knowledge-base/raw/xpost/2026-08-23_julian-goldie-deepseek-harness-vs-claude-code.md

43 lines
2.2 KiB
Markdown
Raw Normal View History

---
type: xpost
source_url: https://x.com/JulianGoldieSEO/status/2091498077672874096
retrieved: 2026-08-23
author: "@JulianGoldieSEO"
is_thread: false
title: "DeepSeek Harness vs Claude Code — Speed vs Polish, one harness many brains"
tags: [deepseek, harness, claude-code, coding-agent, benchmark, comparison, sub-agents, token-cost, github-stars]
---
# DeepSeek Harness vs Claude Code (Julian Goldie)
## Quelle
X-Post von [@JulianGoldieSEO](https://x.com/JulianGoldieSEO/status/2091498077672874096), geteilt von Kai (@PWeber) im OME-Topic "Tips & Tricks" (2026-08-23).
## Ausgangslage
Julian Goldie ließ beide Coding-Agents **dasselbe Prompt** bearbeiten:
> "build a 3D animated website and add a working Tetris game." — No extra context.
## Die ehrlichen Ergebnisse
| Metrik | DeepSeek Harness | Claude Code |
|--------|------------------|-------------|
| **Zeit** | 11 Minuten | 30 Minuten (3× langsamer) |
| **Ergebnis** | Funktional, aber "cartoony" | Deutlich polierter, Animationen folgen der Maus |
| **Token-Verbrauch** | 483K | 48K |
| **Verhalten** | — | "redet 10× mehr mit sich selbst" (self-talk/Reasoning) |
| **Adoption** | 95.000 GitHub-Stars in 2 Tagen | — |
## Der eigentliche Twist ("The twist nobody's talking about")
> "Harness kann Claude Code INSIDE it als Sub-Agent mounten. You don't pick a side. Free harness as the shell, whichever brain fits each task. One harness, many brains."
Das zentrale Argument: **Speed vs. Polish war nie die eigentliche Frage.** Die Architektur-"Brillanz" ist, dass ein freier Harness als Shell dient, in dem verschiedene "Brains" (Modelle/Agents) pro Task eingehängt werden können — statt einen einzigen Agenten gegen den anderen auszuspielen.
## Einordnung
- Passt zum Trend der **Model-Orchestrierung / Agent-Mesh** (vergleichbar mit Hermes MoA): nicht ein Modell wählen, sondern mehrere als Bausteine kombinieren.
- Interessant: Das Token-Verhältnis (483K vs 48K ≈ 10×) zeigt, dass DeepSeek stark zum Selbst-Talk/Reasoning neigt — Kosten-/Latenz-Trade-off gegen die Poliertheit.
- GitHub-Star-Trend von 95K in 2 Tagen zeigt massives Community-Interesse am DeepSeek-Harness als Open-Source-Shell.
## Verweise
- X-Post: https://x.com/JulianGoldieSEO/status/2091498077672874096