DeepSeek Harness ha pubblicato un altro aggiornamento.
Il 20 agosto, il progetto ha rilasciato v0.1.0-rc.8, solo due giorni dopo il precedente release candidate. L’aggiornamento introduce una gestione multimodale migliore, un supporto per i subagent migliorato, correzioni per il terminale su Windows, chiamate agli strumenti più veloci e una serie di modifiche alle prestazioni.
Sulla carta, sembra un altro rilascio abbastanza normale.
Ma DeepSeek Harness sta attirando maggiore attenzione tra gli sviluppatori per un motivo più grande: le persone stanno iniziando a chiedersi se il contesto/harness attorno a un modello conti quasi quanto lo stesso modello.
Questo rende la rc.8 meritevole di uno sguardo più da vicino.
Se sei nuovo al progetto, puoi anche consultare l’introduzione ufficiale di DeepSeek Harness.
DeepSeek Harness è più di una semplice interfaccia di coding
DeepSeek descrive il progetto con un’idea semplice:
Agente = Modello + Harness
Il modello gestisce il ragionamento e la generazione. L’harness gestisce tutto ciò che gli sta intorno: strumenti, terminali, pianificazione, permessi, sessioni, storage, subagent ed esecuzione delle attività.
Un altro principio fondamentale è “Tutto è un Plugin.”
Questo significa che DeepSeek Harness è pensato meno come un assistente fisso per il coding e più come un runtime modulare per un Agente.
È anche per questo che gli sviluppatori continuano a paragonarlo a Claude Code, Codex, OpenCode e strumenti simili.
La domanda non è più soltanto:
Quale modello è migliore?
È anche:
Quale ambiente aiuta il modello a lavorare meglio?
Le prime discussioni della community sui modelli DeepSeek hanno già mostrato che lo stesso modello può dare un’impressione molto diversa a seconda dell’harness usato attorno ad esso.
Il supporto multimodale migliora
Uno dei cambiamenti più importanti della rc.8 è il supporto multimodale migliorato.
L’adapter del modello DeepSeek può ora essere configurato per richieste di immagini native. Comandi come /goal e /plan supportano input testo+immagine, mentre il menu @ può fare riferimento a file e sessioni in modo più semplice.
L’aggiornamento risolve anche i fallimenti causati da immagini troppo grandi o da troppo materiale relativo a immagini accumulato in conversazioni più lunghe.
Questo rende Harness molto meglio preparato per flussi di lavoro che coinvolgono screenshot, diagrammi, mockup di UI e altri input visivi.
C’è però un dettaglio importante.
Questo non significa che lo stesso DeepSeek V4 sia diventato all’improvviso un modello vision nativo.
La documentazione pubblica dell’API di DeepSeek continua a descrivere la propria rotta di chat-completions come testuale soltanto. La modifica della rc.8 va letta come un miglioramento della pipeline multimodale dentro Harness, soprattutto quando gli utenti collegano modelli o provider che supportano l’input immagine.
Questa distinzione conta, perché DeepSeek Harness può funzionare con più di quanto riguarda soltanto i modelli DeepSeek. Supporta anche endpoint di OpenAI, Anthropic e di terze parti compatibili.
In altre parole, Harness sta diventando multimodale anche quando il modello sottostante può variare.
Claude Code e Codex possono ora funzionare come subagent
Un altro cambiamento interessante riguarda il modo in cui DeepSeek Harness tratta altri agenti di coding.
Claude Code e Codex possono ora essere installati come Profile Bundles e usati come subagent.
Codex ottiene anche una modalità di permessi non interattiva e il supporto per più istanze con nomi diversi.
Questo rende più facile immaginare flussi in cui un Agente principale gestisce il compito mentre diversi subagent specializzati lavorano in parallelo su parti diverse di un repository.
Il nuovo comportamento reportDelivery lo migliora ulteriormente. Un subagent può riportare il proprio risultato al task padre quando finisce, invece di costringere il padre a controllare ripetutamente il suo stato.
È un cambiamento importante.
Claude Code e Codex non sono necessariamente solo concorrenti di DeepSeek Harness. Possono anche diventare componenti dentro uno strato di orchestrazione più ampio.
Detto ciò, i primi feedback degli utenti suggeriscono che i flussi multi-agent restano ancora una delle aree più “ruvide” del prodotto. L’architettura è promettente, ma DeepSeek Harness è ancora ufficialmente in developer preview.
Gli sviluppatori tengono d’occhio i costi dei token
Un tema che emerge spesso nelle discussioni all’estero è l’uso dei token e il tasso di cache hit.
Il coding agentico può consumare enormi quantità di contesto. L’Agente potrebbe leggere ripetutamente i file del repository, le definizioni degli strumenti, i messaggi precedenti, i piani e gli output degli strumenti.
Questo significa che l’efficienza dell’harness può incidere direttamente sui costi.
Alcuni utenti di DeepSeek Harness hanno segnalato cache hit rate molto alti durante sessioni di coding lunghe, a volte oltre il 90%. Queste segnalazioni sono aneddotiche, non basate su benchmark controllati, ma mettono in evidenza un punto importante.
Quando si confronta DeepSeek Harness con Claude Code, Codex, OpenCode o un altro ambiente, limitarsi a confrontare i prezzi dei modelli non basta.
Un test più utile sarebbe confrontare:
- token di input totali
- token in cache vs token non in cache
- token di output
- tempo di completamento
- qualità finale del task
usando lo stesso repository, modello e task.
Un modello più economico può comunque diventare costoso se l’Agente che lo circonda invia ripetutamente contesto non necessario.
DeepSeek Harness è meglio di Claude Code o Codex?
Non ancora, in senso universale.
Il feedback della community resta contrastato.
Alcuni utenti ritengono che l’harness ufficiale dia risultati più consistenti con i modelli DeepSeek. Altri, invece, preferiscono ancora Claude Code o Codex perché i loro flussi di coding sembrano più maturi e prevedibili.
Probabilmente è il modo giusto di guardare al mercato in questo momento.
Claude Code e Codex sono prodotti di coding principalmente “lucidati” e rifiniti.
DeepSeek Harness sta cercando di diventare qualcosa di più ampio: un runtime di Agente programmabile in cui modelli, strumenti, subagent, permessi e workflow possano essere tutti sostituiti o estesi.
Offre più flessibilità agli sviluppatori, ma la flessibilità porta anche più configurazione e più opportunità che qualcosa si rompa.
Gli utenti Windows ottengono un upgrade utile
Anche il supporto per Windows migliora nella rc.8.
DeepSeek Harness ora supporta sessioni PowerShell persistenti, con la funzione abilitata di default nel preset Minimal.
In precedenza, perdere lo stato della shell tra un comando e l’altro poteva rendere frustranti i flussi di lavoro su Windows. Gli sviluppatori potrebbero aver bisogno di ripristinare ripetutamente directory di lavoro, variabili d’ambiente, ambienti virtuali o servizi locali.
Le sessioni persistenti rendono quei workflow molto più vicini all’uso di un terminale normale.
Continuano ad apparire edge case legati a Windows nelle discussioni della community, quindi è un miglioramento piuttosto che un segnale che il supporto Windows sia completamente completato.
Piccole correzioni che contano nell’uso quotidiano
La rc.8 include anche diversi miglioramenti di qualità della vita.
Se un utente annulla una risposta in streaming, la parte già generata può ora rimanere disponibile come contesto per domande successive o sessioni ramificate.
Anche il supporto per gateway compatibili con OpenAI è stato migliorato, il che dovrebbe aiutare gli sviluppatori che usano provider di modelli personalizzati o gateway interni.
Lo strumento web_search ora supporta query concorrenti, riducendo il tempo necessario per la ricerca multi-parola chiave.
Eseguire dsh web localmente può anche aprire il browser automaticamente, eliminando un piccolo passaggio di setup ripetitivo.
Nessuno di questi cambiamenti è “drammatico” da solo, ma insieme rendono le sessioni di Agente più lunghe più fluide.
Fai un backup prima di aggiornare
Un cambiamento della rc.8 merita un’attenzione particolare.
DeepSeek ha ottimizzato il backend SQLite per migliorare le prestazioni di lettura/scrittura, ridurre la dimensione dello storage e velocizzare la forking delle sessioni.
Tuttavia, il formato di storage aggiornato non è compatibile con versioni precedenti.
Dopo l’aggiornamento, gli indici esistenti verranno ricostruiti e i dati più vecchi dello spazio di lavoro potrebbero non migrare in modo pulito.
Se usi già DeepSeek Harness per un lavoro concreto, fare il backup di sessioni importanti o dei dati dello spazio di lavoro prima di aggiornare è una buona idea.
È anche un promemoria che il progetto è ancora una developer preview. Sono previsti cambiamenti che possono rompere la compatibilità.
DeepSeek tratta Harness come un prodotto a sé
DeepSeek ha anche pubblicato regole di branding più chiare riguardo al progetto.
Gli sviluppatori possono descrivere prodotti come “costruiti su DeepSeek Harness” o “compatibili con DeepSeek Harness”, ma i progetti non autorizzati non dovrebbero usare il marchio completo nei nomi dei propri prodotti.
DeepSeek raccomanda di usare l’abbreviazione DSH quando si nominano i progetti dell’ecosistema.
Può sembrare un dettaglio legale minore, ma dice qualcosa sulle ambizioni di DeepSeek.
Harness viene posizionato gradualmente come qualcosa di più di un semplice progetto secondario collegato ai modelli DeepSeek.
Sta diventando una piattaforma a sé.
Perché la rc.8 è importante
La parte più interessante della rc.8 non è l’aggiornamento a PowerShell, il supporto alle immagini o persino i subagent.
È la direzione verso cui punta.
DeepSeek sembra trattare il runtime attorno al modello come un prodotto di prim’ordine.
I modelli possono essere sostituiti. Gli strumenti possono essere aggiunti. Altri agenti di coding possono diventare subagent. Gli input visivi possono passare attraverso lo stesso workflow. Le sessioni possono essere clonate, riprodotte e gestite in modo indipendente.
Ci sono ancora molti spigoli da rifinire, soprattutto per compatibilità, affidabilità dei multi-agent, uso dei token e upgrade delle versioni in preview.
Quindi, probabilmente, DeepSeek Harness non è qualcosa su cui ogni sviluppatore dovrebbe spostare l’intera pipeline di lavoro già oggi.
Ma sta diventando sempre più utile da testare.
Perché man mano che i sistemi di Agente diventano più complessi, la domanda più importante potrebbe non essere più semplicemente che modello stai usando.
Potrebbe essere cosa sta girando attorno a quel modello?