Nach Black Whale hat OpenAI Harness für die Öffentlichkeit freigegeben und tritt in den Wettbewerb um die "Agent-Laufzeit" ein.

Am 20. August nach Pekingzeit veröffentlichte OpenAI den Artikel „Codex as a platform: build on the open agent harness“, in dem erläutert wird, wie Entwickler eigene Agent-Anwendungen auf Basis des quelloffenen Codex Harness aufbauen können.

Codex App, CLI und IDE-Erweiterungen nutzen dasselbe zugrundeliegende Harness. Es übernimmt die Verwaltung von Sitzungszuständen, Kontexten, Tool-Aufrufen, Sandboxes und menschlichen Genehmigungen. Entwickler können diese Funktionen über codex exec, SDK oder den App-Server in vorhandene Bedienkonsole, Kundenservice-Systeme, Sicherheitstools und interne Anwendungen von Unternehmen einbinden.

Vor fünf Tagen, am 14. August nach Pekingzeit, hat DeepSeek gerade DeepSeek Harness, kurz DSH, quelloffen veröffentlicht. DeepSeek hat zudem einen eigenen WeChat-Offiziellen Account dafür eingerichtet, der mit einem schwarzen Wal als Logo versehen ist, um sich von dem blauen Wal zu unterscheiden, der für die Modellprodukte verwendet wird.

Bis zum 20. August hat DSH auf GitHub etwa 173.700 Stars und 18.800 Forks erhalten. Der entsprechende Beitrag erreichte Hacker News und erzielte 744 Punkte sowie 310 Kommentare. DSH befindet sich noch in der Vorschauphase und hat innerhalb weniger Tage weit mehr Aufmerksamkeit erhalten als gewöhnliche Entwicklungstools.

Warum zieht ein noch nicht ausgereiftes Harness so viele Entwickler an? Was hat OpenAI neu hinzugefügt, nachdem Codex nun weiter als „Plattform“ und „offenes Agent Harness“ definiert wird, im Vergleich zu den bisher bereitgestellten Zugriffsmöglichkeiten? Warum beginnen führende Modellunternehmen, das Harness aktiv zu öffnen, obwohl Harness bisher hauptsächlich die eigenen Agent-Produkte der Modellunternehmen bedient hat?

Hinter diesen Fragen erstreckt sich einer der Hauptschauplätze der KI-Entwicklung nun auch auf den „Agent-Laufzeitbereich“.

01

Welche Funktionen hat OpenAI geöffnet

Am 6. Oktober 2025, als OpenAI die offizielle allgemeine Verfügbarkeit (GA) von Codex bekanntgab, wurde gleichzeitig das Codex SDK veröffentlicht. Entwickler konnten den hinter der CLI stehenden Agent in ihre eigenen Tools und Arbeitsabläufe einbinden. codex exec wurde später für Skripte und CI-Aufgaben verwendet, und der App-Server öffnete zudem Threads, Runden, Ereignisströme und Genehmigungsprotokolle, sodass Drittanwendungen langfristige Sitzungen aufrechterhalten können.

Im Januar 2026 hat OpenAI zudem eigener die Agent-Schleife von Codex aufgeschlüsselt, einschließlich der Art und Weise, wie das Modell Anweisungen empfängt, Tools aufruft, Ausführungsergebnisse liest und dann zur nächsten Inferenzrunde übergeht. Diese Funktionen waren bereits vorhanden, bevor DeepSeek DSH veröffentlichte.

In dem neuesten Blogbeitrag fasst OpenAI diese Funktionen einheitlich als Codex Harness zusammen und ermutigt Entwickler ausdrücklich, damit ihre eigenen Produkte zu erstellen. Die Positionierung von Codex entwickelt sich von einem Programmier-Agenten in App, CLI und IDE weiter zu einem zugrundeliegenden Ausführungssystem für Unternehmensanwendungen.

Yash Thakker, Autor des Entwicklermediums ExplainX, verwendete ein anschauliches Gleichnis: App, CLI und IDE-Erweiterungen gleichen drei Eingängen desselben Gebäudes, und OpenAI möchte nun, dass Entwickler das gesamte Gebäude in den Blick nehmen. Seiner Meinung nach führt diese Positionierung auch dazu, dass Codex nun in einen direkteren Vergleich mit dem Claude Agent SDK tritt.

OpenAI legte zudem eine Reihe von Daten vor, die zeigen, wie das Harness die tatsächliche Leistung desselben Modells beeinflusst.

Im Test ARC-AGI-3 erzielte GPT-5.6 Sol im eigenständigen Betrieb einen Wert von 13,3 %. Nach der Integration der kontinuierlichen Inferenz und Kontextkompression von Codex Harness stieg der Wert auf 38,3 %, und die ausgegebenen Token reduzierten sich auf etwa ein Sechstel des ursprünglichen Werts.

OpenAI listet in seinem Blog mehrere bereits veröffentlichte Anwendungsfälle auf: Cisco nutzt das Codex SDK für den App Builder in Cisco Cloud Control; GitHub und JetBrains binden Codex in die vorhandenen IDE-Arbeitsabläufe ein; Thrive Holdings und Crete verwenden Codex für die Steuererklärungsvorbereitung, wobei in einem Pilotprozess 7000 Steuererklärungen bearbeitet wurden und die Vorbereitungszeit um etwa ein Drittel verkürzt werden konnte.

Abbildung: Das von OpenAI vorgestellte Szenario des Logistikbetriebs. Codex ist in die Geschäftskonsole eingebettet und hilft bei der Untersuchung von anomalen Bestellungen.

In diesen Fällen durchlaufen der Code des Unternehmens, Kundendaten, interne Tools, Genehmigungen und Aufgabenaufzeichnungen dasselbe „Laufzeitsystem“. Wenn Codex zum Standard-Agent-Grundgerüst wird, steht OpenAI den tatsächlichen Arbeitsabläufen und den daraus resultierenden Modellaufrufen noch näher.

02

Die Herausforderung des schwarzen Wals

Die Öffnung von DSH ist noch umfassender: Es macht Modelle, Tools, Fähigkeiten, Sitzungen, Sandboxes, Speicher, Agent-Loops, Planung und Benutzeroberfläche vollständig zu Plugins, wobei das zugrundeliegende Cordis das Einbinden, Entfernen und die Abhängigkeitsverwaltung übernimmt – „alles ist ein Plugin“.

Der Unterschied zwischen den beiden liegt hauptsächlich im Grad der Öffnung. Um es mit dem Bau eines Autos zu veranschaulichen: Codex hat den Kernmotor abgestimmt, man kann andere nicht-kernkomponenten anschließen, muss sie aber an diesen Motor anpassen. DSH erlaubt es Entwicklern, sogar den Motor selbst zusammenzubauen.

Aber DSH ist nicht das erste Harness mit einem so hohen Öffnungsgrad.

Beispielsweise verwendet Pi Harness die MIT-Lizenz und bietet ebenfalls Agent-Loops, Tool-Aufrufe, Zustandsverwaltung und Schnittstellen für mehrere Modelle. Sein Kern ist kleiner, und viele Zusatzfunktionen werden an Erweiterungen übergeben.

Einigen Entwicklern zufolge reicht die technische Anpassbarkeit nicht aus, um den einzigartigen Wert von DSH zu erklären. Startups können natürlich von DSH ausgehen, eigene Modelle, Oberflächen, Tools und Berechtigungssysteme einsetzen und ein Produkt erstellen, das Codex oder Claude Code ähnelt. Dasselbe kann aber auch von Pi, OpenCode oder anderen Open-Source-Projekten ausgehend erreicht werden.

Das Besondere an DSH ist seine einheitliche Plugin-Struktur. Modelladapter, Sitzungen, Speicher, Sandboxes und Loops folgen demselben Cordis-Mechanismus. Wenn Entwickler die zugrundeliegenden Komponenten austauschen, müssen sie keinen Quellcode pflegen, der sich langfristig von der obersten Projektversion abzweigt.

Abbildung: DeepSeek Harness organisiert Ausführungsfunktionen in Plugins, sodass Entwickler verschiedene Komponenten einsehen, austauschen und neu kombinieren können

Armin Ronacher, Hauptentwickler von Pi Agent und Autor von Flask, erklärte, dass DSH nicht perfekt sei, aber dies sei das erste Mal, dass er nach der Betrachtung eines neuen Projekts in diesem Bereich die Idee hatte, einige Designentscheidungen von Pi erneut zu prüfen.

Diese Architektur ist sehr innovativ, aber sie ist noch weit von der Einsatzbereitschaft in Produktivumgebungen entfernt. Tianyi Cui, einer der Autoren von DSH, wies auf Hacker News darauf hin, dass die aktuelle Version nur eine frühe Vorschau ist, viele Unvollkommenheiten aufweist und es auch Änderungen geben kann, die die Kompatibilität brechen.

Aber die praktischen Bewertungen der Entwickler gehen deutlich auseinander. Ein Entwickler schätzte nach der Prüfung des Codes, dass DSH etwa 453.000 Zeilen Code und 219 Pakete enthält. Er lobte das Ausführungsprotokoll und das Sandbox-Design, kritisierte aber, dass die erste veröffentlichte Version nur einen komprimierten Git-Commit enthält und Benchmark-Material fehlt, was es externen Entwicklern erschwert, die Entwicklung des Projekts zu verstehen.

Die Erfahrungsrückmeldungen auf Reddit konzentrieren sich auf Leistung und Kosten: Einige Nutzer sind der Meinung, dass DSH die Fähigkeiten des DeepSeek-Modells voll ausspielen kann, aber es ist langsam, hat einen hohen Token-Verbrauch, und die Produktbeschreibungen sowie die Verwendungszwecke der Plugins sind nicht klar genug. Dies sind Ergebnisse aus individuellen Tests, die nicht als allgemeine Schlussfolgerung verallgemeinert werden können, aber sie zeigen, dass Anpassbarkeit die Probleme mit Nutzungskosten und Ausgereiftheit nicht automatisch löst.

Entwickler aus der inländischen Community, die an der internen Testphase teilnahmen, gaben an, dass etwa 300 Tester innerhalb von zwei Wochen mehr als 200 Plugins erstellt haben; zwei Tage nach der offiziellen Veröffentlichung enthielt die von der Community zusammengestellte Auswahlliste bereits 270 Plugins, danach folgten Web-Oberflächen, mobile Steuerung, Modellanpassung, Kontingentüberwachung und ein Plugin-Markt.

Zugleich entstanden Kontroversen: Einige bezweifeln, dass viele Plugins nur über einfache Beschreibungen verfügen und keine echten Nutzerbewertungen haben, sodass ihre Qualität sehr unterschiedlich ist; andere weisen darauf hin, dass bei Kompatibilitätsproblemen bei UI- und Fernzugriffs-Plugins die Nutzer in der Lage sein müssen, Rollbacks durchzuführen und Fehler zu beheben. Die inländische Community entwickelt derzeit sehr schnell Erweiterungen, aber Qualitätsfilter, Versionskompatibilität und Sicherheitsprüfungen sind noch nicht nachgezogen.

Die Zehntausenden von Stars beweisen, dass Entwickler bereit sind, dieses „neue Ding“ zu erforschen, aber es lässt sich noch nicht belegen, dass im unternehmerischen Produktivbereich tatsächlich Nutzer bereit sind, wichtige Arbeitsabläufe ihm anzuvertrauen.

03

Warum müssen Modellunternehmen Harness entwickeln?

DSH erlaubt Entwicklern das beliebte Einfügen und Entfernen von Komponenten, aber ein Entwickler für große KI-Modelle rät davon ab, dass Unternehmen in Produktivszenarien leicht tiefgreifende Anpassungen am Grundgerüst vornehmen.

„Abgesehen von der Optimierung der Interaktionsabläufe sollte man andere Bereiche des Harness nicht berühren“, sagte er.

Seine Begründung lautet: Es ist schwierig, ein langfristig stabiles optimales Konzept für Harness zu entwickeln. Die Modelle entwickeln sich noch schnell weiter, und verschiedene Modelle erfordern unterschiedliche Ausführungsstrategien. Einige Modelle eignen sich dazu, zuerst die Planung abzuschließen und dann Tools aufzurufen; andere müssen während der Ausführung Korrekturen vornehmen. Dieselbe Gruppe von Tools kann bei verschiedenen Modellen zu deutlich unterschiedlichen Stabilitätsergebnissen führen: Ein Modell kann Dutzende von Tools gleichzeitig verarbeiten, während ein anderes Modell mit steigender Anzahl von Tools schnell die Kontrolle verliert.

Modellunternehmen haben in diesem Bereich natürliche Vorteile. „Codex zeichnet sich dadurch aus, dass es sich mit Lichtgeschwindigkeit weiterentwickelt“, sagte dieser Entwickler. „Es basiert auf den Modellfähigkeiten von OpenAI, und die Modelle sind leistungsstärker. DSH wird es in kurzer Zeit kaum übertreffen. Ohne entsprechende Modellfähigkeiten ist Harness eigentlich bedeutungslos. Das Wichtigste für DeepSeek ist es, die Modellfähigkeiten weiter zu verbessern.“

Da es für Harness schwer ist, unabhängige Wettbewerbsbarrieren aufzubauen, warum veröffentlicht DeepSeek es dann trotzdem quelloffen und baut dafür eine eigene Marke auf?

„Für Modellunternehmen ist das natürlich notwendig“, lautete die Antwort eines Entwicklers für große KI-Modelle, der von einem geschlossenen Kreislauf sprach: „Modellunternehmen können die Daten, die über das Harness zurückkommen, nutzen, um ihre Modelle zu optimieren.“

Die hier genannten Daten müssen genau verstanden werden. Ob Nutzer erlauben, dass Aufgabenaufzeichnungen für das Training verwendet werden, hängt von der Datenschutzrichtlinie ab. Aber Modellunternehmen erhalten eine andere sehr wertvolle Rückmeldung: Bei welchen Aufgaben Nutzer scheitern, wo Tool-Aufrufe hängen bleiben, wie oft eine Aufgabe wiederholt werden muss und welche Kontextstrategie am wenigsten Token verbraucht.

Früher, als DeepSeek nur APIs anbot, liefen die Aufgaben in externen Harness wie Claude Code oder Codex. DeepSeek konnte die Modellanfragen einsehen, aber kaum vollständig verstehen, was vor der Anfrage passiert ist und ob die Aufgabe nach der Ausgabe des Modells tatsächlich abgeschlossen wurde.

Mit DSH kann DeepSeek nun sowohl das Modell als auch den Ausführungsprozess beobachten, sodass das Modellteam die Tool-Aufrufe, Inferenzstrategien und die nächste Version von Harness an die realen Aufgaben anpassen kann. Für Modellunternehmen ist Harness ein geschlossener Kreislauf aus Produkt und Fähigkeiten.

Zusätzlicher Nutzen ergibt sich aus dem Datenverkehr.

DeepSeek bietet derzeit keine offizielle Token-Preisstufe an und berechnet hauptsächlich Gebühren über APIs. Drittplattformen wie OpenCode Go und Cola verpacken die DeepSeek-APIs in Monatsabonnements, kontrollieren den Zugang der Nutzer und tragen das Risiko, dass starke Nutzer die Kosten des Abonnements übersteigen.

Mit DSH kann DeepSeek genauer berechnen, wie viele Runden eine Sitzung durchläuft, wie hoch die Cache-Trefferquote ist, wie viele Token durch unnötige Wiederholungen verbraucht werden, welche Schritte mit der Flash-Version und welche Schritte mit der Pro-Version ausgeführt werden. Eine kühne Vermutung: Wenn es in Zukunft eine gehostete Version von DSH oder Abonnementpakete anbietet, könnte sich die Abrechnungseinheit von API-Token zu beispielsweise einem Kontingent pro fünf Stunden, der Anzahl von Aufgaben, der Nebenläufigkeit und der Nutzungsmenge des Pro-Modells verschieben. Derzeit gibt es aber keine Hinweise darauf, dass DeepSeek diese Entscheidung bereits getroffen hat.

04

Der Kampf um die Laufzeitumgebung

Vor der Veröffentlichung von DSH haben chinesische Modellunternehmen bereits damit begonnen, ihre eigenen Agent-Ausführungssysteme aufzubauen.

Das Produkt von Moonshot AI hieß ursprünglich Kimi CLI. Aus den offiziellen Änderungsprotokollen geht hervor, dass die im September 2025 veröffentlichte Version 0.8.0 bereits Shell-Tools, grundlegende Systemprompts, Kontextstatistiken und eine Agent-Loop enthielt; am 31. Oktober veröffentlichte Moonshot AI die technische Vorschau von Kimi CLI offiziell. Danach wurde dieses Produkt schrittweise zu dem heutigen Kimi Code weiterentwickelt.

Kimi Code ist ein im Terminal ausgeführter Programmier-Agent. Er übernimmt die Verwaltung von Kontexten, ruft Tools auf, liest und schreibt Dateien, führt Befehle aus und plant die nächsten Sch