Harness

Il giorno 13 agosto 2026 la pagina di lancio di «DeepSeek Harness» porta l'equazione che ancora il termine: agente uguale modello più harness, dove il modello è ciò che DeepSeek chiama l'anima dell'agente, e l'harness è ciò che gli permette di leggere il proprio ambiente, invocare strumenti e continuare a funzionare in condizioni reali. Addy Osmani, Shubham Saboo e Sokratis Kartakis danno numeri a questa ripartizione nel loro whitepaper Google del maggio 2026: modello ~10%, harness ~90%, dove il 90% copre istruzioni, strumenti e «MCP», sandbox, orchestrazione, hook e osservabilità. La loro prova è un risultato di benchmark: su Terminal Bench 2.0, cambiando solo l'harness un agente è passato da fuori dalla Top 30 alla Top 5. La loro conclusione, "most agent failures are configuration failures", sposta la qualità dell'agente lontano dalla scelta del modello.

Bill Chen e Brian Fioca, del team Applied AI di OpenAI, avevano proposto la stessa scomposizione nel novembre 2025, dividendo un agente in interfaccia utente, modello e harness, e sostenendo che l'harness è la parte sottovalutata: assorbe le abitudini di addestramento di ciascun modello (la tendenza a leggere tutto prima di agire), la latenza, la compattazione del contesto, l'integrazione degli strumenti e il sandboxing. La risposta di OpenAI è stata di posizionare «Codex» come un agente integrato di modello più harness, non come un modello, e di dire agli sviluppatori di non ricostruire questo strato ogni volta.

La risposta di DeepSeek ha una forma opposta: un harness definito dalla composizione di plugin e da un unico log ad accodamento (append-only), rilasciato sotto licenza MIT la stessa settimana in cui è cambiato il prezzo della sua inferenza. Entrambe le posizioni trattano l'harness come il bene durevole, mentre i modelli si succedono.