Harness wird offiziell vorgestellt, DeepSeek beschränkt sich nicht mehr ausschließlich auf die Modellentwicklung.

Als das Wettrüsten um die Parameter großer KI-Modelle vollständig zu Ende geht, ist die Ära des extensiven Wachstums der Branche vorbei.

Am 11. August wurde durch Medien bekannt, dass das offizielle WeChat-Konto des „DeepSeek Harness-Teams“ von DeepSeek offiziell registriert wurde, dessen zertifizierte Rechtsperson die „Beijing DeepSeek KI Grundlagentechnologie Forschung Co., Ltd.“ ist.

Öffentlichen Informationen zufolge hält die Hangzhou DeepSeek KI Grundlagentechnologie Forschung Co., Ltd. 100 % der Anteile an der Beijing DeepSeek KI Grundlagentechnologie Forschung Co., Ltd.

Ende Juni hat Cui Tianyi, Leiter des DeepSeek Harness-Teams, auf sozialen Plattformen veröffentlicht, dass das DeepSeek Harness-Team als neu gegründete Abteilung große Ziele und schwere Arbeitsaufgaben hat, derzeit aber noch einen sehr großen Personalmangel aufweist. „Ich führe jeden Tag Vorstellungsgespräche und poste kleine Stellenanzeigen auf verschiedenen Plattformen.“

Am 1. August rief Cui Tianyi weltweit zur öffentlichen Einreichung von Testern für die Harness-Betaphase auf, wobei Entwickler mit Erfahrung im Open-Source-Projekt Agent Harness vorrangig ausgewählt werden. Antragsteller müssen den Account auf der Code-Hosting-Plattform und repräsentative Werke einreichen.

Was ist Harness überhaupt? Es kann als alle ingenieurstechnischen Fähigkeiten außerhalb des Modells verstanden werden, also als das System, das das Modell wirklich „zum Laufen bringt“.

Im Jahr 2026 hat Harness direkt VibeCoding – also den „Code-Agenten“ – zum ersten erfolgreichen kommerzialisierten Killer-App seit dem „GPT-Moment“ im Jahr 2022 gemacht. Die beiden bekanntesten Harness-Lösungen sind Codex von OpenAI und Claude Code von Anthropic.

Die Öffentlichkeit ist allgemein neugierig: Warum überschreitet DeepSeek, das sich auf die Strecke der großen Basismodelle konzentriert und durch seine starke Modellleistung bekannt geworden ist, die Grenzen, um das zugrundeliegende System von Agenten zu entwickeln und sich an Claude Code zu orientieren?

In den letzten Jahren haben sich die Akteure der Branche darauf konzentriert, die Parametergröße von Modellen zu aktualisieren und grundlegende Fähigkeiten zu stapeln, um Wettbewerbsbarrieren durch stärkere Schlussfolgerungs- und Dialogfähigkeiten aufzubauen.

Aber mit der Beschleunigung der Iteration von Modellen bei den Herstellern der Mainstream-Branche nähern sich die grundlegenden Leistungen der führenden großen Modelle schnell an. Die Unterschiede bei reinen Modellparametern und der Genauigkeit einzelner Frage-Antwort-Interaktionen werden immer kleiner, sodass der Branchenwettbewerb offiziell von dem „Wettbewerb um Basismodelle“ zu dem „Wettbewerb um Implementierungsfähigkeiten und Ingenieursysteme“ übergeht.

Die interne Betaphase und Implementierung von Harness verbirgt die Kernstrategie von DeepSeek, aus dem Wettbewerb um günstige Rechenleistung auszusteigen und sein Geschäftsmodell neu zu gestalten. Es markiert, dass DeepSeek offiziell von einem einzelnen Anbieter von Basismodellen vollständig zu einem Erbauer von End-to-End-KI-Arbeitsablauflösungen transformiert wird.

Neugestaltung der ingenieurstechnischen Grundlage

Innerhalb von DeepSeek hält das Team immer an einer Kernproduktlogik fest: Model + Harness = Agent.

Wenn das große Sprachmodell das „Gehirn“ ist, das intelligente Schlussfolgerungen liefert, dann ist Harness das „Nervensystem“ und die „Gliedmaßen“, die für die Koordination von Handlungen verantwortlich sind, einschließlich Fähigkeiten wie Tool-Aufruf, Aufgabenplanung, Speicherverwaltung, Sicherheitssteuerung und Ausführungsplanung.

In der Branche herrscht ein weit verbreiteter Kernirrtum: Die meisten Praktiker glauben, dass ein hochwertiges großes Modell einen nutzbaren KI-Agenten erzeugen kann. In realen industriellen Szenarien weisen große Modelle jedoch natürliche Mängel auf: Sie verfügen nur über kognitive und Schlussfolgerungsfähigkeiten und können keine Implementierungsaufgaben unabhängig erledigen.

Modelle können keine lokalen Dateien selbstständig lesen und schreiben, Drittanbieter-Tools präzise aufrufen oder komplexe ingenieurstechnische Aufgaben aufteilen. Sie verfügen auch nicht über die Fähigkeit, Fehler bei der Codeausführung, Ausführungsanomalien oder Prozessverzögerungen selbstständig zu wiederholen, zu iterieren und zu optimieren.

Der Kernwert von Harness besteht darin, die ingenieurstechnischen Mängel großer Modelle auszugleichen und den gesamten ingenieurstechnischen Arbeitsablauf außerhalb der Modellschlussfolgerung zu übernehmen, der feingliedrige Aufgabenplanung, langfristige Kontextverwaltung, intelligente Planung mehrerer Tools, Code-Lesen/Schreiben/Kompilieren, Ausführung von Terminalbefehlen, umfassende Fehlererfassung und geschlossene Rückkopplung von Ergebnissen umfasst. Schließlich wird ein vollständig automatischer iterativer geschlossener Kreislauf von „Denken – Handeln – Rückkopplung – Korrigieren“ aufgebaut, sodass KI-Agenten von „können denken“ wirklich zu „können arbeiten, stabil arbeiten“ werden.

Gegenwärtig bestehen in der Marktwahrnehmung von Harness noch deutliche Abweichungen: Die meisten Menschen setzen es mit gängigen gewöhnlichen Agent-Entwicklungsframeworks auf dem Markt gleich, was seine industrielle Wertschöpfung vollständig unterschätzt.

Der Kernfunktionsumfang der überwiegenden Mehrheit der Agent-Frameworks auf dem aktuellen Open-Source-Markt beschränkt sich auf die Gestaltung von Prompt-Texten und das einfache Zusammenfügen von Tools. Im Wesentlichen handelt es sich um leichtgewichtige Anwendungsassemblierungstools, denen vollständige ingenieurstechnische Ausführungsfähigkeiten fehlen, sodass sie nicht den Anforderungen der industriellen Implementierung entsprechen.

Die Kernpositionierung von DeepSeek Harness ist ein „Betriebssystem für KI-Agenten auf Produktionsebene“, kein einfaches API-Kapselungstool.

DeepSeek Harness baut eine unabhängige, vollständige zugrundeliegende Betriebsumgebung auf, die tief in den gesamten Prozess der echten Softwareentwicklung eingebettet werden kann. Es kann Code-Repositorys selbstständig lesen und analysieren, Quellcodedateien stapelweise ändern, Unit-Tests automatisch ausführen, Code-Schwachstellen präzise lokalisieren und Programmfehler selbstständig beheben. Es realisiert den End-to-End-Gesamtarbeitsablauf von Anforderungsabgleich, Code-Entwicklung bis zu Test und Betrieb. Seine Produktfähigkeiten stehen in direktem Wettbewerb mit Claude Code von Anthropic, dem Branchenbenchmark, und es ist ein in China seltenes zugrundeliegendes System für industrielle Code-Agenten.

Die Rekrutierungsregeln und Teilnehmer der geschlossenen Betaphase von DeepSeek Harness senden zudem ein klares ökologisches Signal. Durch die tiefgehende praktische Arbeit von Entwicklern kann Harness schnell verschiedene extreme Grenzprobleme erfassen, die Systemstabilität, Datensicherheit und Anomalietoleranz kontinuierlich verbessern und so eine solide Produktgrundlage für die spätere kommerzielle Implementierung legen.

Die Kernteamkonfiguration des Harness-Teams bestätigt zudem seine Produktpositionierung mit „Fokus auf Ingenieurwesen und Implementierung“.

Cui Tianyi absolvierte die Fakultät für Informatik der Zhejiang-Universität, arbeitete neun Jahre lang bei dem quantitativen Handelsunternehmen Jane Street und trat DeepSeek im März 2026 bei. Er verfügt über Erfahrung in der Entwicklung von Hochfrequenz-Quantativ-Handelssystemen und konzentriert sich auf den Aufbau von zugrundeliegenden Systemen mit hoher Parallelität, hoher Stabilität und hoher Fehlertoleranz.

Die Kernbarriere von Hochfrequenz-Quantativ-Systemen war nie die Strategieinnovation, sondern die stabile Ausführung, die Abdeckung von Anomalien, die durchgehende Protokollverfolgung und die präzise kontrollierbare Risikosteuerung in extrem komplexen Umgebungen. Die Anforderungen an die Strenge, Stabilität und Fehlertoleranz des Systems übersteigen die gewöhnlicher Internetprodukte bei weitem.

Dass DeepSeek den erfahrenen Systemingenieur zum Leiter des Agent-Projekts ernennt, übermittelt ein klares Branchenurteil: Die Implementierungsengpässe von KI-Agenten liegen längst nicht mehr in der algorithmischen Fähigkeit großer Modelle, sondern in der Systemingenieurstechnik.

Auf dem Markt tauchen ständig hochwertige große Modelle auf, aber es gibt nur sehr wenige Agenten, die kontinuierlich und stabil in industriellen Szenarien implementiert werden und geschlossene Arbeitsabläufe abschließen können. Der Kernunterschied liegt in den zugrundeliegenden Systemfähigkeiten für Aufgabenplanung, selbstständige Ausführung und Anomalietoleranz – und genau das ist der Kernvorteil von Harness.

Aus der Überbevölkerung der Branche aussteigen

Seit seiner Gründung hat DeepSeek durch seine starke Basismodellfähigkeit auf dem globalen Markt für KI-Entwickler Fuß gefasst und ist zu einem Branchenbenchmark-Unternehmen geworden. Die selbst entwickelten DeepSeek-Coder-Codemodelle, R1-Schlussfolgerungsmodelle und V4-Serien großer Modelle haben durch Kernvorteile wie Open-Source-Verfügbarkeit, starke Schlussfolgerungsfähigkeiten und hohes Preis-Leistungs-Verhältnis schnell Marktanteile unter globalen Entwicklern erobert und eine große Gruppe technischer Nutzer angesammelt.

Seit langem ist das Verständnis der Öffentlichkeit für das Geschäftsmodell von DeepSeek auf Basismodelldienste beschränkt, also die Erzielung von Einnahmen durch den Verkauf von API-Schnittstellenaufrufen und die Ausgabe von Modellgewichtungsdateien – ein typisches Modell des „Verkaufs von Rechenleistung“. Dieses leichtgewichtige Monetarisierungsmodell hat niedrige Hürden und ist leicht zu kopieren, was auch die Hauptwahl der meisten chinesischen KI-Modellanbieter darstellt.

Aber mit der schnellen Iteration der KI-Branche wird die Notlage der Überbevölkerung auf der Strecke der Basismodelle immer offensichtlicher.

Gegenwärtig konvergieren die grundlegenden Fähigkeiten der großen Modelle der weltweit führenden Hersteller stetig, die Unterschiede in Schlussfolgerungsgenauigkeit, Dialogwirkung und allgemeinen Fähigkeiten werden immer kleiner, sodass es kaum möglich ist, langfristige, stabile kommerzielle Barrieren allein durch das Modell selbst aufzubauen.

Gleichzeitig verschärft sich der Preiskampf in der Branche immer weiter, die Preise für Modellaufrufe sinken stetig, und die Obergrenze des Geschäftsmodells, das nur Rechenleistungs-Token verkauft, tritt schnell zutage.

Praktiker der Branche erkennen allmählich, dass der Kernwert der KI-Industrie nicht in der „Modellausgabe“ liegt, sondern in der „Szenarienimplementierung“. Bei demselben großen Modellgrundgerüst führen unterschiedliche Agent-Orchestrierungssysteme zu völlig unterschiedlichen Implementierungsergebnissen und kommerziellen Werten.

In gewöhnlichen Dialog- und Frage-Antwort-Szenarien ist der Token-Verbrauch sehr hoch, aber der kommerzielle Wert gering. In dem nachgefragten Szenario der Softwareentwicklung kann derselbe Token-Verbrauch durch das Agent-System hochwertige Arbeiten wie Fehlerbehebung, Modulumbau, Funktionsiteration und Prototypentwicklung von Projekten erledigen, sodass der kommerzielle Wert um ein Mehrfaches gesteigert wird.

Angesichts der Überbevölkerung der Branche und der Engpässe des Geschäftsmodells hat DeepSeek aktiv eine strategische Modernisierung eingeleitet. Durch Harness ergänzt es die Fähigkeiten des gesamten Arbeitsablaufs und realisiert den sprunghaften Aufstieg vom „Verkauf von Rechenleistung“ zur „Lieferung von Ergebnissen“.

Im Rahmen des ursprünglichen Geschäftsmodells zahlen Unternehmenskunden nach der Anzahl der Token-Aufrufe. Unabhängig davon, ob das Modell effektive Arbeit erledigt und praktische Probleme löst, können die Hersteller Einnahmen erzielen, sodass die Wertschöpfung von den Einnahmen entkoppelt ist.

Aber die Implementierung von Harness gestaltet diese Geschäftslogik vollständig neu und wandelt das Zahlungsmodell von „Zahlung nach Rechenleistungsverbrauch“ zu „Zahlung nach gelieferten Ergebnissen“ um. Kunden zahlen nicht mehr für abstrakte Modellrechenleistung, sondern für konkrete industrielle Ergebnisse wie „Behebung von Code-Schwachstellen“, „Abschluss der Funktionsentwicklung“ und „Optimierung der Projektarchitektur“. Dadurch entkommen sie vollständig der Falle der Überbevölkerung durch homogenisierte Niedrigpreisangebote und bauen differenzierte Kernwettbewerbsfähigkeiten auf.

Aus Sicht der strategischen Layout ist Harness das Kernsprungbrett für DeepSeek, um den geschlossenen Kreislauf der KI-Implementierung zu realisieren.

Erstens die präzise Positionierung in der optimalen KI-Implementierungsstrecke der Softwareentwicklung. In der aktuellen KI-Industrie ist die Softwareentwicklung das Szenario mit der stärksten Nachfrage, dem höchsten Standardisierungsgrad und der anschaulichsten Implementierungswirkung. Produkte wie Claude Code im Ausland haben das Potenzial von Code-Agenten vollständig bestätigt, aber in China fehlen bislang reife, stabile und kommerzialisierbare Code-Agent-Produkte auf Produktionsebene.

Mit dem Hochleistungsmodellgrundgerüst V4-Flash und dem vollständigen ingenieurstechnischen Ausführungssystem von Harness kann DeepSeek die hervorragende Modellschlussfolgerungsfähigkeit in umsetzbare und lieferbare ingenieurstechnische Ergebnisse umwandeln, einen führenden digitalen Entwicklungsassistenten in China schaffen und die Vorteile der nachgefragten Strecke nutzen.

Zweitens der Aufbau eines langfristig nachhaltigen ökologischen Grundgerüsts für Agenten. Die Fähigkeitsgrenzen von Harness beschränken sich nicht auf das Szenario der Softwareentwicklung. Seine Kernfähigkeiten für Aufgabenplanung, selbstständige Ausführung und geschlossene Iteration können schnell auf viele vertikale Bereiche wie Regierung, Finanzen, Fertigung und wissenschaftliche Forschung ausgeweitet werden.

Die zukünftige KI-Industrialisierung in allen Branchen ist auf stabile, selbstständige und iterierbare zugrundeliegende Systeme für Agenten angewiesen. Harness ist genau die Kerninfrastruktur von DeepSeek für das Layout des nächsten Ökosystems von KI-Anwendungen. Durch dieses System kann das Unternehmen die Beschränkungen seiner Identität als einzelner Modellanbieter überwinden, die industrielle Dienstleistungskette nach oben erweitern, sich zu einem End-to-End-KI-Infrastrukturdienstleister entwickeln, der Modelle, Systeme, Arbeitsabläufe und Szenarienimplementierung abdeckt, schwer zu kopierende Branchenbarrieren aufbauen und eine neue Kurve für langfristiges Wachstum eröffnen.

Die Einführung von Harness durch DeepSeek ist nicht nur eine Iteration der Produktform, sondern auch eine Selbstinnovation des