Texto | Fuera de Planos， Autor｜Huahua
En el pasado, lo que DeepSeek hacía mejor era abaratar lo complejo.
Cuanto más potente el modelo, más bajo el precio. Mientras otros quemaban dinero, él lo llevaba al suelo. Tras V3 y R1, la impresión de la industria sobre él fue unánime: un modelo de primera categoría no tiene por qué ser caro.
Pero dos movimientos recientes han dado un giro inesperado a esta historia.
Primero, la subida de precio de V4 Pro. Inmediatamente después, el lanzamiento del framework de agente DeepSeek Harness.
Uno empieza a devolver el modelo al mundo comercial, el otro directamente pone ante los desarrolladores todo ese conjunto de complejidades que hay más allá del modelo.
Dos cosas que aparentemente no tienen relación, vistas juntas, parecen responder a la misma pregunta: ¿Qué pretende competir DeepSeek a continuación?
I. DeepSeek empieza a cambiar de táctica
Mirando atrás los dos últimos años, DeepSeek en realidad ha estado respondiendo a tres preguntas.
V3 y R1 demostraron que un equipo chino puede crear un modelo base de clase mundial, y además, con recursos limitados, llevar la eficiencia del razonamiento y el entrenamiento a un nivel muy alto.
Con el modelo conseguido, la siguiente pregunta a responder era si era lo suficientemente barato. Aquí es donde más conmovió a la industria, bajando constantemente los precios.
Después, estaba si estas capacidades podían ser aprovechadas por más gente. DeepSeek optó por el código abierto, extendiéndose desde los pesos del modelo hasta la API y el ecosistema de desarrolladores.
La lógica pasada de DeepSeek era completa: hacer un modelo fuerte, bajar precios, abrir capacidades, que más gente lo use.
Llegando a V4 Pro, el modelo sigue mejorando, pero el precio ya no baja. La subida de precio por sí sola no es para alarmarse. Lo que realmente merece la pena ver es que apareció casi simultáneamente a Harness.
DeepSeek puede haber empezado a calcular otra cuenta.
En el pasado, competía por el volumen de llamadas al modelo; ahora, empieza a competir por dónde ocurren esas llamadas. Son dos batallas completamente diferentes.
Para que el modelo genere valor real, aún debe pasar por una capa de entorno de ejecución: llamar herramientas, leer archivos, gestionar permisos, ejecutar tareas. En el pasado, esta capa estaba encapsulada dentro del producto, el usuario ni siquiera sabía que existía.
Harness es la primera vez que DeepSeek saca esta capa por separado.
V4 Pro y Harness son en realidad dos manos. Una devuelve el modelo en sí al balance comercial, la otra se extiende hacia la infraestructura más allá del modelo.
II. Desmontando el Agente
Para entender DeepSeek Harness, la mejor referencia es Apple.
Apple tiene una filosofía de producto importante: asumir la complejidad por el usuario. No necesitas saber cómo se planifica la CPU, cómo se gestiona la memoria, cómo funciona el sistema de archivos. Enciendes el Mac, el iPhone, y lo usas.
Esta lógica luego también entró en los Agentes. Claude Code, Codex, WorkBuddy, todos encapsulan bien ese montón de capacidades complejas que necesita la ejecución de un Agente. Herramientas, Skills, sandbox, permisos, flujos de trabajo, nada falta, pero el usuario no necesita saberlo. Solo dices "ayúdame a terminar esto", y el producto decide el resto por ti.
Esta ha sido la dirección en la que han trabajado los productos de IA en los últimos años. Los modelos son cada vez más complejos, los productos cada vez más simples. DeepSeek Harness lo hace al revés, desmontando estas cosas una por una.
Modelo, herramientas, Skills, flujos de trabajo, UI, todos se convierten en componentes que se pueden reemplazar individualmente. Incluso los plugins en ejecución se pueden cargar, descargar y recombinar dinámicamente.
Lo más destacable de Harness es que redefine el límite de la encapsulación. La lógica de Apple es "yo encapsulo la complejidad por ti en un producto". Harness, en cambio, desmonta la complejidad en módulos y luego te entrega el derecho a modificarlos.
Esto también explica por qué se llama Harness y no DeepSeek Code. Code habla del uso, Harness habla del entorno de ejecución.
Desmontando un Agente, tenemos: Agente = modelo + Harness. El modelo se encarga de pensar, Harness se encarga de que el pensamiento se convierta en acción. En el pasado, todo este conjunto estaba oculto tras el producto.
Lo que hace DeepSeek es convertir esta misma capa de encapsulación en el objeto abierto.
III. Haciendo que el software evolucione a sí mismo durante la ejecución
Si solo vemos Harness como un producto Agente, incluso parece anómalo. ¿Por qué una empresa de modelos permite activamente que uses modelos de otros?
La respuesta puede estar fuera de los productos Agente.
Aquí hay que mencionar Cordis, que está detrás de los plugins.
Cordis es el núcleo subyacente de Harness, especializado en gestionar cómo se instalan, desinstalan y coordinan los plugins entre sí. Es muy comedido, no toca el modelo, no toca las herramientas, no toca capacidades específicas del Agente, solo gestiona esto:
Que los plugins puedan cargarse, descargarse y gestionarse dinámicamente, manteniendo la estabilidad del sistema durante los cambios.
Solo con esto, toca dos conceptos técnicos profundos.
Uno se llama composibilidad temporal. Cuando se desinstala un plugin, si los efectos que causó antes pueden revertirse completamente. El otro se llama composibilidad espacial: si un plugin depende de otro, y este último desaparece o cambia repentinamente, si el primero puede reconectar la dependencia por sí mismo.
Suena muy técnico, pero en realidad responden a una gran pregunta: ¿Puede un Agente cambiarse a sí mismo mientras está en ejecución?
El software tradicional no hace esto. Una vez que se inicia el programa, sus capacidades están básicamente fijadas. Puedes actualizar la versión, pero no vas a estar ejecutando y de repente decir "me falta una capacidad, ahora mismo la añado".
Lo que Cordis quiere ofrecer es precisamente esta posibilidad. El modo de creación en Harness es la demostración más直观 de este concepto. El Agente puede inspeccionar el entorno en el que se está ejecutando, descubrir qué le falta, crearlo en el acto, conectarlo y seguir trabajando.
Puedes hacer que sea un Agente de auditoría de seguridad que solo lea código y no modifique archivos, o un Agente de investigación empresarial que se conecte a búsquedas internas, use fijamente un modelo concreto y esté equipado con tres Skills exclusivos.
Un Agente tradicional necesita que una persona lo configure primero. Harness explora otro camino: la persona solo propone el objetivo, el Agente ajusta por sí mismo su entorno de ejecución.
Es como una máquina que, mientras funciona, descubre que le falta una pieza y se la fabrica y monta en el acto.
Y hoy está cambiando la forma en que se crea el software.
En el pasado era la persona quien escribía el software, y el software ejecutaba la tarea; en el futuro podría ser la persona quien proponga el objetivo, el Agente quien genere la capacidad, la instale y luego complete el objetivo.
Si este camino realmente funciona, incluso el significado de la palabra Agente cambiará. Se parecerá cada vez menos a un software programado de antemano, y más a un entorno de ejecución que puede modificar en cualquier momento los límites de sus propias capacidades.
IV. El verdadero campo de batalla está fuera del modelo
Hay un detalle aquí, de gran significado comercial.
Harness no limita al usuario a los propios modelos de DeepSeek.
Para una empresa de modelos que hace un Agente, la estrategia más natural es vincularlo a su propio modelo. OpenAI tiene GPT, Anthropic tiene Claude, Google tiene Gemini. El Agente es el último kilómetro del modelo hacia el usuario, cuanto más estrecho el vínculo, más llamadas al modelo propio. Las empresas de modelos quieren naturalmente fusionar modelo y Agente.
DeepSeek precisamente no hace eso. Te permite personalizar modelo, protocolo, URL base, incluso conectar modelos de la competencia.
En teoría, puedes usar completamente el modelo de un competidor dentro de DeepSeek Harness.
Esto, desde la perspectiva de un producto Agente, es extraño. Pero desde la perspectiva de la infraestructura, cobra sentido. Lo que realmente quiere controlar puede no ser el modelo, sino esa capa subyacente del entorno de tiempo de ejecución del Agente.
Es como un sistema operativo. Windows no necesita hacer todo el software, Android tampoco. Lo que realmente vale dinero en un sistema operativo es hacer que otros quieran desarrollar sobre él. Más desarrolladores, más software; más software, más usuarios; el peso de la plataforma naturalmente aumenta.
Lo que Harness quiere replicar es esta lógica.
Su verdadero rival puede no ser Claude Code y Codex, sino más bien el tiempo de ejecución de la era de los Agentes. Quien controle el entorno de ejecución, tendrá la oportunidad de decidir cómo funcionarán los Agentes en el futuro.
V. Empezando a calcular la cuenta del ecosistema
Llegados aquí, por qué V4 Pro subió de precio también tiene otra explicación.
En el pasado, DeepSeek dependía de atraer más usuarios con modelos baratos, más usuarios traían más llamadas, más llamadas traían más desarrolladores e influencia, lo que finalmente retroalimentaba modelos más fuertes.
Tras la aparición de Harness, está tomando forma un nuevo ciclo de ecosistema.
La mayor diferencia de este modelo con el pasado es que la posición del modelo ha cambiado, ha pasado de ser el destino a ser el motor.
En el pasado, DeepSeek usaba precios bajos para que más gente usara el modelo; ahora empieza a intentar que todo el ecosistema de Agentes consuma modelos de forma continua.
Esta es también la razón por la que Harness no obliga a usar exclusivamente los modelos de DeepSeek.
Lo que realmente quiere es que todos los Agentes se ejecuten en el entorno de tiempo de ejecución que define, y en cuanto a qué modelo se usa en el fondo, le importa menos.
Mientras el entorno de ejecución se convierta en un ecosistema, las llamadas al modelo ocurrirán naturalmente.
Detrás de la subida de precio está esta razón. Ya no necesita desempeñar eternamente el papel de verdugo de precios, el modelo empieza a tener que convertirse en una máquina que genere flujo de caja de forma sostenida.
VI. Lo difícil de usar puede ser precisamente su respuesta
Sinceramente, al abrir DeepSeek Harness, no sabía cómo usarlo.
La UI es muy de ingeniero, la documentación está llena de terminología. La primera vez que un usuario normal lo abre, probablemente pregunte: ¿Para quién es esto?
El problema quizás esté ahí. Puede que directamente no considere al usuario normal como su primer usuario.
Pero ahora, creo que no es tan importante.
Lo que más necesita una plataforma al principio son sus primeros constructores, los consumidores vienen después. Windows, Linux, Android, todos empezaron apoyándose en desarrolladores.
Por lo tanto, juzgar si Harness tiene éxito ni siquiera debería depender primero del número de descargas.
Depende de los plugins, de los Agentes, de quién construye cosas sobre él.
Si alguien empieza a crear varios Agentes alrededor de él, incluso si alguien usa Harness para construir su propio Harness, eso significaría que la plataforma realmente empieza a crecer.
Hoy, vemos al Agente como un producto.
¿Y si algún día, el Agente también pudiera, como el software, ser constantemente construido, modificado, combinado, e incluso que el propio Agente siguiera construyendo?
Entonces, el Agente que entendemos hoy puede ser solo su forma más temprana.
Palabras de [Fuera de Planos]:
La ambición de una empresa a veces se esconde en lo que lanza, a veces en lo que no hace por ti.
DeepSeek Harness no ha hecho del Agente un producto terminado.
Entrega algo inacabado en manos de los desarrolladores.
Pero para una empresa que quiere hacer infraestructura, lo inacabado a veces significa precisamente que aún hay un espacio lo suficientemente grande.
Este espacio, DeepSeek lo entrega en manos de los desarrolladores y usuarios.
