DeepSeek Harness é o mesmo que o modelo DeepSeek? Entenda a diferença

Quem digita "DeepSeek Harness" esperando encontrar mais um modelo novo acaba numa página que não fala de token, nem de janela de contexto, nem de benchmark

E aí bate aquela sensação de ter errado a busca

Não errou! São duas camadas diferentes com o mesmo sobrenome: uma orquestra o agente, a outra gera a resposta

Neste post eu separo as duas peças, mostro onde cada uma encaixa no seu projeto e por que a pergunta de preço só faz sentido em uma delas 🙂

O que é o DeepSeek Harness (dsh)

O DeepSeek Harness é um agent harness de código aberto publicado pela DeepSeek sob licença MIT, atualmente em developer preview

O código vive no repositório oficial no GitHub

E o que é um "harness", afinal?

Formação Recomendada

Formação Vibe Coding

Do Prompt ao Produto: Crie Software Real com IA

• 474 aulas
• 20 projetos
• 39h 27min

Conhecer formação

Boa pergunta, porque o nome não ajuda muito

Harness é a estrutura em volta do modelo: quem lê o seu pedido, decide chamar uma ferramenta, executa, guarda a sessão, roda o loop de novo e devolve o resultado pra você

Se você já usou algum agente de código no terminal, tu já usou um harness, mesmo sem chamar por esse nome

O modelo é o cérebro, o harness é o corpo que dá braço, memória e permissão pro cérebro

"Everything is a Plugin"

A ideia central do projeto é essa: tudo é plugin

Modelos, ferramentas, skills, sessões, sandboxes, filesystems, loops, orquestração e a própria UI são implementados como plugins que podem ser trocados, substituídos e estendidos

Na prática isso significa que model adapter, tool registry, session log, sandbox e até o agent loop são peças substituíveis, não paredes de concreto

Se o comportamento padrão não serve pro seu caso, tu troca a peça em vez de brigar com a ferramenta

Não é só CLI: tem app web local

Um detalhe que muita gente assume errado: o dsh entrega um app web local, não apenas uma linha de comando

A interface web faz parte do projeto

A base: o meta-framework Cordis

O dsh é construído sobre o meta-framework Cordis

E aqui vai um ponto que costuma passar batido: o Cordis não nasceu dentro da DeepSeek

É um projeto open source independente, e a DeepSeek usa uma cópia vendorizada dele, publicada no npm como `@deepseek-ai/cordis`

Então o "esqueleto de plugins" que dá essa cara ao harness vem de fora da casa, e isso é bem massa de saber quando tu for estudar o funcionamento por dentro

A imprensa posicionou o projeto como alternativa open source e agnóstica de modelo à infraestrutura de agente por trás de Claude Code e Codex

Guarde a palavra agnóstica, ela é o coração da confusão que a gente vai desfazer agora

O que é o modelo DeepSeek e quem cobra por token

O modelo é a outra camada: é ele quem lê o prompt, raciocina e devolve texto

E é ele quem tem tabela de preço

O DeepSeek-V4-Pro entrou em versão GA no dia 13 de agosto de 2026, exatamente no mesmo momento em que o dsh v0.1 entrou em developer preview

Os dois anúncios saíram juntos, o que explica boa parte da mistura de nomes que rolou desde então

Pico e fora de pico

Junto com a linha V4, a DeepSeek atualizou os preços da API e passou a ter tarifas diferentes por horário

• A tarifa fora de pico é 50% menor que a de pico
• O horário de pico é das 01:00 às 04:00 e das 06:00 às 10:00 UTC, de segunda a sexta
• Todo o resto do tempo é fora de pico

Se o seu job é em lote e não tem pressa, dá pra empurrar a execução pra janela mais barata

Isso é decisão de modelo e de API, repare

Não é decisão de harness

Por que a tabela de preço não está no repositório

A tabela oficial de preços por token vive na documentação da API da DeepSeek, em página completamente separada do repositório do harness

Faz sentido: o harness é código MIT no GitHub, tu clona e roda

O que consome saldo é a chamada que ele faz pro provedor do modelo

E se a sua dúvida for sobre a família de modelos em si, tem outros dois caminhos que valem a leitura: onde baixar o modelo DeepSeek V4 oficialmente e o que cada modelo da família faz de verdade

Harness x modelo: o que cada um faz

Botando lado a lado nos eixos que o pessoal confunde:

Olhando a coluna "cobra por token", a resposta pra pergunta do título aparece sozinha

Como conectar um modelo ao DeepSeek Harness

Agora o passo a passo que mostra as duas peças se encaixando de verdade

O caminho documentado no README é rodar a partir do checkout do repositório

1. Clone o repositório e entre na pasta

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness

2. Instale as dependências com pnpm

pnpm install

3. Rode o build do projeto

pnpm run build

4. Suba o app web local

pnpm dsh web

A Web UI padrão sobe em http://127.0.0.1:3080 e o navegador abre sozinho

Se tu não quer que ele abra a aba (rodando em servidor, por exemplo), usa a flag:

pnpm dsh web --no-open

5. Dentro do Web UI, vá em Settings > Models e clique em Add provider

O erro comum deste passo é o clássico: gente cavando arquivo de configuração dentro do repositório procurando onde declara o modelo

A configuração de provedor mora no Settings do Web UI

6. Escolha o provedor, cole a API key e salve

O catálogo documentado inclui Anthropic e OpenAI, além de autenticação nativa para Bedrock, Vertex, Azure e Codex

O erro comum deste passo é supor que subir o harness já te dá um modelo funcionando

Não dá! Sem credencial de algum provedor, tu tem o corpo sem o cérebro

7. Se o seu modelo não está no catálogo, use o custom provider

O dsh aceita um custom provider apontado para qualquer endpoint compatível com a API da OpenAI, incluindo modelo self-hosted ou rodando local

A descoberta de modelos chama GET /models

Quando o endpoint não expõe isso, tu digita os modelos manualmente, e tá resolvido

Onde cada peça entra no seu projeto

Com a divisão clara, alguns cenários ficam bem concretos:

• Trocar de modelo sem trocar de agente. Você mantém as suas ferramentas, o seu loop e o seu histórico de sessão, e só aponta pra outro provedor no Settings. Anthropic, OpenAI, auth nativa pra Bedrock, Vertex, Azure e Codex, mais qualquer endpoint OpenAI-compatible que tu quiser
• Rodar modelo self-hosted ou local. O custom provider é a porta pra isso, sem depender de catálogo
• Substituir peças do loop. Se o comportamento padrão não serve, o "everything is a plugin" deixa tu trocar model adapter, tool registry, session log ou sandbox em vez de forkar o mundo
• Usar a Web UI local como interface do agente. Nem todo time quer viver no terminal, e o app web já vem junto

Repare no fio comum de todos eles

A decisão de custo mora na escolha do MODELO, nunca na escolha do harness

Trocar de harness não muda a sua fatura, trocar de modelo (ou de horário de execução) muda

O que considerar antes de adotar agora

Aqui vai o recado honesto, sem hype

O próprio projeto avisa que está em developer preview, iterando rápido, e que haverá mudanças que quebram compatibilidade

Isso não é rodapé decorativo, é aviso pra levar a sério

Traduzindo pra decisão prática: avaliar, clonar, prototipar e entender a arquitetura de plugins? Massa, faz sentido agora

Apostar a sua esteira de produção inteira numa API que pode mudar de forma na próxima versão? Aí exige cautela, ou pelo menos uma camada sua no meio pra absorver o tranco

E a dúvida de preço, de novo, não se resolve no repositório

Ela se resolve na documentação da API do modelo que você escolheu plugar

Conclusão

A separação cabe numa frase: o harness orquestra, o modelo responde, e o modelo é quem cobra

O DeepSeek Harness é a camada open source (MIT, developer preview) que monta o agente com tudo trocável por plugin, sobre o Cordis, com Web UI local incluída

O DeepSeek-V4-Pro é modelo, está em GA desde 13/08/2026, e é ele que tem tarifa de pico e fora de pico

Próximo passo? Clona o repositório pra ver a camada de plugins de perto, e abre a doc da API do provedor que tu pretende plugar pra conferir a tabela de preço no lugar certo

Quando as duas camadas ficam separadas na sua cabeça, o resto do quebra-cabeça monta sozinho 😀

até o próximo post!