Programa
Fundamentos de agentes de IA
6 h
Introdução aos agentes de IA
Aprenda os fundamentos dos agentes de IA, seus componentes e o uso no mundo real - não é necessário programar.
Visão de trajetória reconstruindo uma execução completa. Vídeo do autor.
Ambientes de execução e permissões
O DeepSeek Harness usa bubblewrap ou Landlock no Linux, Seatbelt no macOS e um token restrito por ACL no Windows. Se a sandbox não puder iniciar, o Harness interrompe o comando. O Claude Code oferece modos de permissão além de regras de permitir, perguntar e negar. Nesta execução, a sandbox do Windows moldou o caminho de verificação e o tempo.
Os rótulos de acesso são diferentes, então não foi possível igualar as configurações exatamente.
-
Os presets de permissão do DeepSeek Harness incluem
read-only,workspace-writeedanger-full-access. -
O Claude Code separa edições automáticas, aprovação manual, planejamento e acesso a comandos baseado em regras. Ele também cria snapshots dos arquivos antes das edições para rollback sem Git.
Nas sessões atuais Pro, Max e Team no terminal e no VS Code, o modo Auto é o modo inicial padrão do Claude Code. Um classificador avalia ações em background. O teste usou explicitamente acceptEdits, então o comportamento de permissão reflete a configuração do teste, não o padrão atual.
Essa distinção é importante ao comparar a contagem de aprovações.
O local de execução também difere. O Harness roda principalmente na máquina que hospeda sua Web UI ou um processo headless. O Claude Code pode rodar localmente, em ambientes gerenciados pela Anthropic, ou em infraestrutura self-hosted. O Remote Control adiciona uma interface no navegador enquanto a execução permanece local.
Testando DeepSeek Harness vs Claude Code na prática
Para ver se essas diferenças de runtime afetavam a execução, dei às duas ferramentas o mesmo bug de uma linha em TypeScript. Se você só quer o resultado cronometrado, esta é a seção.
Setup do teste: mesmo modelo, repositório e prompt
Eu escrevi uma biblioteca de streak de hábitos em TypeScript com uma linha defeituosa. Ela media dias de calendário arredondando milissegundos decorridos.
- Uma conclusão às 23:50 seguida de outra às 00:10 parecia o mesmo dia.
- Uma conclusão às 08:00 seguida de 20:00 no dia seguinte parecia um dia perdido.
Dez testes fixos expuseram três falhas.
Cada novo clone teve dependências instaladas antes do run cronometrado. Ambos os agentes receberam a mesma instrução e usaram o Claude Sonnet 5. O repositório e o prompt eram fixos; as ferramentas, permissões e comportamento da sandbox permaneceram específicos de cada produto.
As configurações de permissão não eram equivalentes. O DeepSeek Harness começou em workspace-write, mas sua sandbox no Windows não pôde iniciar. A Web UI pediu aprovação, e eu concedi danger-full-access três vezes. O Claude Code usou accept-edits e pôde executar apenas o comando de teste via bash.
Esta tarefa enxuta usou apenas código e testes locais. Os agentes precisavam encontrar e editar uma linha com defeito e depois rodar a suíte. As dependências foram instaladas antes da cronometragem, embora o Harness tenha optado por rodar npm install de novo.
Resultados: patch idêntico, caminhos de aprovação diferentes
O Claude Code reportou 55,0 segundos. Ele executou a suíte, encontrou o bug, editou um arquivo-fonte e rodou os testes novamente. Dez de dez passaram.
Neste teste no Windows, o DeepSeek Harness levou 125,4 segundos. Ele encontrou o mesmo helper daysBetween não usado, fez a mesma edição e rodou a suíte original com sucesso.
Os diffs foram idênticos em bytes:
-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);
}O caminho de aprovações e o trabalho de shell repetido explicam a maior parte da diferença de tempo.
Por que o DeepSeek Harness foi mais lento no Windows
A sandbox workspace-write do DeepSeek Harness não pôde iniciar no Windows, então a Web UI pediu um modo de permissão mais amplo três vezes. Depois da aprovação, o Harness rodou a suíte original, editou src/streak.ts e rodou a suíte novamente. Dez de dez testes passaram.
O resultado não diz nada sobre o Harness no Linux ou macOS. Como ambas as execuções usaram o mesmo ID de modelo, a diferença de tempo não vem da família de modelos. As permissões e caminhos de ferramenta ainda moldaram cada execução.
Ambas as execuções chegaram a dez testes passando. Imagem do autor.
O que o teste com o mesmo modelo isola
Compartilhar o mesmo ID de modelo não tornou as requisições idênticas. Cada produto forneceu seu próprio system prompt, descrições de ferramentas, contexto e regras de permissão. Qualquer uma dessas entradas pode influenciar a próxima resposta do modelo.
Portanto, o setup controla melhor a família de modelos do que uma comparação DeepSeek-versus-Claude, mas não isola todas as variáveis.
Também rodei apenas um ensaio cronometrado por configuração. Seriam necessárias execuções repetidas em ordem aleatória antes de tratar tempo ou contagem de ferramentas como medições estáveis de performance.
DeepSeek Harness vs Claude Code: custo, benchmarks e limites do teste
Um estudo de caso no Windows não resolve a comparação ampla de performance ou preço. Ele mostra por que detalhes de benchmark importam.
Observação de benchmark: a DeepSeek usou o modo Minimal
Os números publicados pela DeepSeek usaram o modo Minimal, não o modo Standard usado nesta comparação. Testes independentes com outro harness reportaram resultados menores. Eu não reproduzi esses testes. Resultados no modo Minimal não estabelecem a performance do modo Standard e não medem o Claude Code.
Custo: cobranças de API versus assinaturas do Claude
O DeepSeek Harness não tem taxa de licença, mas ainda há custos de modelo e infraestrutura. A API da DeepSeek usa preços de pico e fora de pico. O Claude Code está incluído nos planos pagos do Claude. Consulte a página de preços da Anthropic antes de orçar.
A execução com Harness custou cerca de US$ 0,11 nas tarifas de tabela da API Anthropic. O Claude Code exibiu US$ 0,349 usando credenciais de assinatura. Como esses valores vêm de sistemas de cobrança diferentes, não são uma comparação direta de preço.
Os planos individuais do Claude listam Pro por US$ 20/mês e Max por US$ 100 ou US$ 200/mês, enquanto o DeepSeek Harness não tem assinatura equivalente; quem cobra é o provedor do modelo. Modelos locais eliminam a cobrança de API, mas usam os recursos de computação da máquina.
Times também devem considerar sandboxes hospedadas e compute self-hosted quando esses serviços ficam fora da conta do modelo. Esses custos não aparecem na licença do Harness.
Estabilidade: developer preview versus produto em produção
O Harness ainda estava em release candidate durante os testes. Times devem fixar versões de pacotes, pois updates podem quebrar perfis ou sessões salvas; o Claude Code já está em produção.
Limitações de DeepSeek Harness vs Claude Code
Nenhum dos sistemas cobre todo fluxo de trabalho. Os limites vêm de partes diferentes do design.
Limitações do DeepSeek Harness
O Harness expõe mais partes do runtime, mas isso também deixa mais setup e testes a cargo do usuário:
-
O projeto segue em developer preview, e updates podem quebrar perfis ou sessões salvas
-
Credenciais do provedor, IDs de modelo e regras de endpoint exigem configuração manual
-
Sua sandbox
workspace-writefalhou ao iniciar neste estudo de caso no Windows e exigiu três aprovações dedanger-full-access -
O SDK atual em Python não possui wheel para Windows
A observação sobre a sandbox vale apenas para a execução no Windows descrita antes. Eu não repeti o teste no Linux ou macOS.
As notas de release da v0.1.0-rc.7 mencionam correção de latência do Bash persistente e upgrade do node-pty para ampliar a compatibilidade de PTY. Isso torna esta observação específica de versão e de Windows.
Limitações do Claude Code
O Claude Code assume mais decisões de runtime, mas seus limites fixos impedem alguns experimentos:
-
Ele executa modelos Claude e não fornece rota para outras famílias de modelos
-
Seu loop de sessão nativo não é exposto como componente substituível
-
O Claude Code requer acesso pago ou créditos de API cobrados à parte, ambos com limites de uso
-
Sessões longas podem compactar contexto antigo, então regras persistentes devem ficar no
CLAUDE.md
Esses limites importam mais quando a tarefa exige outro provedor de modelo ou um loop customizado.
DeepSeek Harness vs. Claude Code: qual escolher?
Deixe os nomes dos modelos de lado por um momento. Sua tarefa é terminar o código da aplicação ou alterar o runtime que faz o trabalho?
Escolha o DeepSeek Harness se o próprio runtime for o projeto. Ele atende testes entre provedores, loops ou sandboxes customizadas e trabalhos que dependem de trilhas de execução detalhadas. Seu status de prerelease também implica assumir responsabilidade por mudanças de versão e testes de configuração.
Escolha o Claude Code se você trabalha em um codebase existente e quer que o agente inspecione arquivos, edite código e rode as verificações do projeto com menos setup de runtime. Neste teste no Windows, ele rodou a suíte original sem as três aprovações de acesso total que o Harness precisou.
Use ambos se essa divisão reflete o trabalho real. Um time pode usar o Claude Code no dia a dia e o Harness para experimentos com prompts, ferramentas ou o loop do agente.
Considerações finais
Ambas as ferramentas conseguem inspecionar um repositório, editar arquivos e executar comandos. O que as separa é a propriedade do runtime: o Harness expõe suas partes como plugins, enquanto o Claude Code empacota o loop nativo e permite estender o fluxo ao redor.
Se eu precisasse escolher um ponto de partida com base neste teste, começaria com o Claude Code para trabalho rotineiro de aplicação. Começaria com o Harness quando a tarefa exigir alterar ou inspecionar o runtime. Isto é um estudo de caso no Windows com o Harness em prerelease, não um ranking definitivo.
Para comparações próximas, confira nossos conteúdos sobre Grok Build, Cursor, OpenCode, Codex e outras alternativas ao Claude Code.
