DeepSeek Harness: полный обзор AI-агента, сравнение с LangChain и реальные расходы токенов

37 500 звёзд на GitHub за первые сутки — это даже не хайп, это цунами. Китайская DeepSeek выпустила Harness — open-source фреймворк для AI-агентов, и разработчики бросились ставить лайки. Но мы, как всегда, решили копнуть глубже: запустили, протестировали и поняли, что за красивой обёрткой скрывается аппетитный монстр, который сжирает ваши токены со скоростью голодного дракона. Спойлер: Harness потребляет в 3–5 раз больше токенов, чем аналоги. И сегодня мы честно расскажем, сколько это стоит, стоит ли оно того и кому лучше остаться на LangChain.

Что такое DeepSeek Harness и почему он собрал 50 000 звёзд за 12 часов?

DeepSeek Harness (или просто dsh) — это не очередной обёртка над API. Это полноценная операционная система для агентов, которая берёт на себя всё: вызов инструментов, управление памятью, оркестрацию субагентов и даже безопасный запуск кода в песочнице. Разработчики позиционируют его как «Agent Runtime» — среду, в которой модель становится мозгом, а Harness — телом, способным выполнять реальные действия.

За релизом стоит не просто команда DeepSeek, а конкретный человек — Cui Tianyi. До прихода в DeepSeek в марте 2026 года он девять лет строил высокочастотные торговые системы в Jane Street, а затем создал Koishi — популярный open-source чат-бот фреймворк с сообществом из 4000 плагинов. Именно опыт с Koishi лёг в основу архитектуры Harness: всё строится на плагинах, а ядро максимально облегчено. [источник: Gate]

Репозиторий на GitHub за первые сутки собрал 37 500 звёзд и 2 900 форков (Habr, 13.08.2026) — это ставит Harness в один ряд с самыми быстрорастущими AI-проектами в истории. Но звёзды — это внимание, а реальная ценность — в архитектуре. Давайте разберём, что там внутри.

Архитектура «всё как плагин»: революция или маркетинг?

Сердце Harness — микроядро под названием Cordis. В отличие от монолитных фреймворков вроде LangChain, Cordis занимается только одним: загружает, выгружает и управляет зависимостями плагинов. В нём нет встроенной логики агента, нет предопределённых цепочек — только контракты и точки расширения. Всё остальное — это плагины, которые можно подключать, отключать и заменять на лету.

На старте Harness поддерживает более 40 модельных провайдеров, включая DeepSeek, OpenAI, Anthropic и десятки других. Модель подключается через плагин, инструменты — тоже плагины, даже интерфейс пользователя — плагин. Такая модульность даёт невероятную гибкость: вы можете собрать агента под любую задачу, не переписывая ядро. Подробнее об архитектуре можно прочитать в материале Gate.

Но есть нюанс. Гибкость требует ресурсов. Как мы увидим дальше, количество включённых по умолчанию плагинов напрямую влияет на расход токенов. И здесь начинается самое интересное.

Сколько это стоит? Сравниваем токены, кэш и эффективность с Pi и LangChain

Вот где кроется главный сюрприз. Разработчик BohuTANG провёл собственное сравнение Harness и Pi (ещё один популярный harness) и опубликовал шокирующие цифры. Оказывается, dsh потребляет в 2.7–5.3 раза больше токенов, чем Pi, в зависимости от модели.

• Для DeepSeek V4 Pro: в 5.3 раза больше токенов и в 3.8 раза выше стоимость.
• Для Grok 4.6: в 2.7 раза больше токенов и в 2.4 раза выше стоимость.

Причина — Harness по умолчанию подключает 25 инструментов, тогда как Pi — только 4. Каждый инструмент — это описание функции, которую модель должна обработать, даже если она его не вызывает. Это как если бы вы заказали такси, а в машине сидел целый экипаж механиков, готовых чинить двигатель на ходу — полезно, но платить за всех придётся вам. Оригинальный твит с цифрами.

Но и это ещё не всё. DeepSeek объявил о повышении цен на API до 500% с 17 августа 2026 года. Вводятся пиковые и непиковые часы: с 9:00 до 12:00 и с 14:00 до 18:00 — пик, цены в два раза выше, чем в остальное время. Например, для модели V4 Pro в непик: вход с кэшем — 0.15 юаня за млн токенов, без кэша — 4.5 юаня, выход — 13.5 юаня. В пик — всё умножается на 2. Подробности на KuCoin.

Теперь представьте: вы запускаете агента в пиковый час, он использует 25 инструментов, съедает в 5 раз больше токенов, чем надо, и ваш счёт растёт как на дрожжах. Это не баг, это архитектурное решение: платите за универсальность и удобство.

Как мы запустили Harness и что из этого вышло: два реальных кейса

Несмотря на цену, мы не могли удержаться и запустили Harness. Это заняло ровно одну команду в терминале:

npx @deepseek-ai/dsh web

После этого браузер сам открыл локальный интерфейс на порту 3080. Вся магия происходит у вас на компьютере — сессии, логи, данные остаются локально. Никаких облачных утечек. Инструкция по запуску на Sohu.

Мы попробовали два режима из четырёх, которые предлагает Harness:

• Standard — полноценный кодинг-агент с редактированием файлов, shell-доступом, поиском и субагентами. Идеально для разработки сложных проектов.
• Minimal — только bash-сессия и редактор для тестирования моделей. Минимум инструментов, быстрый старт.

Также доступны режимы PTC (модель пишет TypeScript-программу, объединяющую несколько действий) и Create (для разработки собственных пресетов). Полный список режимов описан в материале Habr. Мы протестировали Standard — и да, это действительно работает. Агент правильно понимал контекст, редактировал файлы, выполнял команды. Ощущение, что у вас в терминале поселился младший разработчик, только без зарплаты, но с аппетитом к токенам.

Безопасность: почему Harness может быть безопаснее конкурентов

Один из ключевых аргументов в пользу Harness — встроенная безопасность. В отличие от многих облачных решений, Harness по умолчанию работает в локальной песочнице: все сессии, логи и данные хранятся на машине пользователя. Это означает, что конфиденциальная информация не покидает ваш контур, что критично для корпоративных сценариев и работы с чувствительными данными.

Кроме того, архитектура плагинов позволяет изолировать выполнение каждого инструмента — даже если один плагин содержит уязвимость, она не распространяется на всё ядро. В отличие от LangChain, где цепочки часто выполняются в одном контексте, Harness предлагает более строгую сегментацию. Это снижает риск атак через внедрение команд или утечек через побочные каналы. Подробнее о подходах к безопасности можно узнать в аналитике Gate.

Harness vs LangChain: что выбрать для продакшена?

Вот главный вопрос. Мы свели сравнение в таблицу, чтобы вы могли принять решение без эмоций.

Итоговый вердикт: если вы строите прототип, экспериментируете или работаете с чувствительными данными — Harness отличный выбор. Но для продакшена с большими объёмами и жёстким бюджетом лучше остаться на LangChain или переходить на Harness только после тонкой настройки количества подключаемых инструментов (да, это можно сделать, но документация пока скудная).

Теперь у вас есть все цифры, чтобы принять решение. Подпишитесь на наш дайджест — мы продолжаем тестировать новые фреймворки и делиться честными бенчмарками. Не дайте маркетингу съесть ваш бюджет на токены.

Материал носит информационно-аналитический характер и не является рекомендацией по выбору технологий.