Der schwarze Wal taucht auf, die zweite Halbzeit von DeepSeek beginnt.

Das vielversprechendste Projekt von DeepSeek ist erschienen – alles kann ein Plugin sein. Harness soll niemanden nachahmen, sondern der Open-Source-Gemeinde die Rechte zur Definition übergeben.

Am späten Nachmittag des 13. August meldete sich das offizielle Team von DeepSeek endlich und veröffentlichte zwei wichtige Informationen. Erstens wurde die offizielle Version von DeepSeek V4 Pro veröffentlicht und gleichzeitig auf der App, der Webseite und der API aktualisiert. Nutzer können über die App oder die Webseite den „Expertenmodus“ wählen, um das neue offizielle V4 Pro-Modell zu verwenden, wobei der Name des API-Modells unverändert bleibt.

Zweitens veröffentlichte das „DeepSeek Harness-Team“ mit dem schwarzen Wal-Logo seinen ersten Beitrag und kündigte die offizielle Einführung der Entwicklervorschau von Harness an, deren Quellcode unter der MIT-Lizenz offen gelegt wird.

Wie bereits zuvor angekündigt, wurden die offizielle Version von V4 Pro und das selbst entwickelte Harness von DeepSeek gleichzeitig vorgestellt. Da wir V4 Pro bereits ausführlich vorgestellt haben, wird dieser Artikel schwerpunktmäßig erläutern, warum DeepSeek Harness so bemerkenswert ist.

Und ob DeepSeek nach diesem Tag von einem reinen Modellanbieter zu einem Unternehmen wird, das sich kaum noch kategorisieren lässt.

01

Dasselbe Modell wirkt mit einer anderen Ausführung wie ein völlig neues Produkt

Um zu verstehen, warum Harness so wichtig ist, muss man zuerst eine kontraintuitive Tatsache begreifen: Im Agenten-Zeitalter hängt die Arbeitsfähigkeit einer KI nicht nur vom Modell ab.

Am 6. und 11. August führte das Agenten-Tool-Unternehmen Composio zwei Testreihen durch, um den Wert von Harness zu belegen. Die Forscher schlossen dasselbe DeepSeek V4-Flash an acht verschiedene Harness-Systeme an – also die Ausführungssysteme, die das Modell umhüllen – und ließen sie jeweils 30 mehrstufige Aufgaben erledigen. Diese Aufgaben bestanden nicht aus einfachen Fragen und Antworten, sondern verlangten vom Agenten, in echte Anwendungen wie Gmail, Google Calendar, GitHub und Slack einzusteigen, Tools aufzurufen und den Status der Anwendungen zu ändern. Jede Aufgabe durfte maximal 15 Minuten laufen und galt erst als erfolgreich, wenn alle Prüfungen bestanden waren.

Die Ergebnisse wichen deutlich voneinander ab. Das leistungsstärkste System Pi Agent bestand 20 Aufgaben, das schwächste System OpenCode nur 14. Bei insgesamt 240 Durchläufen der acht Harness-Systeme waren nur 129 erfolgreich. Von den 30 Aufgaben wurden nur 6 von allen Harness-Systemen gemeistert. In Bezug auf die Kosten lagen die geschätzten Kosten pro erfolgreicher Aufgabe für Claude Code, Codex und DeepAgents, die alle 16 Aufgaben erledigten, bei etwa 0,195 USD, 0,081 USD bzw. 0,045 USD. Bei demselben Modell ergab sich ein Unterschied von mehr als dem Vierfachen.

Das bedeutet: Das Modell legt die Obergrenze der Fähigkeiten fest, während Harness bestimmt, wie viel von dieser Obergrenze letztendlich umgesetzt werden kann und wie viel dies kostet. Bei der Ausführung einer langen Aufgabe muss das Ausführungssystem ständig Entscheidungen treffen: Was im Kontext behalten und was verworfen wird, welches Tool wann aufgerufen wird, ob bei einem Fehler des Tools ein Wiederholungsversuch gestartet oder ein anderer Weg gewählt wird, ob man dem Ergebnis des Modells vertraut oder eine zusätzliche Überprüfung durchführt. Wenn auch nur ein Schritt nicht korrekt verarbeitet wird, kann die Aufgabe trotz korrekter Denkweise des Modells bei der eigentlichen Dateiänderung oder Code-Einreichung scheitern.

Erwähnenswert ist, dass dies eines der wenigen Projekte ist, bei dem DeepSeek seit seinem Durchbruch die interne Testphase vorzeitig geöffnet hat.

Zahlreiche Entwickler erhielten vor der Veröffentlichung Zugang zur internen Testversion von Harness. Einige Tester stellten fest, dass dasselbe V4-Flash-Modell bei der Ausführung desselben Spiels in DeepSeek Harness, Reasonix und Codex völlig unterschiedliche Ergebnisse liefert. Das zeigt: Wenn das Modell vollständig identisch ist, können die vom Ausführungssystem bereitgestellten Tools, Prompts, Kontextorganisation und Ausführungsstrategien das Endergebnis deutlich verändern.

Genau das ist der Grund, warum DeepSeek großen Wert auf das selbst entwickelte Harness legt. Intern war man bei DeepSeek der Ansicht, dass Agenten das Problem des kontinuierlichen Lernens lösen müssen, um letztendlich die KI-Entwicklung durch KI zu beschleunigen. Aus dieser Perspektive ist Harness kein externes Programmierwerkzeug, sondern eine Arbeitsplattform, über die das Modell in echte Entwicklungsaufgaben einsteigen kann.

Darüber hinaus ist ein Unternehmen, das sich auf niedrige Preise und starke Modellfähigkeiten stützt, nicht in der Lage zu bestimmen, wie viele Token eine Aufgabe tatsächlich verbraucht, wie oft sie wiederholt werden muss und wann sie wirklich abgeschlossen ist – wenn Aufgabenausführung, Fehlermeldungen und Entwicklereinstiege langfristig in fremden Systemen eingebunden sind, auch wenn es preisliche Vorteile hat.

02

Alles kann ein Plugin sein – DeepSeek will kein Ersatz für andere Lösungen sein

Was ist Harness eigentlich? Die einfachste Beschreibung auf dem Markt lautet „DeepSeeks Version von Claude Code“. Aber fast alle Tester, die die interne Vorschauversion ausprobiert haben, halten diese Einordnung für ungenau.

Laut der offiziellen Dokumentation von DeepSeek lautet das zentrale Designprinzip von Harness „Everything is a plugin“ – alles kann ein Plugin sein. Es basiert auf dem Cordis-Plugin-System, und alle Fähigkeiten des Agenten – Modell, Tools, Fähigkeiten, Sitzungen, Sandbox, Speicher, Schleifen, Planung und Benutzeroberfläche – werden aus einer Kombination von Plugins aufgebaut. Entwickler können beliebige Fähigkeiten in der Konfiguration auswählen, ersetzen oder erweitern, ohne den Quellcode von Harness zu ändern.

Das liegt auf einer ganz anderen Ebene als herkömmliche Plugins. Plugins für VS Code fügen dem Editor neue Funktionen hinzu, Plugins für Codex erweitern die Tool-Auswahl des Agenten; die Plugins von Harness hingegen können das „Gehirn“ des Agenten, seinen Werkzeugsatz, seine Regeln und sogar seine gesamte Benutzeroberfläche vollständig ersetzen.

Mehrere an der internen Testphase beteiligte Personen berichten, dass die Entwickler während der Testphase das Plugin-Entwickeln so sehr genossen haben, dass sie „kaum noch die eigentliche Testarbeit erledigt haben und nur noch Plugins geschrieben haben“ – binnen weniger Tage sind hunderte Plugins entstanden. Einige haben die gesamte Arbeitsoberfläche umgestaltet, andere haben mit reinen Plugins „langfristiges Gedächtnis über mehrere Sitzungen hinweg plus selbstständige Weiterentwicklung im Hintergrund“ realisiert, sodass das Modell regelmäßig seine Arbeitsaufzeichnungen überprüft und temporäre Erfahrungen zu dauerhaftem Wissen verdichtet.

Einige Beobachter merken an, dass die Steuerung der Open-Source-Gemeinde auch eine Herausforderung sein wird, der sich DeepSeek in Zukunft stellen muss.

Ein weiteres zentrales Designmerkmal ist die Nachvollziehbarkeit. Harness verwendet nur ergänzbare (append-only) Sitzungsprotokolle: Alles, was das Modell sieht – System-Prompts, Gedankenketten, Tool-Aufrufe und deren Ergebnisse, Planungen von Unteragenten sowie jede einzelne Kontext-Einblendung – wird vollständig protokolliert. Bei der Kontext-Komprimierung werden keine ursprünglichen Verläufe gelöscht, sondern nur durch Ersetzungsereignisse die Darstellung verändert, die das Modell danach sieht. Entwickler können in der Trajectory-Ansicht nach der Herkunft jedes Schritts nachvollziehen, und die Funktionen zur Wiederherstellung, Verzweigung, Suche und Wiedergabe werden unterstützt. Die offizielle Dokumentation fasst dieses Prinzip zusammen als „Was das Modell sieht, wird bereits protokolliert“.

Dahinter steckt eine typische Denkweise des System Engineerings. Laut Berichten hat Cui Tianyi, der Leiter des DeepSeek Harness-Teams, seinen Bachelor-Abschluss in Informatik an der Zhejiang-Universität absolviert, neun Jahre lang bei dem quantitativen Handelsunternehmen Jane Street gearbeitet, ist im März 2026 zu DeepSeek gestoßen und hat im Mai das interne Projekt Harness initiiert. Die Kernvorteile von Hochfrequenz-Quantitativen Handelssystemen liegen nie in besonders klugen Strategien, sondern in stabiler Ausführung unter extrem komplexen Bedingungen, Ausnahmebehandlungen, durchgehender Protokollierung und kontrollierbaren Risiken – genau das fehlende Puzzleteil, das KI-Agenten benötigen, um von Demonstrationen zu produktiven Anwendungen überzugehen. Ein Entwickler, der an der internen Testphase teilnahm, beschrieb das Verhalten bei langen Aufgaben als „extrem zuverlässig“: Wenn die Aufgabe unterbrochen wird, wird automatisch ein Speicherstand erstellt, und die Ausführung wird beim nächsten Mal an der unterbrochenen Stelle fortgesetzt, ohne dass man von vorne anfangen muss.

Es ist bemerkenswert, dass Harness sich nicht hinter den Modellen von DeepSeek einschließt. Standardmäßig unterstützt es die Anbindung an fast 40 große Modelle von Anbietern wie Kimi, OpenAI, Anthropic und Google. Andere Anbieter neigen dazu, einen fertigen Agenten bereitzustellen, aber DeepSeek Harness ähnelt eher einem Baukasten, mit dem Entwickler selbst bestimmen können, wie der Agent aussehen und arbeiten soll.

Natürlich bleibt das offizielle Team realistisch. In der Ankündigung heißt es, dass als frühe Vorschauversion „noch viele Details verbessert und verfeinert werden müssen, und die Kernplugins und grundlegenden Schnittstellen in Zukunft schnell weiterentwickelt werden“. Tatsächlich stellte eines der Medien, das an der internen Testphase teilnahm – ifanr – erstaunt fest, dass es kaum vorstellbar ist, dass DeepSeek, das für seine hohe Arbeitsgeschwindigkeit bekannt ist, einmal mehr als eine halbe Stunde für die Ausführung einer Programmieraufgabe benötigt. Die Versionsnummer v0.1 zeigt auch, dass dieser schwarze Wal gerade erst aus dem Wasser gekommen ist und noch lange nicht frei schwimmen kann.

03

Vom Verkauf von Token zur Lieferung von Ergebnissen – die Ambition des schwarzen Wals

Die Vorstellung von Harness fällt genau mit einer Wende in der gesamten KI-Branche zusammen.

In den vergangenen Jahren konzentrierte sich der Wettbewerb zwischen Anbietern großer Modelle auf die Parametergröße und Benchmark-Ergebnisse. Aber im Jahr 2026 nähern sich die grundlegenden Fähigkeiten der führenden Modelle schnell an, die Unterschiede bei einzelnen Frage-Antwort-Aufgaben werden immer kleiner, und der Preiskampf wird immer härter. Das Geschäftsmodell, bei dem man nur Token verkauft, hat eine sichtbare Obergrenze. Die Branche erkennt zunehmend, dass der Kernwert der KI-Industrie nicht in der Ausgabe des Modells liegt, sondern in der Umsetzung in konkreten Anwendungsfällen: Bei demselben Token-Verbrauch sind einfache Unterhaltungen und Fragen von geringem Wert, aber das Beheben eines Bugs oder die Fertigstellung einer Funktionsentwicklung kann einen mehrfach höheren kommerziellen Wert erzeugen.

Die neue Veröffentlichung von DeepSeek bedeutet, dass das Unternehmen sich vom Verkauf von Rechenleistung hin zur Lieferung von Ergebnissen entwickelt. Im alten Modell zahlen Kunden nach der Anzahl der aufgerufenen Token, unabhängig davon, ob das Modell das Problem tatsächlich gelöst hat. Im neuen Modell richtet sich der Zahlungsanspruch nicht mehr nach dem verbrauchten Rechenaufwand, sondern danach, welche Aufgaben abgeschlossen wurden.

Die große positive Resonanz der Entwickler auf die Veröffentlichung von DeepSeek Harness liegt noch in einem weiteren Grund. DeepSeek definiert nicht den Agenten selbst, sondern nutzt die Verbreitungsmöglichkeiten der Open-Source-Gemeinde, um ein Harness-Konzept zu fördern. Das ist ein viel größeres, aber auch schwierigeres Vorhaben.

Zudem richtet sich Harness an einem bereits etablierten Markt aus, der von Claude Code und Codex validiert wurde. Die beiden letztgenannten Systeme profitieren von den Modellweiterentwicklungen und kommerziellen Ressourcen von Anthropic und OpenAI und haben deutliche Vorsprünge. Nach der Öffnung des Quellcodes gibt es noch viele offene Fragen: Ob das Plugin-Ökosystem von selbst florieren kann, ob Entwickler bereit sind, ihre Produktivumgebung einer Version 0.1 anzuvertrauen, und ob die Zahlungsgewohnheiten auf dem chinesischen Markt die neue Logik „Zahlung nach erbrachter Leistung“ unterstützen können. DeepSeek selbst weist darauf hin, dass Kernplugins und Schnittstellen schnell weiterentwickelt werden, was bedeutet, dass frühe Anwender die Kosten von Schnittstellenänderungen tragen müssen.

Am 13. August gab es auf beiden Seiten des Pazifiks je eine Produktveröffentlichung. Elon Musk stellte Grok 4.6 vor und beschrieb es als „intelligent, schnell und äußerst kostengünstig“; DeepSeek sagte nichts dergleichen, sondern veröffentlichte einfach nur neue Updates.

Zwischen Aufgeregtheit und Stille liegt die Trennlinie zwischen zwei verschiedenen kommerziellen Philosophien.

Wir nennen es das „vielversprechendste Projekt in der Geschichte von DeepSeek“, nicht weil es heute bereits das stärkste ist. Es gibt noch Unterschiede zwischen V4 Pro und den besten Modellen auf dem Markt, Harness ist erst eine Entwicklervorschau in Version v0.1, die Reaktion des Marktes auf die Preiserhöhung bleibt abzuwarten, und der Aufbau des Ökosystems ist noch ein langer Weg. Genau deshalb ist es vielversprechend – weil es sein Potenzial noch nicht vollständig entfaltet hat.

Aber wenn man den Zeitverlauf betrachtet: Von R1 bis V4, von Modellen bis zu Harness, geht jeder Schritt von DeepSeek in dieselbe Richtung: