DeepSeek Harness vs. Claude Code: Vad ändras med samma modell?

DeepSeek Harness vs Claude Code: Snabb jämförelse

Vad är DeepSeek Harness?

DeepSeek Harness är ett öppen källkods-agentharness som för närvarande är i utvecklarförhandsvisning. Det levererar runtimen där modeller använder verktyg och kontext, och det kan köra modeller från andra leverantörer än DeepSeek. Dess README varnar för att uppdateringar kan bryta befintliga uppsättningar.

Om du är intresserad av att prova rekommenderar jag att börja med vår guide till DeepSeek Harness.

Hur DeepSeek Harness fungerar

Agentloopen är implementerad som ett plugin. Harness använder Cordis för att komponera modelladaptrar, verktyg, sessioner, lagring, sandlådor och loopen.

Cordis låter plugins hitta tjänster och utbyta händelser. Ändrade beroenden laddar eller avladdar plugins; hot reload rensar inaktuella lyssnare och bakgrundsjobb.

Standardprofilen visar loopen som en konfiguration. dsh --profile headless --dump-default-config inkluderar denna post:

- id: agent-loop
  name: '@deepseek-ai/dsh-agent-loop'
  config:
    agents: []

Den posten kan ersättas via cordis.patch.yml, vilket visar att själva loopen inte är fastlåst.

Plugin-panel som visar runtime-delarna. Video av författaren.

De fyra runtime-lägena

DeepSeek Harness erbjuder fyra olika runtime-lägen.

• Standard: fullt läge för kodningsagent
• PTC/Code: kombinerar flera verktygsanrop i ett TypeScript-program 
• Minimal: behåller endast persistent bash och str_replace_editor
• Creator: för att inspektera och testa runtimen

DeepSeek använde Minimal-läget för sina benchmarks.

Vad är Claude Code?

Claude Code är Anthropics proprietära kodningsagent och agentiska harness för lokal eller hanterad användning i terminal, IDE, skrivbord, webb, Slack och CI.

CLI:n startas med claude inne i en projektkatalog. Den katalogen blir standardfilomfång, och sessionen läser projektinstruktioner från CLAUDE.md. Användare kan senare vidga filåtkomst eller lägga till externa tjänster.

Anthropic presenterar dessa gränssnitt som sätt att komma åt Claude Code. Lokala sessioner körs på din maskin. Molnsessioner körs i hanterade miljöer eller på servrar som drivs av din organisation. Remote Control låter en webbläsare styra lokalt arbete.

De bästa starterna är vår Claude Code-guide och bästa praxis för Claude Code.

Inbyggd loop och utbyggnader

Anthropic beskriver Claude Code som det agentiska harness:et runt Claude, med en upprepad loop för kontext, åtgärd och verifiering. Användare kan styra den under en körning.

Claude Code lagrar sessioner lokalt och komprimerar äldre kontexter när fönstret fylls. CLAUDE.md och autominne bär utvalda instruktioner och projektdetaljer mellan sessioner. Subagenter använder separata kontextfönster och returnerar sammanfattningar till föräldrasessionen.

Hur Claude Codes utbyggnadslager fungerar

Claude Code stöder flera utbyggnadsmekanismer. CLAUDE.md, skills, hooks, MCP, subagenter, plugins, Agent Teams och Agent SDK utökar alla dess arbetsflöde.

Dessa utbyggnader arbetar runt Claude Codes inbyggda loop. Hooks kan upprätthålla regler för verktygsanrop, medan Agent SDK tillhandahåller verktyg och kontexthantering i kod.

DeepSeek Harness vs Claude Code: Arkitektur och kontroll

DeepSeek Harness exponerar runtime-delar på lägre nivå för utbyte. Claude Code behåller sin inbyggda loop fast och stöder utbyggnader runt den.

Utbytbar runtime kontra paketerad agent

DeepSeek Harness behandlar runtimen som konfigurerbar infrastruktur: modelladaptrar, lagring, sandlådor och loopen kan bytas ut via profilposter. Claude Code behåller sin inbyggda loop fast och utökar arbetsflödet runt den.

DeepSeek Harness kan använda den mekanismen för att byta modellleverantörer eller andra runtime-delar. Ordet ”plugin” har också annan räckvidd här: 

• Claude Code-plugins buntar funktioner runt loopen.
• DeepSeek Harness-plugins kan definiera delar av själva runtimen.

Modellstöd och val av leverantör

DeepSeek Harness stöder fler modellleverantörer. Det kör DeepSeek, Anthropic, OpenAI, molnleverantörer och kompatibla lokala endpoints. Claude Code kör… tja, Claude. Med andra ord kan DeepSeek Harness vara värd för Claude, men Claude Code kan inte vara värd för DeepSeek. 

Det var det som lät mig hålla modellen konstant i testet. Att jämföra en DeepSeek-modell i Harness mot Claude i Claude Code ändrar två variabler samtidigt.

Val av leverantör tillför konfiguration av autentiseringsuppgifter och endpoint, inklusive exakta modell-ID:n. Claude Code styr modelfamiljen och det mesta av begärandebeteendet.

Att byta leverantör garanterar inte identiskt beteende. Modeller kan stödja olika verktygsformat, kontextstorlekar eller resonemangskontroller. Harness behåller den omgivande plugin-uppsättningen tillgänglig, men leverantörsadaptern måste ändå matcha den valda endpointen.

Sessionsloggar och spårbarhet

DeepSeek Harness registrerar uppmaningar, kontextinjektioner, verktygsanrop och behörighetsbeslut i en append-only-händelseström. Dess trajectory-vy visar var varje post kom ifrån och stöder återupptag, förgrening, sökning och uppspelning.

Claude Code lagrar JSONL-transkript, stöder återupptag och förgrening och avger OpenTelemetry-spår. 

Båda visar sessionshistorik, men DeepSeek Harness lägger mer av runtime-vägen i UI:t.

Trajectory-vy som återskapar en full körning. Video av författaren.

Körmiljöer och behörigheter

DeepSeek Harness använder bubblewrap eller Landlock på Linux, Seatbelt på macOS och en ACL-begränsad token på Windows. Om sandlådan inte kan starta, stoppar Harness kommandot. Claude Code erbjuder behörighetslägen plus allow, ask och deny-regler. I denna körning formade Windows-sandlådan verifieringsvägen och timingen.

Åtkomstetiketterna skiljer sig, så det var inte möjligt att matcha de två inställningarna exakt.

• Förinställningar för DeepSeek Harness-behörigheter inkluderar read-only, workspace-write och danger-full-access. 

• Claude Code separerar automatiska ändringar, manuellt godkännande, planering och regelbaserad kommandotillgång. Det tar också ögonblicksbilder av filer före ändringar för återställning utan Git. 

I aktuella Pro-, Max- och Team-sessioner i terminalen och VS Code är Auto-läge Claude Codes inbyggda startläge. En klassificerare granskar åtgärder i bakgrunden. Testet använde uttryckligen acceptEdits, så behörighetsbeteendet återspeglar testkonfigurationen snarare än dagens standard.

Den skillnaden är viktig när man jämför antalet godkännanden.

Körningsplatsen skiljer sig också. Harness körs främst på den maskin som är värd för dess webb-UI eller en headless-process. Claude Code kan köras lokalt, i Anthropic-hanterade molnmiljöer eller på egenhostad infrastruktur. Remote Control lägger till ett webbläsargränssnitt medan körningen förblir lokal.

Test av DeepSeek Harness vs Claude Code i praktiken

För att se om dessa runtime-skillnader påverkade körningen gav jag båda verktygen samma enradiga TypeScript-bugg. Om du bara vill ha det uppmätta resultatet är detta avsnittet att läsa.

Testsetup: samma modell, repo och prompt

Jag skrev ett TypeScript-bibliotek för ”habit streak” med en felaktig rad. Det mätte kalenderdagar genom att avrunda förflutna millisekunder. 

• En avklarad uppgift kl. 23:50 följd av en kl. 00:10 såg ut som samma dag.
• En avklarad uppgift kl. 08:00 följd av 20:00 nästa dag såg ut som en missad dag. 

Tio fixerade tester visade tre fel.

Varje färsk klon hade beroenden installerade före den tidtagna körningen. Båda agenterna fick samma instruktion och använde Claude Sonnet 5. Repot och prompten var fasta; verktyg, behörigheter och sandlådebeteende förblev produktspecifika.

Behörighetskonfigurationerna var inte likvärdiga. DeepSeek Harness startade i workspace-write, men dess Windows-sandlåda kunde inte starta. Webb-UI:t begärde godkännande, och jag beviljade danger-full-access tre gånger. Claude Code använde accept-edits och kunde endast köra testkommandot via bash.

Denna snäva uppgift använde endast lokal kod och tester. Agenterna behövde hitta och ändra en felaktig rad och sedan köra sviten. Beroenden installerades före tidtagning, även om Harness valde att köra npm install igen.

Testresultat: identisk patch, olika godkännandespår

Claude Code rapporterade 55,0 sekunder. Det körde sviten, hittade buggen, ändrade en källfil och körde testerna igen. Tio av tio klarade.

I detta Windows-test tog DeepSeek Harness 125,4 sekunder. Det hittade samma oanvända daysBetween-hjälpare, gjorde samma ändring och körde originalsviten med lyckat resultat. 

Diffarna var byte-identiska:

-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);
 }

Godkännandespåret och upprepat shell-arbete förklarar största delen av tidsskillnaden.

Varför DeepSeek Harness tog längre tid på Windows

DeepSeek Harness workspace-write-sandlåda kunde inte starta på Windows, så webb-UI:t begärde ett bredare behörighetsläge tre gånger. Efter godkännande körde Harness originalsviten, ändrade src/streak.ts och körde sviten igen. Tio av tio tester passerade.

Resultatet säger inget om Harness på Linux eller macOS. Eftersom båda körningarna använde samma modell-ID kan tidsskillnaden inte komma från en modellsfärsskillnad. De olika behörighets- och verktygsvägarna formade fortfarande respektive körning.

Båda körningarna nådde tio godkända tester. Bild av författaren.

Vad testet med samma modell isolerar

Det delade modell-ID:t gjorde inte förfrågningarna identiska. Varje produkt försåg sin egen systemprompt, verktygsbeskrivningar, kontext och behörighetsregler. Någon av dessa indata kan påverka nästa modellrespons. 

Upplägget kontrollerar därför modelfamiljen bättre än en jämförelse DeepSeek-modell kontra Claude, men det isolerar inte varje variabel.

Jag körde också bara en tidtagen körning per konfiguration. Upprepade körningar i slumpmässig ordning behövs innan man behandlar tid eller verktygsantal som stabila prestandamått.

DeepSeek Harness vs Claude Code: Kostnad, benchmarks och testbegränsningar

En Windows-fallstudie kan inte avgöra den bredare jämförelsen av prestanda eller prissättning. Den visar varför benchmarkdetaljer spelar roll.

Benchmark-varning: DeepSeek använde Minimal-läge

DeepSeeks publicerade poäng använde Minimal-läge, inte Standard-läget som användes i denna jämförelse. Oberoende tester med en annan harness rapporterade lägre resultat. Jag återskapade inte dessa tester. Resultat i Minimal-läge fastställer inte prestanda i Standard-läge och mäter inte Claude Code.

Kostnad: API-avgifter kontra Claude-prenumerationer

DeepSeek Harness har ingen licensavgift, men modell- och infrastrukturkostnader tillkommer. DeepSeeks API använder hög- och lågbelastningspriser. Claude Code ingår i betalda Claude-planer. Se Anthropics prissida innan du budgeterar.

Harness-körningen kostade cirka 0,11 USD enligt Anthropics API-listpriser. Claude Code visade 0,349 USD vid användning av prenumerationsuppgifter. Eftersom dessa siffror kommer från olika faktureringssystem är de inte en direkt prisjämförelse.

Claudes individuella planer listar Pro på 20 USD per månad och Max-nivåer på 100 eller 200 USD per månad, medan DeepSeek Harness saknar motsvarande prenumeration; modellleverantören skickar fakturan. Lokala modeller tar bort API-avgifter men använder ändå maskinens beräkningsresurser.

Team bör också räkna med hostade sandlådor och egenhostad compute när dessa tjänster ligger utanför modellfakturan. De kostnaderna syns inte i Harness-licensen.

Stabilitet: utvecklarförhandsvisning kontra produktionsprodukt

Harness var fortfarande i release candidate-status under testet. Team bör låsa paketversioner eftersom uppdateringar kan bryta profiler eller sparade sessioner; Claude Code är redan i produktion.

Begränsningar i DeepSeek Harness vs Claude Code

Inget av systemen täcker varje arbetsflöde. Begränsningarna kommer från olika delar av deras design.

Begränsningar i DeepSeek Harness

Harness exponerar fler runtime-delar, men det lämnar också mer setup och testning till användaren:

• Projektet är fortfarande i utvecklarförhandsvisning, och uppdateringar kan bryta profiler eller sparade sessioner

• Leverantörsautentisering, modell-ID:n och endpoint-regler kräver manuell konfiguration

• Dess workspace-write-sandlåda misslyckades att starta i denna Windows-fallstudie och krävde tre danger-full-access-godkännanden

• Det aktuella Python-SDK:t har ingen Windows-hjulfil

Sandlådefyndet gäller endast Windows-körningen som beskrevs tidigare. Jag upprepade inte testet på Linux eller macOS.

Versionsnotiserna för v0.1.0-rc.7 nämner en fix för latens i persistent Bash och en node-pty-uppgradering för bredare PTY-kompatibilitet. Det gör denna observation både versions- och Windows-specifik.

Begränsningar i Claude Code

Claude Code hanterar fler runtime-beslut, men dess fasta gränser utesluter vissa experiment:

• Det kör Claude-modeller och tillhandahåller ingen väg för andra modelfamiljer

• Den inbyggda sessionsloopen exponeras inte som en utbytbar komponent

• Claude Code kräver betald åtkomst eller separat debiterade API-krediter, båda med användningsbegränsningar

• Långa sessioner kan komprimera äldre kontext, så beständiga regler hör hemma i CLAUDE.md

Dessa begränsningar spelar störst roll när en uppgift kräver en annan modellleverantör eller en anpassad loop.

DeepSeek Harness vs. Claude Code: Vilket ska du välja?

Lägg modellsnamnen åt sidan en stund. Är din uppgift att färdigställa applikationskoden, eller att ändra runtimen som gör arbetet?

Välj DeepSeek Harness om runtimen i sig är projektet. Det passar tester över flera leverantörer, anpassade loopar eller sandlådor, och arbete som beror på detaljerade körspår. Dess förhandsstatus innebär också ansvar för versionsändringar och konfigurationstestning.

Välj Claude Code om du arbetar i en befintlig kodbas och vill att agenten ska inspektera filer, ändra kod och köra projektets kontroller med mindre runtime-setup. I detta Windows-test körde den originalsviten utan de tre fullåtkomstgodkännanden som Harness behövde.

Använd båda om den uppdelningen speglar verkligt arbete. Ett team kan använda Claude Code för daglig kodning och Harness för experiment med prompts, verktyg eller agentloopen.

Avslutande tankar

Båda verktygen kan inspektera ett repo, redigera filer och köra kommandon. Det som skiljer dem åt är ägandet av runtimen: Harness exponerar delarna som plugins, medan Claude Code paketerar den inbyggda loopen och låter dig utöka arbetsflödet runt den.

Om jag måste välja en startpunkt utifrån detta test skulle jag börja med Claude Code för rutinmässigt applikationsarbete. Jag skulle börja med Harness när det handlar om att ändra eller inspektera runtimen, vilket är skälet till uppgiften. Detta är en Windows-fallstudie med prerelease av Harness, inte en permanent ranking.

För närliggande jämförelser, se våra artiklar om Grok Build, Cursor, OpenCode, Codex och andra alternativ till Claude Code.