DeepSeek Harness: Open source rival

Harness v0.1 er et kommandolinjebaseret framework til at køre AI-agenter mod en kodebase, en fil eller et system. Det minder om Claude Code i sin grundtanke: en model, der får adgang til værktøjer som filsystem, terminal og søgning, og som selv planlægger og udfører opgaver i flere trin uden konstant menneskelig indgriben. Forskellen er licensen. Hvor Claude Code er lukket kildekode, ligger Harness helt åbent, så jeg kan læse, ændre og selv hoste hele stakken, hvis jeg vil.

Det er ikke en detalje for mig. Open source-adgang betyder, at jeg kan tilpasse Harness til interne systemer, køre det på egen infrastruktur af sikkerhedshensyn, og kombinere det med andre modeller end DeepSeeks egne. Det gør det til noget andet end blot en billigere kopi af et eksisterende produkt.

Det mest interessante ved arkitekturen, som jeg ser det, er at stort set alt i Harness er bygget som udskiftelige plugins. Modellen, der driver agenten, er ikke hardkodet til DeepSeeks egne systemer. Værktøjsintegrationerne, hukommelseslaget og selve kommandostrukturen er alle moduler, jeg kan tage ud og erstatte.

Det betyder i praksis, at jeg kan bruge Harness som skelet og sætte en helt anden model ind som hjerne, hvis det giver mening for opgaven. Den slags fleksibilitet har hidtil krævet, at man selv byggede sit eget agent-framework fra bunden. Det har holdt mange danske virksomheder fra at komme i gang. Med et færdigt, åbent skelet flytter barrieren sig markant, og det er en udvikling jeg følger tæt.

Samme uge som Harness blev udgivet, kom modellen V4-Pro-0813. Ifølge VentureBeat er den positioneret som DeepSeeks svar på de nyeste modeller fra OpenAI og Anthropic, med fokus på kodeforståelse og lange, sammenhængende agent-forløb frem for enkeltstående svar. Der arbejdes desuden på kompatibilitet med OpenAIs Codex-format, så eksisterende værktøjer og pipelines bygget til Codex kan pege på DeepSeeks model uden større ombygning.

Det læser jeg som en klar strategi: gør det billigt og nemt at skifte leverandør. Hvis en virksomhed allerede har investeret i agent-værktøjer bygget til en stor udbyders format, er kompatibilitet den faktor, der afgør, om skiftet overhovedet er en reel mulighed.

Den lave pris har været DeepSeeks vigtigste argument, siden selskabet for alvor kom på min radar. Det ændrer sig fra den 16. august, hvor DeepSeek hæver priserne på sit API markant. Den faste, lave pris pr. token, som mange har budgetteret efter, forsvinder og erstattes af en prisstruktur, der ligger tættere på markedet i øvrigt.

Det er en vigtig pointe for enhver, der har regnet en business case hjem på DeepSeeks tidligere prisniveau. En løsning, der så billig ud for tre måneder siden, kan se anderledes ud i budgettet efter 16. august. Samtidig ser jeg prisstigningen i sammenhæng med lanceringerne. DeepSeek sælger nu ikke længere kun rå tokens, men en samlet pakke af model, harness og infrastruktur, og priser den derefter.

For danske virksomheder, der allerede har AI-agenter i drift eller er ved at bygge dem, er der to konkrete ting at forholde sig til. For det første giver et open source harness som Harness mulighed for at eje mere af stakken selv, hvilket er relevant, hvis data ikke må forlade egen infrastruktur, eller hvis man ønsker uafhængighed af én bestemt modelleverandør. Det minder om et lokalt-first alternativ til cloud-agenter, hvor virksomheder ligeledes får mere kontrol over egen agent-arkitektur. Vi ser det som en reel mulighed for virksomheder, der har været tilbageholdende med at give en ekstern udbyder fuld kontrol over agent-arkitekturen.

For det andet betyder prisstigningen, at DeepSeek ikke længere kan regnes som den automatisk billigste vej ind i agentisk AI. Den reelle konkurrenceparameter fremover bliver ikke kun pris, men hvor godt Harness og V4-Pro-0813 fungerer i praksis mod kodebaser og systemer, der ikke er skruet specifikt sammen til DeepSeeks økosystem. Det er der endnu ikke uafhængig dokumentation for, og det bør indgå som forbehold, indtil flere virksomheder har testet det i drift over tid.