#deepseeklaunchesharnesscodeagentbeta
Sebuah agen coding AI baru diluncurkan pada Kamis, dan dalam hitungan jam, repositori GitHub-nya sudah menembus lebih dari 33.000 bintang.
Rincian: Lab AI Tiongkok DeepSeek merilis DeepSeek Harness v0.1 pada Kamis, sebuah kerangka runtime agen open-source yang diposisikan sebagai alternatif untuk alat coding-agent terintegrasi seperti Anthropic's Claude Code. Peluncuran ini berbarengan dengan rilis resmi DeepSeek-V4-Pro, model andalan terbaru yang dibangun untuk kebutuhan komputasi berbasis agen (agentic workloads), kini tersedia di antarmuka web DeepSeek, aplikasi seluler, dan API dengan dukungan asli untuk OpenAI's Responses API serta integrasi Codex. DeepSeek menggambarkan kombinasi tersebut secara sederhana: "Model + Harness = Agent." Harness sendiri dibangun dengan desain yang sangat modular—hampir setiap komponen runtime agen, mulai dari tools dan sesi hingga sandbox serta orkestrasi, dapat diganti sebagai plugin. Ia dirilis di bawah lisensi MIT sebagai developer preview, bukan alat produksi yang sudah jadi, dan kodenya sudah tersedia sekarang di GitHub. Yang menonjol, meski perangkatnya gratis dan open, pengembang yang mengakses V4 melalui API DeepSeek akan segera membayar jauh lebih mahal. Rilis ini juga bergerak cepat secara internal: tim Harness baru dibentuk dan mulai merekrut pada Mei, sehingga ini kira-kira sprint selama lima bulan dari pembentukan tim hingga preview publik.
Kenapa ini penting: Ini menambah pasar coding agent berbasis AI yang sudah padat, baik dari lab-lab Barat maupun dari pengembang Tiongkok lainnya — Alibaba dengan Qwen Code, ByteDance dengan Trae Agent, Moonshot dengan Kimi CLI, dan Zhipu dengan ZCode semuanya telah meluncurkan alat serupa sepanjang tahun lalu. Pilihan DeepSeek untuk membuka-sumberkan Harness dengan lisensi yang permisif, alih-alih menjaganya sepenuhnya sebagai produk berpemilik, adalah taruhan strategi yang berbeda — yang ditujukan untuk adopsi pihak ketiga yang cepat dan pengembangan plugin, bukan untuk produk yang dikendalikan secara ketat. Pada saat yang sama, ini adalah perangkat lunak tahap awal yang eksplisit, dan performanya dibandingkan dengan alat agen yang lebih mapan dan sudah diuji untuk produksi masih perlu dilihat.
Gagasan penutup: Apakah 33.000+ bintang GitHub dalam beberapa jam pertama menandakan adanya perubahan nyata dalam cara pengembang akan membangun coding agent ke depan — atau ini hanya gelombang awal ketertarikan yang selalu muncul saat rilis pertama yang berprofil tinggi?
