, Git verwalten und Werkzeuge aufrufen kann.

DeepSeeks größte Stärke war in der Vergangenheit das Modell. Jetzt beginnt das Unternehmen, diese Schicht von "Händen" über dem Modell hinzuzufügen.

I. Warum DeepSeek Harness betont

Im Kontext traditioneller KI-Produkte bezieht sich "Code-Assistent" normalerweise auf zwei Arten von Produkten: eines ist ein Vervollständigungs-Plugin in einer IDE, das andere ist Code-Q&A in einem Chatfenster.

Der Begriff, der jedoch wiederholt in DeepSeeks Rekrutierung auftaucht, ist nicht Code-Assistent, sondern Harness.

Harness bezieht sich im technischen Kontext ursprünglich auf "Test-Harness" oder "Ausführungs-Framework". Im Kontext von Agenten ist es eher ein System, das es dem Modell ermöglicht, tatsächlich zu handeln. Das Modell ist für das Verstehen, Schlussfolgern und Generieren verantwortlich, während Harness für die Integration dieser Fähigkeiten in die reale Umgebung zuständig ist.

Die Stellenbeschreibung erwähnt, dass diese Rolle die Produkt-Roadmap für DeepSeek Harness planen, Forscher, Ingenieure, Open-Source-Communities und Endnutzer vernetzen sowie intensiv mit Forschern des Modell-Trainingsteams kommunizieren muss, um die Ko-Evolution von Modell und Harness zu erreichen.

Diese Aussage ist entscheidend.

Sie zeigt, dass DeepSeek nicht nur das bestehende Modell in eine Hülle verpacken will, sondern das Agenten-Produkt selbst zu einem Teil der Evolution des Modells machen möchte. In der Vergangenheit war die gängige Produktlogik für Unternehmen mit großen Modellen: Das Forschungsteam trainiert zuerst ein Modell, und dann erstellt das Produktteam Anwendungen basierend auf den Fähigkeiten des Modells. Im Zeitalter der Agenten wird diese Reihenfolge jedoch gestört. Produkte sind nicht mehr nur ein Auslass für Modellfähigkeiten, sondern ein Trainingsgelände für diese Fähigkeiten.

Wenn ein Code-Agent in einem realen Projekt scheitert, liegt das möglicherweise nicht an Problemen bei der Produktinteraktion, sondern an der fehlerhaften Komprimierung langer Kontexte durch das Modell; es ist vielleicht kein Problem mit der Werkzeugaufrufkette, sondern eine instabile Strategie des Modells bei der Aufgabenzerlegung; oder es ist kein Mangel an Programmierfähigkeit, sondern das Versäumnis, ein kontinuierliches Verständnis von technischen Einschränkungen, Test-Feedback und Benutzerabsichten aufrechtzuerhalten.

Daher besteht der Wert des Harness-Teams nicht nur darin, "Produkte zu machen", sondern reale Entwicklungsaufgaben in eine Feedbackquelle für die kontinuierliche Evolution des Modells zu verwandeln.

II. Warum DeepSeek die Code-Harness-Lücke schließen muss

DeepSeek setzt schon lange auf Programmierfähigkeiten. Von DeepSeek-Coder bis DeepSeek-Coder-V2 hat DeepSeek seine Investitionen in Code-Modelle kontinuierlich erhöht, was Verbesserungen bei Sprache, Kontextlänge und komplexen Aufgabenfähigkeiten unterstützt. Das Problem ist nicht der Mangel an Programmierfähigkeit, sondern dass diese Fähigkeit weitgehend auf der Modellebene geblieben ist und noch kein hochfrequentes Produkt in den täglichen Arbeitsabläufen von Entwicklern geworden ist.

Die Popularität von Claude Code beweist eines: Der Wettbewerb bei der KI-Programmierung verlagert sich vom Wettbewerb um Modellfähigkeiten zum Wettbewerb um Einstiegspunkte in die Arbeitsabläufe von Entwicklern.

Dies ist auch eine Lektion, die DeepSeek jetzt lernen muss. Subtiler ist, dass die Entwickler-Community bereits eine Version von "DeepSeeks Claude Code" erstellt hatte, bevor DeepSeek offiziell handelte.

Ein Open-Source-Projekt namens DeepSeek-TUI wurde zuvor in der Entwickler-Community populär. Es ist ein Coding-Agent, der im Terminal läuft und Dateien lesen und schreiben, Shell-Befehle ausführen, im Internet suchen, Git verwalten und Unteragenten über eine TUI-Schnittstelle koordinieren kann.

Der Aufstieg von DeepSeek-TUI deutet auf zwei Probleme hin:

1. Grundlegende Mentalitätsreife: Das DeepSeek-Modell hat bereits ein Fundament in den Köpfen der Entwickler geschaffen, um ein Code-Agent zu werden. Andernfalls wäre die Community nicht auf natürliche Weise darum herum gewachsen, um Claude Code-ähnliche Produkte zu erstellen.

2. Fehlen auf offizieller Ebene: Was DeepSeek fehlt, ist nicht die Aufmerksamkeit für das Modell, sondern ein offizielles Harness.

In den Augen der Entwickler ist die Anziehungskraft von DeepSeek-TUI unkompliziert: niedrige Kosten, im Inland verfügbar, langer Kontext und relativ niedrige Hürden für die Bereitstellung. Viele inländische Entwickler möchten Claude Code nicht nutzen, sind aber durch Preis, Zugangs-Stabilität, Kontosysteme und Unternehmens-Compliance eingeschränkt.

Community-Projekte haben jedoch auch inhärente Grenzen:

• Egal wie aktiv ein Open-Source-Projekt eines Drittanbieters ist, es ist schwierig, den evolutionären Rhythmus der internen Fähigkeiten des Modells wirklich zu erfassen;

• Es kann sich an die API anpassen, aber nicht rückwirkend entscheiden, wie das Modell trainiert wird;

• Es kann Prompts, Toolchains und Interaktionen optimieren, aber es ist schwierig, massives, reales Aufgaben-Feedback systematisch in Modellverbesserungen einzuspeisen.

Die Bedeutung von offiziellem Harness liegt genau hier.

DeepSeeks eigenes Code-Harness hat mehrere Vorteile, die Community-Projekte nicht besitzen: Zusammenarbeit mit dem Modellteam, Autorität beim Schnittstellendesign, Feedbackschleifen für Trainingsdaten, interne reale Aufgabenszenarien und langfristige Betriebsfähigkeiten für das Entwickler-Ökosystem.

Die Open-Source-Community hat bereits den Weg geebnet: Entwickler brauchen tatsächlich eine DeepSeek-Version von Claude Code. Jetzt muss DeepSeek diesen Weg zurückerobern und ihn zu seinem Kernprodukt machen.

Die Tatsache, dass DeepSeek jetzt mit der Rekrutierung beginnt, bedeutet, dass es endlich bereit ist, selbst in die Arena zu treten.

Chen Deli erwähnte auf der World Internet Conference 2025 in Wuzhen im letzten November: "Einer unserer Kernvorteile ist Langfristigkeit, wobei wir darauf bestehen, Durchbrüche bei modernster Intelligenz als Hauptlinie zu erzielen. In diesem Prozess haben wir auch viele Nebenprojekte aufgegeben und engagieren uns nicht in kurzfristigen Nebenbemühungen mit schnellen Renditen."

Nach den Modellkriegen haben die echten Agentenkriege begonnen. Was DeepSeek diesmal füllen muss, ist die kritischste Schicht zwischen Modell und Aktion – Harness.

DeepSeek stattet sein Modell mit einem Paar Hände aus.