Tracks
AIエージェントの基礎
6時間
1 回の実行全体を再構成するトラジェクトリービュー。動画：著者作成。
実行環境と権限
DeepSeek Harness は Linux では bubblewrap または Landlock、macOS では Seatbelt、Windows では ACL 制限付きトークンを使用します。サンドボックスを起動できない場合、Harness はコマンドを停止します。Claude Code は権限モードに加え、許可／確認／拒否のルールを提供します。今回の実行では、Windows のサンドボックスが検証経路とタイミングに影響しました。
アクセスラベルは異なるため、両者の設定を厳密に一致させることはできませんでした。
-
DeepSeek Harness の権限プリセットには、
read-only、workspace-write、danger-full-accessがあります。 -
Claude Code は自動編集、手動承認、プランニング、ルールベースのコマンドアクセスを分離します。さらに、Git を使わずにロールバックできるよう編集前にファイルをスナップショットします。
ターミナルと VS Code の現行の Pro、Max、Team セッションでは、Auto モードが Claude Code のビルトインの開始モードです。バックグラウンドで分類器がアクションを審査します。テストでは明示的に acceptEdits を使用したため、権限の挙動は現在のデフォルトではなくテスト設定を反映しています。
承認回数を比較する際にはこの違いが重要です。
実行場所も異なります。Harness は主に Web UI をホストするマシンまたはヘッドレスプロセス上で動作します。Claude Code はローカル、Anthropic 管理のクラウド環境、あるいはセルフホスト基盤で動作できます。Remote Control は実行をローカルに保ったままブラウザ UI を追加します。
DeepSeek Harness と Claude Code のハンズオンテスト
これらのランタイムの違いが実行に影響するかを見るため、同じ 1 行の TypeScript バグを両ツールに与えました。計時結果だけを知りたい場合は、このセクションをご覧ください。
テスト設定：同一のモデル、リポジトリ、プロンプト
私は 1 行だけ不具合のある TypeScript の習慣連続（streak）ライブラリを書きました。経過ミリ秒を丸めて暦日を測っていました。
- 23:50 の達成に続く 00:10 の達成が同じ日に見えてしまう。
- 翌日の 08:00 と 20:00 の達成が、未達成日に見えてしまう。
10 個の固定テストのうち、3 つが失敗として露呈しました。
各クリーンクローンは計時前に依存関係をインストール済み。両エージェントには同一の指示を与え、Claude Sonnet 5 を使用。リポジトリとプロンプトは固定し、ツール、権限、サンドボックスの挙動は各製品固有のままとしました。
権限構成は同等ではありません。DeepSeek Harness は workspace-write で開始しましたが、Windows のサンドボックスを起動できませんでした。Web UI が承認を要求し、danger-full-access を 3 回許可しました。Claude Code は accept-edits を使用し、bash ではテストコマンドのみ実行可能でした。
この限定的なタスクはローカルのコードとテストのみを使用。エージェントは不具合の 1 行を見つけて編集し、スイートを実行する必要がありました。依存関係は計時前にインストール済みですが、Harness は npm install を再実行する選択をしました。
テスト結果：同一パッチ、異なる承認経路
Claude Code は 55.0 秒を報告。スイートを実行し、バグを発見、ソースを 1 ファイル編集し、テストを再実行。10/10 合格。
この Windows テストで、DeepSeek Harness は 125.4 秒。未使用の daysBetween ヘルパーを同様に見つけ、同じ編集を行い、元のスイートに合格しました。
差分はバイト単位で同一でした：
-import { DAY_MS } from './dates.js';
+import { daysBetween } from './dates.js';
function gapInDays(earlier: number, later: number): number {
- return Math.round((later - earlier) / DAY_MS);
+ return daysBetween(earlier, later);
}承認の経路と繰り返されたシェル作業が、時間差の大半を説明します。
Windows で DeepSeek Harness の実行が遅くなった理由
DeepSeek Harness の workspace-write サンドボックスは Windows で起動できず、Web UI が 3 回にわたりより広い権限モードを要求しました。承認後、Harness は元のスイートを実行し、src/streak.ts を編集し、再びスイートを実行。10/10 合格でした。
この結果は Linux や macOS 上の Harness については何も示しません。両実行で同じモデル ID を使っているため、モデルファミリーの違いが原因ではあり得ません。とはいえ、権限とツールの経路の違いが各実行を形作りました。
どちらの実行も 10 件すべて合格。画像：著者作成。
同一モデルテストで分離できるもの
同一のモデル ID でも、要求は同一になりません。各製品が独自のシステムプロンプト、ツール説明、コンテキスト、権限ルールを与えます。いずれの入力も次のモデル応答に影響し得ます。
したがって、この設定は、DeepSeek モデル対 Claude の比較よりもモデルファミリーの差を統制できますが、あらゆる変数を分離はしません。
また、各構成で計時は 1 回のみです。時間やツール回数を安定した性能指標として扱うには、無作為順の繰り返し実行が必要です。
DeepSeek Harness と Claude Code：コスト、ベンチマーク、テストの限界
1 件の Windows 事例では、性能や価格の広範な比較は決着しません。ただし、ベンチマークの細部が重要であることは示します。
ベンチマークの注意：DeepSeek は Minimal モードを使用
DeepSeek が公表したスコアは Minimal モードでのもので、本比較で使った Standard モードではありません。別のハーネスを用いた独立検証では低い結果も報告されています。私はそれらを再現していません。Minimal モードの結果は Standard モードの性能を示さず、Claude Code を測ってもいません。
コスト：API 従量課金 vs Claude のサブスク
DeepSeek Harness にはライセンス料はありませんが、モデルとインフラのコストは発生します。DeepSeek の API はピーク／オフピーク料金を採用。Claude Code は有料の Claude プランに含まれます。予算化の前にAnthropic の料金ページを確認してください。
Harness の実行は Anthropic API の定価で約 $0.11。Claude Code はサブスクの認証情報を使いつつ $0.349 と表示。異なる課金系統の数字なので、直接の価格比較ではありません。
Claude の個人プランは Pro が月 $20、Max が月 $100 または $200。DeepSeek Harness に対応するサブスクはなく、請求はモデルプロバイダから来ます。ローカルモデルなら API 料金は不要ですが、マシンの計算資源は使用します。
チームは、モデル請求の外にあるホスト型サンドボックスやセルフホスト計算資源のコストも考慮すべきです。これらは Harness のライセンスには現れません。
安定性：開発者プレビュー vs 本番製品
テスト時点で Harness はリリース候補の段階でした。更新でプロファイルや保存済みセッションが壊れ得るため、チームはパッケージ版を固定してください。Claude Code はすでに本番運用段階です。
DeepSeek Harness と Claude Code の制約
どちらのシステムもすべてのワークフローを網羅するわけではありません。制約は設計上の異なる部分から生じます。
DeepSeek Harness の制約
Harness はランタイムの多くを公開しますが、そのぶんセットアップと検証の責任がユーザー側に残ります。
-
プロジェクトは開発者プレビュー段階であり、更新でプロファイルや保存済みセッションが壊れる可能性
-
プロバイダの認証情報、モデル ID、エンドポイントの規則を手動で設定する必要
-
この Windows 事例では
workspace-writeサンドボックスが起動に失敗し、danger-full-accessを 3 回承認が必要 -
現行の Python SDK には Windows 向けホイールがない
サンドボックスに関する発見は、前述の Windows 実行にのみ当てはまります。Linux や macOS では再試験していません。
v0.1.0-rc.7 のリリースノートには、持続的 Bash のレイテンシ修正と、より広い PTY 互換のための node-pty へのアップグレードが記載されています。したがって、この観察はバージョンおよび Windows 特有です。
Claude Code の制約
Claude Code はランタイムの意思決定をより多く担いますが、固定の境界により一部の実験はできません。
-
Claude モデルを実行し、他のモデルファミリーへの経路は提供しない
-
ビルトインのセッションループは交換可能なコンポーネントとして公開されていない
-
Claude Code は有料アクセスまたは別課金の API クレジットが必要で、いずれも利用上限あり
-
長いセッションでは古いコンテキストが圧縮され得るため、永続ルールは
CLAUDE.mdに記述すべき
これらの制約は、別のモデルプロバイダやカスタムループが必要なタスクで特に重要です。
DeepSeek Harness と Claude Code：どちらを選ぶべき？
ひとまずモデル名は脇に置きましょう。タスクはアプリケーションコードを仕上げることですか？ それとも、作業を担うランタイムを変更することですか？
DeepSeek Harness を選ぶのは、ランタイム自体がプロジェクトである場合です。プロバイダ横断のテスト、カスタムループやサンドボックス、詳細な実行トレースに依存する作業に適します。プレリリースであるため、バージョン変更や構成検証の責任も伴います。
Claude Code を選ぶのは、既存のコードベースで作業し、より少ないランタイム設定でファイルの調査、コード編集、プロジェクトのチェック実行を行いたい場合です。この Windows テストでは、Harness が必要とした 3 回のフルアクセス承認なしに元のスイートを実行しました。
両方を使うのも、現実の作業を反映していれば有効です。日々のコーディングには Claude Code、プロンプトやツール、エージェントループの実験には Harness といった使い分けが考えられます。
まとめ
どちらのツールもリポジトリの調査、ファイル編集、コマンド実行が可能です。両者を分けるのはランタイムの所有権です。Harness は部品をプラグインとして公開し、Claude Code はビルトインのループをパッケージ化して、その周囲のワークフロー拡張を許します。
今回のテストを踏まえて出発点を選ぶなら、日常的なアプリ開発には Claude Code、ランタイムの変更や観察が目的そのものである場合は Harness を選びます。これはプレリリース版の Harness を用いた Windows のケーススタディ 1 件であり、恒久的なランキングではありません。
関連比較として、以下の記事も参照してください：Grok Build、Cursor、OpenCode、Codex、その他のClaude Code の代替。