Informe de CoinWorld:
DeepSeek lanzó el 14 de agosto el marco de agentes DeepSeek Harness como código abierto. No se ha convertido en un producto cerrado que solo conecta modelos de DeepSeek, sino que ha diseñado componentes como modelos, herramientas, almacenamiento y entornos de prueba como plugins, y los ha publicado bajo la licencia MIT. Los desarrolladores pueden integrar modelos de otras empresas y también pueden reemplazar el entorno de ejecución y el sistema de memoria. Esta elección es significativa para una empresa que se hizo famosa por su modelo base: DeepSeek está trasladando su posición competitiva de "proporcionar el cerebro más inteligente" a "controlar cómo los agentes completan el trabajo".
Harness sigue siendo una versión de vista previa para desarrolladores. La empresa advierte claramente que habrá cambios que romperán la compatibilidad en el futuro. Ya puede abrir repositorios de código, editar archivos, ejecutar comandos, buscar en la web, formular planes ejecutables, delegar tareas a otros agentes y guardar registros de llamadas a herramientas, resultados de ejecución e interacciones con modelos. Las sesiones anteriores pueden continuar o bifurcarse desde nodos anteriores. Estas funciones pueden no parecer tan impresionantes como la cantidad de parámetros de un nuevo modelo, pero son cruciales para determinar si un agente puede pasar de la demostración a un entorno de producción.
Junto con Harness, también ha llamado la atención DeepSeek V4-Pro-0813. Los datos publicados por DeepSeek muestran que el modelo obtuvo 87.9 puntos en Terminal Bench 2.1, 74.1 puntos en Toolathlon-Verified, y 71.1 y 67.2 puntos en DSBench-FullStack y DSBench-Hard, respectivamente. Algunas pruebas de agentes codificados públicamente utilizaron el modo mínimo de Harness. Sin embargo, estos números pertenecen a resultados autoinformados por el proveedor y no se pueden equiparar directamente a todos los escenarios empresariales, y mucho menos demostrar que el marco de vista previa ya tiene estabilidad para producción.
Una sola pregunta y respuesta solo necesita generar un resultado que parezca razonable, pero un agente debe mantener la dirección a través de decenas o incluso cientos de pasos. Debe recordar lo que ya ha hecho, saber cuándo llamar a herramientas, juzgar si los resultados son confiables, modificar archivos dentro de los límites de autorización y dejar nodos revertibles en caso de desviarse. La capacidad del modelo determina el límite superior, y el marco de ejecución determina si esta capacidad puede ser utilizada de manera segura y repetible.
Este es también el valor más práctico de "todo es un plugin". Las empresas no usarán solo un modelo: las tareas difíciles pueden ser asignadas a modelos de razonamiento fuerte, la clasificación masiva a modelos más económicos, y los datos sensibles a modelos locales. Si el flujo de trabajo está profundamente vinculado a un modelo específico, cada cambio en precio o capacidad afectará a todo el sistema. Harness reduce los modelos a componentes intercambiables, lo que teóricamente permite a las empresas seleccionar proveedores dinámicamente según el costo de la tarea, los requisitos de cumplimiento y la latencia.
La modularidad también expone problemas de ingeniería que antes estaban ocultos. Cómo aislar comandos peligrosos en un entorno de prueba, cómo distribuir credenciales de herramientas, cuánto tiempo conservar la memoria a largo plazo, cómo recuperar tareas fallidas, y si los auditores pueden reproducir las decisiones del agente, son cuestiones que están más cerca de lo que realmente paga una empresa que simplemente "hacer que el modelo sea un poco más inteligente". Harness guarda los pasos de la sesión y admite bifurcaciones, lo que indica que DeepSeek entiende que los agentes necesitan no solo respuestas, sino también un historial de ejecución que sea observable, rastreable y reparable.
Sin embargo, una arquitectura abierta no garantiza automáticamente la seguridad. Un aumento en el número de plugins también significa más puntos de entrada para ataques a la cadena de suministro, abuso de permisos y conflictos de versiones. La licencia MIT otorga una gran libertad para el uso comercial, pero no asume la responsabilidad de verificación por parte del usuario. Especialmente cuando el marco está claramente en fase de vista previa, conectarlo directamente a bases de datos de producción o sistemas de publicación automática conlleva un riesgo mucho mayor que evaluarlo en un entorno aislado.
Los modelos base se están comercializando rápidamente. Aunque todavía hay diferencias de capacidad entre diferentes modelos, los precios de las API continúan disminuyendo, las iteraciones de versiones son cada vez más rápidas, y las empresas están activamente evitando el bloqueo de un solo proveedor. Quien pueda convertirse en esa capa externa de los modelos, podrá dominar los estándares de herramientas, el ecosistema de plugins, los registros de ejecución y las costumbres de los desarrolladores. Esta posición se asemeja más a un entorno de ejecución de aplicaciones en la era de la IA, y no solo a una interfaz de chat.
DeepSeek permite que modelos de competidores ingresen a Harness, lo que parece debilitar la exclusividad de su propio modelo, pero en realidad podría ampliar su influencia en el ecosistema. Si los desarrolladores configuran tareas, permisos y plugins con Harness, incluso si cambian de modelo en el futuro, el flujo de trabajo seguirá dentro del marco definido por DeepSeek. Los ingresos por llamadas a modelos no son el único objetivo; convertirse en la base predeterminada para el desarrollo de agentes también tiene un valor a largo plazo.
Por supuesto, Harness aún no ha ganado esta competencia. La vista previa para desarrolladores significa que las interfaces cambiarán, el ecosistema aún no está maduro, y las empresas necesitan volver a verificar la estabilidad, permisos y costos de mantenimiento. Los estándares oficiales también necesitan pruebas independientes, especialmente en tasas de éxito de tareas largas, recuperación de errores, consumo de tokens y frecuencia de intervención humana. Un agente que complete una tarea en una demostración de diez minutos no significa que pueda funcionar continuamente durante un mes sin acumular problemas.
La señal más importante de esta apertura no es que DeepSeek tenga un producto más, sino que los límites de las empresas de IA continúan expandiéndose. Las empresas de modelos comienzan a competir por la capa de ejecución de agentes, los proveedores de nube compiten por las entradas de herramientas y datos, y las plataformas de desarrollo compiten por las normas de plugins. La próxima fase de la competencia no solo se decidirá por quién tiene más puntos en la lista, sino también por quién puede hacer que diferentes modelos funcionen de manera estable en sistemas reales, y hacer que cada paso sea visible, restringido y reversible. La respuesta que ofrece Harness es muy abierta, pero si puede convertirse en un estándar, aún debe ser probado por el entorno de producción y no por la popularidad del día del lanzamiento.
Este contenido se ofrece únicamente con fines informativos generales y no constituye un asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, operar o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.























![[Entrevista Final de SCAN 2026] ②J0y_B0y: Un grupo de cuatro estudiantes de la Universidad Privada de Ciencias Aplicadas de Jordania se une](/public-static/25_d4737ee605.png?format=avif)





