DeepSeek Harness vs Claude Code (Julian Goldie)

Quelle

X-Post von @JulianGoldieSEO, 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

2.2 KiB Raw Blame History Unescape Escape