> **Quelle:** Perplexity-Discovery-Link "DeepSeek launches open source" (2026-08-14, geteilt von @PWeber/Kai in OME Topic 13). Perplexity-Seite nicht direkt abrufbar (403) — Inhalt rekonstruiert über Web-Suche + offizielle DeepSeek-API-Docs.
## Kernidee
**DeepSeek launcht zwei Open-Source-Ankündigungen am 13.08.2026:** das **V4-Pro GA Release** (App/Web/API) und **DeepSeek Harness v0.1**, ein Open-Source-Agent-Harness unter MIT-Lizenz — ein direkter offener Konkurrent zu Claude Code.
- **Kontext:** Unabhängiges Review von AICodeKing am selben Tag ([[../../people/aicodeking.md|AICodeKing]], `raw/youtube/2026-08-13_deepseek-v4-pro-0813-aicodeking.md`)
- **Positionierung:** Open-Source-Rivale zu Claude Code (VentureBeat)
- **Verfügbarkeit:** Code von GitHub downloadbar
- **Einordnung:** DeepSeek liefert nicht nur Modelle, sondern auch die Agent-Orchestrierungsschicht als Open Source — relevant für die Agent-Architektur ([[../agents/ai-agents-2026.md]])
**Update 21.08.2026:** Deep-Dive-Erklärung des Harness durch [[../../people/stephen-g-pope.md|Stephen G. Pope]] — Video "**NEW DeepSeek Agent Harness EXPLAINED (deep dive)**" (<https://www.youtube.com/watch?v=Hpw4fAHlHDw>), geteilt von Pit (@PWeber) in OME Topic "News & Infos". Konkrete Video-Inhalte nicht dokumentiert (kein Transcript verfügbar, ⚠️ Metadata-only). Cross-Ref: [[../agents/harness-loop-graph-engineering.md]] (Harness = Maschinerie um das Modell).
**Update 21.08.2026 (2. Blickwinkel):** Video von **[[../../institutions/turing-post-tv.md|Turing Post TV]]** — "**Why DeepSeek Harness Is The End Of Coding Agents as We Know Them**" (<https://www.youtube.com/watch?v=jtyV7O4Pt0s>), geteilt von Pit (@PWeber) in OME Topic "News & Infos". Thematisiert laut Titel die potenzielle Wirkung des Harness auf Coding Agents. Konkrete Video-Inhalte nicht dokumentiert (kein Transcript verfügbar, ⚠️ Metadata-only). Rohdaten: `raw/youtube/2026-08-21_deepseek-harness-end-of-coding-agents.md`.
**Update 23.08.2026 (Speed vs Polish Vergleich):** X-Post von [[../../people/julian-goldie.md|@JulianGoldieSEO]] (DeepSeek Harness vs Claude Code) → [Raw-Datei](../../../raw/xpost/2026-08-23_julian-goldie-deepseek-harness-vs-claude-code.md). Derselbe Prompt ("build a 3D animated website + working Tetris game") lieferte: **Harness 11 min** (funktional, "cartoony") vs **Claude Code 30 min** (polierter, Animationen folgen Maus). **Token:** Harness/DeepSeek verbrannte **483K**, Claude nur **48K** ("redet 10× mehr mit sich selbst"). **Adoption:** Harness 95.000 GitHub-Stars in 2 Tagen (inzwischen 112–116K — schnellstes Star-Wachstum, das GitHub je sah). Der Twist: **Harness kann Claude Code INSIDE als Sub-Agent mounten** — "You don't pick a side. Free harness as the shell, whichever brain fits each task. One harness, many brains." → Orchestrierungs-These statt Modell-Wahl, vergleichbar mit Hermes MoA ([[../llm/llm-model-fusion-ensembles.md]]). Achtung Token-Verhältnis 483K vs 48K ist bemerkenswert — DeepSeek neigt stark zu Reasoning/Self-Talk.
> **⚠️ Kritik (verifiziert durch Herman, 23.08.2026):** Der Vergleich ist ein **Kategorienfehler**. "Harness vs Claude Code" ist nicht Framework-vs-Framework, sondern **DeepSeek V4 Pro (im Harness) vs. Claude (in Claude Code)** — "cartoony vs. polished" ist die Modell-Differenz, nicht das Framework. Gleiche Modelle im selben Harness würden die Reihenfolge kippen. Der 483K-vs-48K-Token-Unterschied ist kein Bug, sondern DeepSeek-Design: **langes Chain-of-Thought**. Harness selbst (MIT, TypeScript, "everything is a plugin": Modell-Adapter, Tool-Registry, Sandbox, Agent-Loop) ist modell-agnostisch und real verifiziert. Einordnung von Herman: "Interessant für Bastler (Plugin-Architektur, Agent-in-Agent), aber 'besser als Claude Code' ist nicht belegt — es ist ein anderer Hirn im gleichen Werkzeugkoffer."
**Drei chinesische Ankündigungen in ~24h** — DeepSeek, Z.ai und Alibaba liefern im Wochenrhythmus ([[../chinese-ai-wave-july-2026.md]]).
## Relevanz für Hectors Stack
- **DeepSeek im Setup:** `ollama/deepseek-v4-pro:cloud` (DRACO-Solo 60.3%) und `ollama/deepseek-v4-flash:cloud` als Fallback — siehe [[../../tools/ollama-cloud-deepseek-v4-flash-200tps-zdr.md]]
- **Reasoning-Effort low/high/max** — direkt kompatibel mit dem Barbell-5-Tier-Routing ([[../../architecture/model-routing.md]])
- **OpenAI-Responses-API + Codex-Optimierung:** DeepSeek zielt auf die OpenAI/Anthropic-Entwickler-Ökosysteme — erhöht den Wettbewerbsdruck auf US-Labore
## Offene Punkte
- ⚠️ Perplexity-Discovery-Inhalt nicht direkt abrufbar — über Web-Suche + offizielle Docs rekonstruiert. Konkrete Harness-Features (GitHub-Repo, Tooling-Umfang, Benchmark-Grundlage von AICodeKing) bei Gelegenheit am Original verifizieren.
