DeepSeek Harness: Ketika semuanya benar-benar menjadi plugin

Ketika membicarakan agen AI, kita hampir selalu memulai dari modelnya. Model mana yang menulis kode lebih baik? Mana yang memahami konteks lebih panjang? Mana yang menyelesaikan lebih banyak tugas dalam sebuah benchmark? Pertanyaan itu wajar, tetapi kini tidak lagi cukup. Sebuah agen bukan hanya model bahasa. Ia membutuhkan alat, penyimpanan, sesi, izin, lingkungan runtime, perencanaan, pencatatan, dan suatu antarmuka tempat manusia dapat ikut campur.

Itulah sebabnya Developer Preview DeepSeek Harness begitu menarik bagi saya. DeepSeek merangkum gagasannya dalam satu kalimat yang sangat jelas: Everything is a plugin. Bukan hanya alat tambahan yang dapat dipertukarkan. Model, skill, sesi, sandbox, storage, loop agen, scheduling, bahkan antarmuka pengguna juga diperlakukan sebagai plugin.

Sekilas, ini terdengar seperti keputusan desain teknis untuk pengembang. Namun sebenarnya, di dalamnya terdapat pernyataan yang lebih besar tentang fase AI berikutnya. Jika kecerdasan berasal dari model, sementara kemampuan bekerja secara praktis berasal dari harness, maka separuh kedua ini tidak boleh menjadi blok buram yang dikuasai satu penyedia.

Agen lebih dari sekadar modelnya

DeepSeek sendiri menjelaskan rumusnya dengan singkat: agen sama dengan model ditambah harness. Model memproses bahasa dan menghasilkan keputusan. Harness menghubungkannya dengan lingkungan nyata. Ia menyediakan file, mendaftarkan alat, mengelola state, menjalankan subagen dan perintah, serta menentukan informasi mana yang kembali dimasukkan ke konteks pada pemanggilan model berikutnya.

Dengan demikian, harness bukan sekadar kemasan di sekeliling model. Ia menentukan apa yang dapat dilakukan dari sebuah jawaban model. Apakah agen hanya boleh mengeluarkan teks atau juga mengubah file? Apakah ia melihat seluruh repositori atau hanya satu direktori kerja? Apakah sebuah perintah dijalankan langsung pada host, di dalam container, atau pada sandbox jarak jauh? Apakah manusia harus menyetujui suatu tindakan? Apakah state dipertahankan di antara beberapa sesi? Semua itu bukan sifat model, melainkan keputusan runtime yang mengelilinginya.

Dari menjawab menjadi bertindak

Dalam chat sederhana, pemisahan ini hampir tidak terlihat. Pertanyaan masuk, jawaban keluar. Namun begitu agen bekerja pada repositori, menangani tiket, mengakses sistem internal, atau mengambil alih tugas yang berjalan lama, harness menjadi setidaknya sama pentingnya dengan model. Harness menerjemahkan niat dalam bahasa manusia menjadi rangkaian langkah nyata, lalu memasukkan hasilnya kembali sebagai konteks baru bagi model.

Di situlah ditentukan apakah teknologi demo yang mengesankan dapat menjadi alat yang andal. Model yang sangat bagus dengan konteks buruk, hak akses terlalu luas, dan pengelolaan sesi yang tidak dapat diandalkan tetap menghasilkan agen yang buruk. Ia bisa bernalar dengan brilian tetapi tetap mengedit file yang salah, memakai state yang sudah usang, atau gagal melanjutkan pekerjaan dengan baik setelah terjadi kesalahan. Sebaliknya, model yang sedikit lebih lemah dapat sangat berguna di dalam runtime yang dirancang baik karena ia melihat alat yang tepat, memiliki batas yang jelas, dan pekerjaannya tetap dapat ditelusuri.

Arsitektur menjadi bagian dari hasil

DeepSeek Harness membuat lapisan ini terlihat. Kernel Cordis memasang plugin, menyelesaikan dependensi, dan dapat melepas komponen kembali. Kapabilitas disediakan sebagai services. Sebuah plugin dapat mengimplementasikan shell, plugin lain membuat shell itu tersedia sebagai alat bagi model, dan plugin ketiga menggunakannya dalam workflow. Implementasi konkret dapat diganti melalui konfigurasi tanpa harus membangun ulang seluruh harness.

DeepSeek melangkah lebih jauh daripada banyak platform yang hanya mengizinkan beberapa alat tambahan sebagai ekstensi. Koneksi model, tool registry, session log, dan loop agen itu sendiri juga merupakan plugin. Menurut arsitekturnya, tidak ada inti istimewa yang harus ditambal untuk setiap ekstensi. Perilaku baru dipasang di samping komponen yang sudah ada dan dapat membatalkan registrasinya dengan bersih saat dilepas.

Ini bukan gagasan yang sepenuhnya baru. Sistem operasi, browser, editor, dan platform telah hidup dari komponen modular selama puluhan tahun. Yang baru adalah betapa konsistennya DeepSeek menerapkan prinsip ini pada sebuah agen AI lengkap. Arsitektur agen tidak lagi diterima sebagai produk tetap, melainkan sebagai rangkaian keputusan yang dapat diubah oleh operator.

Mengapa “semuanya adalah plugin” begitu menarik

Gagasan plugin menggeser kekuasaan dari produk jadi menuju runtime yang dapat disusun. Saya dapat mengganti penyedia model tanpa membangun ulang seluruh cara kerja. Saya dapat menukar shell lokal dengan varian yang lebih terisolasi. Saya dapat memakai penyimpanan lain, logika sesi lain, atau antarmuka buatan sendiri. Selain akses ke modelnya sendiri, DeepSeek juga mendokumentasikan penyedia lain dan endpoint kustom yang kompatibel dengan OpenAI.

Mengganti model tanpa memulai dari nol

Dengan begitu, agen menjadi lebih mirip infrastruktur yang saya susun sesuai lingkungan sendiri. Tim pengembang kecil mungkin hanya membutuhkan akses file, Git, dan pengujian. Tim security ingin menambahkan kueri jaringan, sandbox terisolasi, persetujuan yang lebih ketat, dan log yang tidak dapat diubah. Perusahaan dapat memakai model gateway sendiri, sedangkan lab pribadi dapat terhubung ke model open-weight lokal.

Ini penting secara strategis karena model berubah sangat cepat. Hari ini satu penyedia unggul dalam coding, besok penyedia lain lebih baik dalam konteks panjang atau penggunaan alat. Dalam produk tertutup, pergantian model sering sekaligus berarti pergantian platform. Sesi, aturan, izin, integrasi, dan pola kerja harus dibangun ulang. Dalam runtime modular, model dapat tetap menjadi satu komponen yang ditukar dengan penyedia lain atau endpoint yang dioperasikan sendiri.

Prosesnya tentu tidak sepenuhnya mulus. Model berbeda dalam format role, reasoning, tool call, dukungan gambar, dan perilaku ketika gagal. Perbedaan ini harus ditangani dengan baik dalam adapter masing-masing. Namun justru di sinilah nilai batas antarkomponen yang jelas terlihat: kekhasan satu penyedia tidak merembes tanpa kendali ke seluruh produk.

Infrastruktur yang dapat dipertukarkan, bukan sekadar tombol

Yang sangat menarik adalah pemisahan antara definisi, penyedia, dan pengguna suatu kapabilitas. Antarmuka Bash menjelaskan apa yang dapat dilakukan kapabilitas itu. Provider menentukan di mana dan bagaimana perintah benar-benar dijalankan. Baru plugin berikutnya mengubahnya menjadi alat yang boleh dipanggil oleh model. Batas seperti ini penting karena memungkinkan kontrol diterapkan pada titik yang jelas. Batas waktu, isolasi, persetujuan, dan pencatatan dapat ditambahkan di sana tanpa memprogram ulang setiap loop agen.

Potensinya semakin jelas ketika beberapa kapabilitas berbagi dunia eksekusi yang sama. Jika sistem file dan proses dipindahkan dari lingkungan lokal ke sandbox jarak jauh, shell, terminal, dan navigasi kode dapat ikut berpindah bersama. Bagi pengguna, kapabilitasnya tetap serupa, sementara kerangka keamanan dan operasinya berubah secara mendasar. Kemampuan dipertukarkan semacam ini jauh lebih bernilai daripada satu sakelar tambahan di antarmuka.

Berbagai mode runtime juga menunjukkan tujuan DeepSeek. Mode standar membawa agen coding lengkap. Dalam Code Mode, model dapat mengatur beberapa tool call melalui kode TypeScript yang dihasilkan. Minimal Mode mengurangi lingkungan benchmark menjadi shell dan editor. Creator Mode memungkinkan plugin dan preset sendiri diperiksa. Dengan begitu, tidak setiap kasus penggunaan harus memuat kotak alat raksasa yang sama.

Profile dan bundle menjadikannya lebih dari sekadar kumpulan ekstensi lepas. Sebuah profile dapat membentuk runtime agen yang ditentukan untuk tujuan tertentu. Kita dapat membayangkan profile ringan untuk pengembangan lokal, profile yang lebih dibatasi untuk sistem produksi, dan profile forensik yang mencatat jauh lebih banyak hal. Kapabilitasnya tetap tersusun dari blok yang sama, tetapi kombinasi dan batasnya disesuaikan dengan risiko masing-masing.

Di mana potensinya muncul secara praktis

Arsitekturnya menarik, tetapi nilainya baru tampak dalam situasi nyata. Sistem plugin bukan tujuan pada dirinya sendiri. Ia harus memungkinkan agen disesuaikan lebih cepat dengan kebutuhan nyata tanpa membangun platform baru untuk setiap kasus penggunaan.

Dari alat pribadi menuju platform perusahaan

Seorang pengembang dapat memulai dengan shell lokal, editor file, dan sebuah model. Begitu itu menjadi alat tim, muncul persyaratan lain: identitas terpusat, workspace terpisah, persetujuan untuk tindakan kritis, model gateway, pengendalian biaya, sesi persisten, dan audit trail yang dapat diekspor. Dalam aplikasi monolitik, produsennya menentukan apakah dan kapan fungsi tersebut tersedia.

Dalam runtime modular, perusahaan dapat menambahkan bagian yang kurang atau mengganti provider yang ada. Agen tidak perlu diciptakan ulang. Antarmuka dan logika agen yang sama dapat menggunakan model berbeda di balik gateway perusahaan, menjalankan perintah dalam sandbox internal, dan menyimpan sesi di storage milik sendiri. Inilah perbedaan antara alat praktis dan platform yang dapat dikendalikan.

Zona kepercayaan berbeda dari blok yang sama

Tidak semua tugas layak mendapat hak yang sama. Agen yang merangkum dokumentasi tidak memerlukan akses produksi. Agen untuk incident response mungkin membutuhkan data log dan kueri jaringan, tetapi tidak boleh mengubah konfigurasi. Agen deployment dapat menjalankan perubahan, tetapi semestinya memiliki persetujuan lebih ketat, token lebih singkat, dan pencatatan yang sangat jelas.

Dengan services dan profile yang dipisahkan dengan baik, perbedaan tersebut dapat dinyatakan langsung di dalam runtime. Model tidak harus memahami setiap detail keamanan lalu mematuhinya secara sukarela. Lingkunganlah yang secara teknis menentukan kapabilitas mana yang tersedia. Bagi security, ini adalah poin utama: kapabilitas yang tidak dipasang memang tidak tersedia sebagai alat langsung bagi model.

Ekosistem untuk para spesialis

Tidak ada satu penyedia yang akan sekaligus membangun sandbox terbaik, session store terbaik, setiap sistem perusahaan, dan semua model adapter. Model plugin terbuka memungkinkan spesialis menyelesaikan tepat satu lapisan dengan sangat baik. Penyedia security dapat menawarkan lingkungan eksekusi yang diperkeras. Proyek storage dapat menyediakan sesi yang tahan audit. Tim platform internal dapat menghubungkan persetujuan dan identitas dengan organisasi sendiri.

Jika komponen ini dapat bekerja bersama melalui antarmuka yang stabil, yang muncul adalah ekosistem, bukan satu aplikasi yang terus membesar. Mungkin inilah potensi terbesar DeepSeek Harness. DeepSeek tidak harus memenangkan setiap kasus penggunaan. Cukup jika arsitekturnya menjadi tempat pihak lain menawarkan dan menggabungkan kapabilitas mereka.

Ketertelusuran bukan detail sampingan

Gagasan kuat kedua selain plugin adalah append-only session log. Menurut DeepSeek, segala sesuatu yang dilihat model dicatat sebagai event. Ini mencakup instruksi sistem, tool call dan hasilnya, injeksi konteks, serta perencanaan subagen. Melanjutkan, membuat cabang, mencari, dan mengulang semuanya didasarkan pada aliran event yang sama.

Bagi pengembang, ini praktis karena eksekusi yang gagal dapat direkonstruksi. Bagi security dan operasi, ini bahkan lebih penting. Jika agen mengubah file, menjalankan perintah, atau mengirim data ke sebuah layanan, saya membutuhkan lebih dari pesan chat terakhir. Saya harus dapat menelusuri konteks yang tersedia, alat yang terlibat, dan titik ketika keputusan berubah menjadi tindakan.

Dalam aplikasi klasik, kesalahan sering dapat dilacak ke input dan jalur kode deterministik. Pada agen, hal ini lebih sulit. Dari tugas kasar yang sama, model dapat menurunkan langkah antara yang berbeda, menggunakan alat dalam urutan lain, dan merespons hasil tak terduga. Tanpa riwayat lengkap, yang tersisa hanyalah klaim bahwa agen telah memutuskan sesuatu. Itu tidak cukup untuk debugging maupun insiden keamanan.

Keputusan menjadikan aliran event sebagai source of truth membuka kemungkinan kedua: eksperimen yang lebih mudah dibandingkan. Sebuah sesi dapat dicabangkan pada titik tertentu, lalu dilanjutkan dengan model lain, prompt yang diubah, atau kapabilitas berbeda. Dengan demikian, kita tidak hanya membandingkan model mana yang menulis jawaban lebih indah. Kita dapat meneliti dampak sebuah perubahan konkret terhadap kondisi kerja nyata yang sama.

Bagi perusahaan, dalam jangka panjang ini dapat berkembang menjadi semacam catatan perubahan dan insiden untuk agen. Siapa yang memberikan tugas? Kebijakan mana yang aktif? Data apa yang diterima model? Tindakan mana yang disetujui? Hasil apa yang kembali? Pertanyaan ini menjadi penting begitu agen tidak hanya memberi saran, tetapi juga memicu perubahan pada sistem nyata.

Namun log saja belum menjadi audit trail yang siap pakai. Retensi, perlindungan akses, integritas, konten sensitif, dan ekspor tetap harus diselesaikan dengan baik. Log lengkap dapat menjadi risiko jika memuat prompt, source code, hasil tool, atau kredensial. Meski begitu, saya menyukai keputusan dasarnya: informasi yang terlihat oleh model seharusnya tidak datang melalui jalur tersembunyi, melainkan melalui aliran event yang dapat direkonstruksi.

Open source menjadi senjata strategis

Fakta bahwa proyek ini berasal dari China membuatnya semakin menarik. DeepSeek tidak hanya merilis bobot model, tetapi kini terlihat membangun beberapa lapisan stack. DeepSeek V4 tersedia dengan bobot dan kode di bawah lisensi MIT. Kini Harness yang juga berlisensi MIT menambahkan runtime terbuka untuk pekerjaan agentic. Di bawahnya, Cordis bahkan menyediakan model plugin dan komposisi tersendiri.

Hal ini sesuai dengan perkembangan yang telah saya bahas dalam artikel tentang AI, keamanan, dan pertarungan memperebutkan stack lengkap. China tidak ingin hanya mengonsumsi aplikasi AI. Perusahaan China membangun model, software inferensi, jalur hardware, dan kini juga infrastruktur agen di atasnya. DeepSeek memperlihatkan laju yang tidak lagi dapat dijelaskan di Barat dengan gambaran lama tentang industri peniru semata.

Dalam perlombaan ini, open source bukan hanya idealisme. Ia adalah distribusi, kepercayaan melalui kemampuan pemeriksaan, dan akselerator bagi sebuah ekosistem. Pihak yang membuka bobot, kode, dan antarmuka mengundang pengembang di seluruh dunia untuk menemukan kesalahan, membangun integrasi, dan menjadikan desainnya standar de facto. Harness terbuka bisa lebih bernilai secara strategis bagi DeepSeek dibanding satu lagi antarmuka chat tertutup, karena tetap relevan meskipun model penyedia lain berjalan di dalamnya.

Ini poin yang luar biasa. DeepSeek membangun platform tempat DeepSeek sendiri tetap dapat dipertukarkan. Dalam jangka pendek, hal itu tampak hampir bertentangan. Mengapa penyedia model memudahkan peralihan ke pesaing? Dalam jangka panjang, justru ini dapat menjadi posisi yang lebih kuat. Jika pengembang membangun agen, plugin, aturan keamanan, dan sesi mereka di atas runtime ini, Harness menjadi infrastruktur bersama. DeepSeek mungkin kehilangan beberapa pemanggilan model, tetapi memperoleh pengaruh atas arsitektur seluruh ekosistem.

Keterbukaan juga mempercepat pembelajaran. Dalam produk tertutup, perkembangan arsitektur inti sebagian besar tetap berada di tangan produsennya. Proyek terbuka digunakan oleh pengguna dalam lingkungan yang tidak pernah dapat diperkirakan sepenuhnya oleh tim awal. Dari sana muncul laporan bug, adapter baru, backend alternatif, dan pengetahuan operasi. Terutama dalam bidang muda seperti software agentic, umpan balik ini bisa lebih penting daripada rilis pertama yang sempurna.

Di sinilah letak sisi cerdas pendekatan plugin. DeepSeek tidak perlu membangun sendiri setiap penyimpanan, sandbox, dan sistem perusahaan. Ia menyediakan arsitektur tempat pihak lain dapat memasukkan kapabilitas tersebut. Ketika ekosistem tumbuh, inti proyek mendapat manfaat dari setiap integrasi baru.

China tidak hanya membangun model, tetapi juga jalur di sekelilingnya

Karena itu, arti geopolitiknya tidak hanya terletak pada nilai benchmark. Sebuah negara atau kawasan ekonomi tidak menjadi berdaulat secara teknologi hanya karena sebuah model kuat dilatih di suatu tempat. Yang dibutuhkan adalah hardware, software inferensi, alat pengembangan, antarmuka, pengalaman operasi, dan pengembang yang membangun produk di atasnya. DeepSeek Harness adalah satu lagi blok dalam rantai itu.

Narasi Barat tentang teknologi China sering tertinggal dari perkembangan ini. Pihak yang masih memandang China terutama sebagai peniru murah melewatkan kecepatan penerbitan arsitektur mandiri dan pendekatan terhadap pengembang global di sana. DeepSeek tidak harus memimpin selamanya dalam setiap kategori. Cukup dengan menjaga jarak tetap kecil, beriterasi cepat, dan membuka pekerjaannya agar pihak lain dapat membangun di atasnya.

Jarak dengan model tertutup terdepan semakin menyusut

Model open-weight lama dianggap sebagai alternatif menarik untuk lab dan kasus khusus, sementara kemampuan yang benar-benar kuat berada pada segelintir penyedia tertutup. Gambaran ini semakin sulit dipertahankan. Kesenjangannya belum hilang di setiap disiplin, tetapi menutup lebih cepat daripada perkiraan banyak orang.

Dalam evaluasinya sendiri, DeepSeek menempatkan model V4 langsung di samping model tertutup terdepan saat ini. Bergantung pada benchmark, V4 Pro berada dekat, mencapai nilai yang sebanding, atau masih terlihat tertinggal. Tidak ada hasil seragam untuk software engineering, penggunaan alat, pengetahuan faktual, dan tugas reasoning yang sangat sulit. Karena itulah kita tidak seharusnya menentukan “pemenang” dari satu tabel saja.

Poin yang lebih penting adalah jarak waktunya. Kemampuan yang belum lama ini dianggap sebagai keunggulan eksklusif lab terbesar di AS kini muncul beberapa bulan kemudian dalam model yang bobotnya dapat diunduh, dijalankan sendiri, dan diteliti. “Hanya beberapa bulan di belakang model teratas” bukan konstanta yang dapat diukur secara ilmiah. Namun ungkapan itu cukup tepat menggambarkan betapa singkatnya keunggulan sistem tertutup kini dapat terasa.

Ini juga mengubah arti ekonomi sebuah keunggulan. Jika model tertutup sepuluh persen lebih baik untuk tugas tertentu, hal itu bisa menentukan. Namun jika model terbuka sudah cukup baik, berjalan pada infrastruktur sendiri, dan dapat diintegrasikan ke zona keamanan sendiri, perhitungan keseluruhannya tetap dapat berpihak pada model terbuka. Kontrol, lokasi data, biaya yang dapat diprediksi, dan kemampuan adaptasi sendiri adalah bagian dari performa, meskipun tidak muncul dalam benchmark.

Hardware tetap tidak boleh dilupakan. Bobot yang tersedia secara terbuka tidak otomatis berarti model dengan 1,6 triliun parameter dapat berjalan nyaman di lemari server. DeepSeek V4 Pro adalah model Mixture-of-Experts yang sangat besar. Meski hanya sebagian parameter aktif per token, kebutuhan memori, biaya inferensi, dan operasi tetap menantang. Keterbukaan menghapus hambatan akses ke kode dan bobot, bukan realitas fisik model besar.

Walaupun demikian, keberadaan bobot tersebut saja sudah mengubah pasar. Peneliti dapat memeriksa model. Penyedia dapat menawarkannya pada infrastruktur sendiri. Komunitas dapat mengembangkan kuantisasi dan optimasi runtime. Perusahaan setidaknya memperoleh alternatif terhadap ketergantungan penuh pada satu API.

Persaingan pun bergeser. Pengetahuan mentah dalam model tetap penting, tetapi nilai jangka panjang semakin juga terletak pada data pipeline, evaluasi, runtime, keamanan, distribusi, dan integrasi ke proses nyata. Harness terbuka sangat cocok dengan pergeseran ini. Jika model semakin mudah dipertukarkan, platform yang memberi konteks, alat, dan batas dengan andal akan menang.

Terbuka tidak otomatis berarti dapat dipercaya

Dengan segala antusiasme, akan naif jika menyamakan “open source dari China” secara otomatis dengan kedaulatan. Siapa pun yang memakai layanan DeepSeek terkelola tetap mengirimkan data kepada penyedia eksternal. Hanya endpoint model yang dioperasikan sendiri dan harness yang terkendali yang benar-benar mengubah kendali atas data. Bahkan kemudian, asal-usul, proses build, dependensi, dan pembaruan tetap menjadi bagian dari supply chain.

Plugin menambah tanggung jawab ini. Plugin bukan theme yang tidak berbahaya. Ia dapat mendaftarkan alat, mengakses services, dan menjalankan kode pada sistem. Untuk instalasi dari repositori Git, dokumentasi DeepSeek secara tegas memperingatkan bahwa build script yang diizinkan dapat berjalan pada host di luar sandbox agen. Dokumentasi itu menyarankan hanya mengizinkan sumber tepercaya dan mengikat dependensi pada commit tertentu.

Itu peringatan yang tepat. Platform plugin terbuka menciptakan kemampuan dipertukarkan, tetapi juga supply chain baru. Setiap penyedia tambahan dapat memperoleh akses ke prompt, file, kredensial, atau alat yang dapat dieksekusi. Plugin yang telah disusupi tidak membutuhkan model jailbreak spektakuler jika ia sudah menjadi bagian sah dari runtime.

Kemampuan melihat source code adalah keuntungan, tetapi belum merupakan pemeriksaan keamanan. Seseorang tetap harus benar-benar memeriksa kode, menelusuri build, mengunci versi, dan mengendalikan pembaruan. Dalam ekosistem plugin yang tumbuh, asal-usul hampir sama pentingnya dengan fungsi. Plugin berguna dari sumber tidak dikenal dapat menjadi risiko lebih besar daripada fungsi yang tidak tersedia.

Untuk operasi serius, saya hanya akan memakai sedikit plugin yang telah diperiksa. Versi harus dikunci, izin dipisahkan, secrets dikelola di luar konfigurasi, dan koneksi keluar dikendalikan. Sandbox harus benar-benar mengisolasi, bukan hanya menyandang nama itu. Session log harus dilindungi dan diperiksa terhadap data sensitif. Yang terutama, pernyataan “semuanya adalah plugin” tidak boleh berakhir menjadi “setiap plugin boleh melakukan segalanya”.

Karena itu, potensi jangka panjang juga bergantung pada governance. Platform yang baik memerlukan bukti asal yang dapat dipahami, artefak bertanda tangan, build yang dapat direproduksi, dependensi yang jelas, dan cara untuk membatasi kapabilitas per profile. Jika DeepSeek dan komunitas menganggap serius dasar yang membosankan ini, keterbukaan dapat menghasilkan kendali nyata. Jika tidak, janji plugin hanya akan berubah menjadi attack surface yang sangat luas.

Hal yang ingin saya lihat dari DeepSeek Harness

DeepSeek sengaja menyebut proyek ini sebagai Developer Preview dan mengumumkan kemungkinan perubahan yang tidak kompatibel. Ini saat yang baik untuk membaca, bereksperimen, dan mengujinya dengan data nonkritis. Namun belum ada alasan untuk menggantungkan workflow produksi utama padanya.

Pertanyaan menariknya adalah apakah arsitektur yang rapi ini dapat berkembang menjadi ekosistem yang tangguh. Hal itu membutuhkan rilis bertanda tangan, asal-usul plugin yang dapat dilacak, model izin yang jelas, build yang dapat direproduksi, dan proses pembaruan yang tidak menuntut kepercayaan baru pada setiap perubahan. Sama pentingnya adalah seberapa baik plugin dari penyedia berbeda benar-benar dapat digabungkan ketika proyek berkembang cepat.

Saya juga ingin melihat apakah kemampuan dipertukarkan yang dijanjikan bertahan dalam keseharian. Model adapter mudah diganti di atas kertas. Dalam praktiknya, model berbeda dalam tool call, reasoning, format konteks, dukungan gambar, dan mode kegagalan. Antarmuka terbuka mengurangi perbedaan ini, tetapi tidak menghapusnya.

Terlepas dari keberatan itu, bagi saya DeepSeek Harness adalah salah satu proyek AI paling menarik tahun ini. Bukan karena ia sudah harus menjadi agen coding terbaik. Yang menarik adalah perusahaan AI China membuka lapisan di atas model dan menjadikannya sistem blok bangunan. Sementara penyedia lain mengintegrasikan agen mereka semakin dalam ke platform tertutup, DeepSeek bertumpu pada arsitektur tempat bahkan modelnya sendiri hanyalah plugin yang dapat dipertukarkan.

Kesan saya dan lajunya yang luar biasa

Developer Preview saja sudah memperlihatkan banyak potensi bagi saya. Antarmukanya membuat prinsip plugin menjadi nyata, dan tampilan trajectory menunjukkan bahwa ketertelusuran tidak hendak ditambahkan belakangan. Proyek ini masih muda dan banyak hal sedang bergerak, tetapi justru arsitektur terbuka ini tampak seperti landasan tempat sesuatu yang besar dapat tumbuh dengan sangat cepat.

Saat ini, begitu banyak hal terjadi di dunia AI sehingga selisih beberapa minggu pun bisa tampak usang. Siapa yang heran jika Alphabet sendiri memperkirakan belanja modal 175 hingga 185 miliar dolar untuk 2026 dan Meta menambahkan 115 hingga 135 miliar dolar lagi, dalam kedua kasus sangat dipengaruhi oleh infrastruktur AI? Ratusan miliar tiba-tiba mengalir ke gagasan, persaingan, dan masa depan yang sama.

Modal ini tidak menjamin produk yang bagus. Namun ia menjelaskan mengapa model, pusat data, dan platform agen melaju dengan kecepatan yang beberapa tahun lalu terasa mustahil. Model semakin dapat dipertukarkan, bobot terbuka mengejar dengan cepat, dan pembeda utama berpindah ke harness. DeepSeek terlihat jelas menekan gas pada ketiga bidang itu. Siapa pun yang membangun infrastruktur AI seharusnya tidak membacanya hanya sebagai kisah persaingan dari China, tetapi juga sebagai undangan untuk menilai ulang ketergantungannya pada stack tertutup.

Sampai jumpa lagi,
Joe