Na noite de 13 de agosto, a empresa DeepSeek fez dois anúncios importantes: lançou oficialmente o DeepSeek V4 Pro, acessível através de aplicativo, interface web e API, e apresentou o primeiro post da equipe DeepSeek Harness com o avatar 'black whale', anunciando a versão preliminar do Harness, que foi lançada com código aberto sob a licença MIT.
A importância do Harness reside no fato de que, na era dos agentes, o modelo deixa de ser o único fator que determina a capacidade da inteligência artificial de realizar tarefas. Anteriormente, em 6 e 11 de agosto, a Composio, uma empresa de ferramentas para agentes, integrou o mesmo modelo DeepSeek V4-Flash em oito diferentes sistemas de execução (harnesses). Esses sistemas foram solicitados para executar 30 tarefas multifásicas em aplicações reais, como Gmail, Google Calendar, GitHub e Slack.
Os resultados desses testes mostraram grandes disparidades: o melhor sistema completou 20 tarefas, enquanto o pior conseguiu completar 14. Dos 240 execuções totais, apenas 129 foram bem-sucedidas, e apenas seis das 30 tarefas foram concluídas por todos os oito sistemas. Em termos de custo, a execução de 16 tarefas pelos modelos Claude Code, Codex e DeepAgents custou aproximadamente US$ 0,195, US$ 0,081 e US$ 0,045 por tarefa bem-sucedida, respectivamente, demonstrando uma diferença de custo de quatro vezes ao usar o mesmo modelo.
De acordo com a posição interna da DeepSeek, os agentes devem resolver o problema do aprendizado contínuo, o que, em última análise, permitirá à IA acelerar seu próprio desenvolvimento. O Harness é posicionado como um ambiente de trabalho através do qual os modelos entram no desenvolvimento real. A empresa, baseada em baixo custo e força dos modelos, não pode permitir que a execução de tarefas e os pontos de entrada dos desenvolvedores dependam de sistemas de terceiros.
O princípio de design principal, de acordo com a documentação da DeepSeek, é que tudo é um plugin. O Harness é construído sobre o sistema de plugins Cordis: modelos, ferramentas, habilidades, sessões, sandboxes, armazenamento, ciclos, agendamento e interface do usuário — tudo isso é formado por plugins. Isso difere dos plugins padrão: os plugins do VS Code adicionam funcionalidades ao editor, e os plugins do Codex adicionam ferramentas ao agente, enquanto os plugins do Harness podem substituir completamente o cérebro, o conjunto de ferramentas, as regras ou a aparência do agente.
Durante uma pré-visualização interna, os desenvolvedores conseguiram criar centenas de plugins em poucos dias, incluindo um que implementou memória de longo prazo entre sessões com autoevolução em segundo plano. Outro recurso chave é a capacidade de rastrear o histórico. O Harness utiliza logs de sessão com capacidade de adição de registros (append-only session logs): tudo o que o modelo vê, prompts do sistema, cadeias de raciocínio, chamadas de ferramentas e resultados, planejamento de subagentes e cada injeção de contexto é totalmente registrada, e a compressão de contexto nunca exclui o histórico original. Os desenvolvedores podem visualizar o histórico por origem na visualização Trajectory com recursos de recuperação, fork, extração e reprodução.
O líder da equipe, Qiu Tianyi, possui um diploma em ciência da computação pela Universidade de Zhejiang e trabalhou por nove anos na firma de negociação quantitativa Jane Street antes de se juntar à DeepSeek em março de 2026, quando o projeto Harness começou internamente. O Harness suporta nativamente quase 40 modelos grandes, incluindo Kimi, OpenAI, Anthropic e Google, posicionando-se como um conjunto de componentes, e não como um agente pronto. A versão v0.1 indica claramente que o 'black whale' acabou de vir à tona.
Os desenvolvedores da DeepSeek lançaram a versão preliminar do DeepSeek Harness, que foi aberta à comunidade em 13 de agosto às 20:30. Apesar de a versão do produto ser designada como v0.1, a comunidade reagiu muito ativamente. No mesmo dia, o DeepSeek V4 Pro foi lançado oficialmente.
O DeepSeek Harness é um framework de agente que pertence à mesma categoria de Claude Code e Codex, mas não é um modelo em si. De acordo com a fórmula interna da DeepSeek, o agente é formado pela combinação do Modelo e do Harness: o Modelo atua como o 'cérebro', responsável pelo raciocínio, e o Harness é o sistema periférico que conecta esse cérebro ao mundo exterior, arquivos, terminais e navegadores. Assim, o produto é um agente, mas é mais preciso chamá-lo de framework de agente.
Começar a usar o produto é bastante simples: é necessário executar o comando npx @deepseek-ai/dsh web no terminal, abrir localhost:3080 no navegador e inserir a chave de API da DeepSeek. Ao contrário de outros produtos de agente que abrem imediatamente em uma interface para perguntas, o dsh primeiro exige a inserção da chave de API, exibindo em seguida a interface principal com o slogan 'Exploring the Uncharted'.
O produto inclui quatro modos de operação pré-configurados. O modo padrão é um agente de codificação totalmente funcional, com capacidades de edição de arquivos, uso de shell, busca, habilidades, planejamento, objetivos, subagentes e fluxos de trabalho, comparável ao Claude Code e Codex. O modo PTC (Programmatic Tool Calling) permite encapsular ferramentas em formato de código API, permitindo que o modelo escreva um programa em TypeScript que executa operações sequencialmente e retorna apenas o resultado final, mantendo os dados intermediários no ambiente de execução, o que economiza tokens e é voltado para desenvolvedores de automação.
O modo mínimo fornece apenas duas ferramentas — um shell bash persistente e um editor str_replace_editor, sob a suposição de que um modelo suficientemente poderoso pode realizar grande parte da codificação usando apenas terminal e editor de arquivos. E o Modo Criação (Creation Mode) é destinado a desenvolvedores de plugins, pois permite criar configurações personalizadas de agentes com verificações em tempo de execução e orientação para autoria de configurações.
Cada modo carrega seu próprio conjunto de plugins: a mudança de modo determina quais ferramentas estão disponíveis para o agente e sob quais regras ele funcionará. A ideia principal é que tudo é um plugin construído sobre o sistema de plugins Cordis, que abrange modelos, ferramentas, habilidades, sessões, sandboxes, armazenamento, ciclos, planejamento e interface do usuário. Um usuário relatou a restauração de toda a interface de trabalho usando plugins, e outro implementou memória de longo prazo entre sessões e autoaperfeiçoamento em segundo plano, usando exclusivamente plugins, permitindo que o modelo revise periodicamente seus registros de trabalho e comprima a experiência temporária em conhecimento sustentável.
A DeepSeek também forneceu logs de sessão com a possibilidade de adicionar entradas e rastrear a trajetória. A versão preliminar suporta por padrão quase 40 modelos, incluindo Kimi, OpenAI, Anthropic e Google. No entanto, para o revisor, a má notícia foi que a execução de uma tarefa longa pode levar mais de meia hora, o que é inaceitável para uma empresa conhecida pela velocidade. O comunicado oficial reconhece que, sendo uma versão preliminar inicial, muitos detalhes ainda precisam ser aprimorados, e os principais plugins e interfaces serão atualizados rapidamente. Embora o shell esteja em estágio inicial, a aposta na arquitetura é enorme, e a comunidade já está definindo o futuro do DeepSeek Harness.
A empresa DeepSeek tornou seu modelo V4 Pro público, apresentando o lançamento chamado DeepSeek-V4-Pro-0813 em sua página de preços. O modelo de nível principal é equipado com uma janela de contexto de 1 milhão de tokens e uma saída máxima de 384 mil tokens, utilizando por padrão o modo de raciocínio, mas também fornecendo um endpoint sem modo de raciocínio para solicitações sensíveis à latência.
A combinação de entrada de 1 milhão de tokens e saída de 384 mil tokens permite processar e gerar um volume significativamente maior de material em uma única chamada em comparação com a geração anterior, o que é especialmente relevante para trabalhar com grandes bases de código, extensos corpos de documentos e agentes multifásicos.
A DeepSeek também integrou recursos que a maioria dos desenvolvedores de agentes espera: saída estruturada em formato JSON, suporte a chamadas de ferramentas, Responses API e compatibilidade com Anthropic-API. Além disso, foi implementado o suporte beta para continuação com prefixo de conversa e conclusão FIM, sendo o FIM limitado ao modo sem raciocínio.
No nível de serviço, são oferecidos endpoints compatíveis tanto com OpenAI quanto com Anthropic, dando às equipes que já utilizam qualquer um desses padrões a possibilidade de mudar sem a necessidade de reestruturar sua infraestrutura.
A precificação reflete a divisão intencional dos níveis. O modelo Pro custa 0,025 yuans por milhão de tokens ao atingir o cache, 3 yuans por falhas de cache na entrada e 6 yuans na saída. Em contraste, o modelo Flash tem um preço de 0,02, 1 e 2 yuans, respectivamente, tornando o Pro cerca de três vezes mais caro que o Flash em falhas de cache na entrada e saída.
As diferenças também são destacadas pelas limitações de paralelismo: o Flash suporta 2500 solicitações simultâneas, enquanto o Pro é limitado a 500. Essa proporção indica uma estrutura de produto mais clara para a família V4. O Flash é voltado para tráfego de alta frequência com alta largura de banda, onde o custo domina, enquanto o Pro concentra o poder em tarefas de raciocínio mais pesadas, codificação com contexto longo e fluxos de trabalho de agentes, onde o modelo tem maior reserva de desempenho para uso.
No entanto, o preço absoluto do Pro permanece moderado nos padrões de modelos avançados, permitindo que a DeepSeek compense os custos após o recente anúncio de aumento de preços, permanecendo ainda mais barato do que a maioria dos concorrentes estrangeiros. Assim, a linha V4 representa uma oferta de dois caminhos: um nível Flash de baixo custo com alta largura de banda para escalabilidade e um nível Pro mais poderoso, focado em tarefas de codificação e uso de agentes.
