Der Start: Was am 13. August erschien
DeepSeek veröffentlichte Harness v0.1 am 13. August 2026 in einer offenen Vorschau für Entwickler und gab den vollständigen Quellcode unter der freizügigen MIT-Lizenz frei, laut dem eigenen GitHub-Repository des Unternehmens und bestätigt von mehreren Technologiemedien, die die Veröffentlichung geprüft haben. Das Projekt wird von Cui Tianyi geleitet, der im März 2026 zu DeepSeek kam, nachdem er die quantitative Handelsfirma Jane Street verlassen hatte, und erreichte die öffentliche Vorschau rund fünf Monate, nachdem sein Team im Mai 2026 begonnen hatte, Entwickler zu rekrutieren. Harness ist ein Agenten-Laufzeit-Framework: das Gerüst aus Schleifen, Werkzeugen und Sitzungsverwaltung, das ein rohes Sprachmodell in etwas verwandelt, das eine Codebasis lesen, Terminalbefehle ausführen und mehrstufige Entwickleraufgaben eigenständig abschließen kann.
Bemerkenswert an der Veröffentlichung sind nicht die Funktionen des Frameworks, sondern das, was DeepSeek zufolge dahintersteckt: dasselbe interne Werkzeug, mit dem DeepSeek seine eigenen Modelle DeepSeek V4-Flash und V4-Pro benchmarkte, bevor deren Werte veröffentlicht wurden, laut den eigenen Release-Notes des Unternehmens. Framework und Modell bleiben in den öffentlichen Aussagen eines Labors normalerweise getrennt; hier liefert DeepSeek beides zugleich und lässt externe Entwickler exakt das Gerüst hinter den eigenen veröffentlichten Zahlen nachvollziehen, statt ihnen blind zu vertrauen.
Gleiches Werkzeug, keine Geheimnisse: So funktioniert Harness wirklich
Harness läuft auf dem, was DeepSeek ein 'Cordis'-Metaframework nennt, organisiert um eine einzige Idee, die das Unternehmen in seiner eigenen Dokumentation wiederholt: 'Alles ist ein Plugin.' Modelle, Werkzeuge, Sandboxen, Ausführungsschleifen und sogar die Benutzeroberfläche lassen sich austauschen, ohne den zugrunde liegenden Quellcode anzurühren, und das System führt fortlaufende Sitzungsprotokolle, sodass jeder Agentenlauf später fortgesetzt, in einen neuen Zweig verzweigt oder Schritt für Schritt wiedergegeben werden kann, laut der eigenen technischen Beschreibung von DeepSeek. Vier Modi sind in der Vorschau enthalten: ein vollständiger Standard-Agentenmodus, ein Code-Modus rund um TypeScript-Orchestrierung für Entwickler, die ihre eigene Agentenlogik skripten wollen, ein schlanker Minimal-Modus speziell für Benchmarks und ein Creator-Modus zum Speichern eigener Konfigurationsvorgaben.
Entscheidend ist, dass Harness nicht auf DeepSeeks eigene Modelle beschränkt ist. Die veröffentlichte Liste der Modellanbieter des Frameworks umfasst DeepSeek, Anthropic, OpenAI, Amazon Bedrock, Google Vertex, Microsoft Azure und jeden OpenAI-kompatiblen Endpunkt, laut den veröffentlichten Konfigurationsoptionen des Projekts - das bedeutet, ein Entwickler kann genau das Werkzeug, mit dem DeepSeek sich selbst benchmarkt, stattdessen auf ein Claude- oder GPT-Modell richten und einen direkt vergleichbaren Lauf erhalten.
Die stille Wette hinter dem Geschenk
Jedes Spitzenlabor behandelt seine Benchmark-Methodik als stillschweigendes Wettbewerbsgeheimnis. Werte werden veröffentlicht; das Gerüst, die Prompts und die Wiederholungslogik dahinter fast nie, weshalb sich rivalisierende Labore routinemäßig gegenseitig vorwerfen, unter günstigen Bedingungen zu messen, die die Außenwelt nicht nachstellen kann. DeepSeeks Schritt bricht dieses Muster auf spezifische, kalkulierte Weise: Statt die Branche zu bitten, seinen veröffentlichten V4-Werten zu vertrauen, veröffentlichte das Unternehmen den Maßstab selbst, kostenlos, unter einer Lizenz, die freizügig genug ist, damit jedes Unternehmen ein kommerzielles Produkt darauf aufbauen kann - dieselben Lizenzbedingungen, die React und Node.js zu Standardinfrastruktur für eine ganze Branche gemacht haben.
Das ist die eigentliche Geschichte hier, und sie steht in keiner Schlagzeile, die die Veröffentlichung als 'quelloffenen Rivalen zu Claude Code' beschreibt. Wenn genügend Entwickler Harness als ihre Standard-Agentenlaufzeit übernehmen, gewinnt DeepSeek nicht nur Vertrauen für Transparenz - das Unternehmen wird still und leise zu dem Werkzeug, an dem die Modelle anderer Labore standardmäßig gemessen werden. Das Lineal zu besitzen ist eine billigere, subtilere Form von Plattformmacht als das Gewinnen des Rechenleistungswettlaufs, den der Rest der Branche austrägt, und dafür müssen DeepSeeks eigene Modelle nicht die schnellsten oder klügsten sein.
Was das für alle ändert, die auf KI-Benchmarks setzen
Für ein Unternehmen, das Agentenplattformen bewertet, ist der unmittelbare praktische Nutzen real: Harness lässt ein Team eigene Arbeitslasten durch genau das Gerüst laufen, mit dem DeepSeek seine veröffentlichten Werte erzeugt hat, gegen DeepSeeks Modelle oder die eines Rivalen, statt die Benchmark-Behauptungen irgendeines Labors einfach zu glauben. Das ist ein echter Fortschritt in einer Branche, in der 'unser Modell erzielte X' für jeden außerhalb des testenden Labors fast unwiderlegbar geworden ist.
Es bringt aber auch eine Governance-Frage mit sich, die nichts mit der Modellqualität zu tun hat. Eine MIT-Lizenz verlangt nicht, dass einer Instanz vertraut wird, nur dass sie rechtlich nutzbar ist, und ein in China ansässiges Team bietet sich an, zum branchenweiten Standardmessinstrument für Behauptungen über agentische KI zu werden - dieselbe Abhängigkeitsfrage zweiter Ordnung, die bereits Beschaffungsentscheidungen rund um DeepSeeks und Moonshots Modelle geprägt hat. Das Werkzeug zu übernehmen ist nicht dieselbe Entscheidung wie das Modell zu übernehmen, und Unternehmen sollten nicht zulassen, dass das Wohlwollen für das eine das Risikoprofil des anderen verwischt.
Weiterlesen: Das Modell wechselte, der API-Name nicht | Claude Code fragt ab 14. August nicht mehr um Erlaubnis
