DeepSeek Harness vs OpenCode: Kesenjangan Penggunaan Token yang Sering Terlewatkan Pengembang

Anda memilih model yang murah. Anda sudah menghitung biaya di kartu model. Lalu tagihan datang dan tidak sesuai dengan perhitungan Anda sama sekali.

Kesenjangan itu hampir tidak pernah disebabkan oleh model. Itu disebabkan oleh harness. Harness-lah yang menentukan berapa kali model Anda dipanggil, seberapa banyak percakapan yang diputar ulang pada setiap panggilan, seberapa besar skema alat yang digunakan, dan apakah hasil uji coba yang gagal akan dicoba ulang tiga kali atau dua belas kali. Model yang sama, tugas yang sama, dua harness yang berbeda, jumlah token yang sangat berbeda.

Pada 13 Agustus 2026, DeepSeek merilis harness agennya sendiri secara open source dan perdebatan langsung memanas. Satu pihak memiliki repositori berusia dua minggu dari laboratorium yang membangun model tersebut. Pihak lainnya memiliki OpenCode, agen pengkodean dengan bintang terbanyak di GitHub. Keduanya berlisensi MIT. Keduanya dapat menjalankan model apa pun yang Anda tentukan.

Jadi, inilah versi perbandingan yang jujur. Bukan sekadar vibes atau jumlah bintang. Apa yang sebenarnya dilakukan masing-masing terhadap penggunaan token Anda, dan cara mengukurnya di repositori Anda sendiri dalam waktu sekitar lima belas menit.

Poin Penting

• DeepSeek Harness adalah runtime agen berbasis plugin dari DeepSeek AI, berlisensi MIT, ditulis dalam TypeScript, masih berlabel developer preview. Model, alat, sesi, penyimpanan, sandbox, perulangan, dan bahkan perulangan agen itu sendiri adalah plugin yang dapat ditukar.
• OpenCode adalah agen pengkodean berbasis terminal, ditulis dalam Go, dengan sekitar 198.000 bintang GitHub, TUI yang matang, dukungan LSP, dan katalog penyedia yang besar. Ini adalah pilihan standar yang aman saat ini.
• Pilihan harness mengubah penggunaan token lebih dari yang diperkirakan kebanyakan orang. Dalam benchmark 30 alur kerja pada DeepSeek V4 Flash, harness yang diuji berkisar dari sekitar 192.000 hingga 1.400.000 rata-rata token per tugas.
• DeepSeek Harness tidak ada dalam benchmark itu. Harness ini diluncurkan dua hari setelah benchmark tersebut diterbitkan, jadi siapa pun yang mengutip angka benchmark Harness saat ini hanyalah menebak.
• Keduanya tidak bergantung pada model (model agnostic), jadi Anda dapat mengarahkan keduanya ke satu endpoint yang kompatibel dengan OpenAI dan menjalankan pengujian yang benar-benar setara. Itulah satu-satunya angka yang penting untuk codebase Anda.

Dua laptop berdampingan di atas meja yang terkena sinar matahari menjalankan tugas pengkodean yang sama melalui dua harness agen yang berbeda

Satu-satunya cara yang adil untuk menjalankan DeepSeek Harness vs OpenCode: satu model, satu tugas, dua terminal.

Mengapa DeepSeek Harness vs OpenCode Menjadi Perdebatan Bulan Ini

Framing DeepSeek adalah sebuah slogan: Agen = Model + Harness. Model berpikir, harness membaca file, menjalankan terminal, dan memanggil alat. Selama dua tahun, semua orang mengoptimalkan bagian pertama dan memperlakukan bagian kedua sebagai bagian pembantu (plumbing).

Bagian pembantu itu ternyata mahal.

Composio menjalankan 30 alur kerja multi-aplikasi yang kompleks melalui 8 harness agen yang berbeda, semuanya menggunakan model DeepSeek V4 Flash yang sama, dengan batas 900 detik per tugas dan penilaian biner terprogram di 240 kali proses (Composio, Agustus 2026). Model yang sama di mana-mana. Hasilnya tidak mendekati sama.

Baca kolom token lagi. Harness paling hemat menggunakan sekitar sepertujuh token dari harness paling boros, menjalankan model yang identik pada tugas yang identik. Kesimpulan benchmark itu sendiri adalah bahwa harness "bisa sama pentingnya dengan model yang mereka jalankan."

Sekarang bagian yang dilewatkan kebanyakan artikel. DeepSeek Harness tidak ada dalam tabel itu. Benchmark diterbitkan pada 11 Agustus dan Harness dirilis pada 13 Agustus. Belum ada angka token head-to-head yang kredibel untuk DeepSeek Harness, dan siapa pun yang menunjukkan angka tersebut kepada Anda bulan ini, mereka menjalankannya sendiri pada tugas yang sempit atau mengada-adakannya. Apa yang diberikan tabel itu kepada Anda adalah dasar yang kuat dan bersumber untuk OpenCode: 692.000 token per tugas, tingkat lolos 46,7%, median waktu 129,7 detik.

Itulah angka yang ingin Anda kalahkan, dan sisanya dari artikel ini adalah cara mengujinya dengan jujur.

DeepSeek Harness vs OpenCode: Model yang Sama, Satu Endpoint, Dua Runtime

Berikut adalah gambaran praktis dari masing-masing alat sebelum kita menjalankan apa pun.

Baris yang penting adalah baris arsitektur. OpenCode memberi Anda agen yang dibangun dengan baik dan memungkinkan Anda memperluas bagian tepinya. DeepSeek Harness memberi Anda kerangka dan memungkinkan Anda mengganti tulang punggungnya, termasuk perulangan agen, yang merupakan plugin itu sendiri. Itu benar-benar tidak biasa, dan itu juga mengapa ini masih dalam tahap pratinjau.

Keduanya tidak bergantung pada model, dan itulah alasan utama mengapa pengujian yang adil dapat dilakukan. Arahkan keduanya ke satu endpoint yang kompatibel dengan OpenAI yang melayani satu model, dan setiap perbedaan yang Anda ukur adalah milik harness.

Untuk panduan ini, saya menggunakan DeepSeek V4 Flash dari Atlas Cloud, karena ia mengekspos endpoint polos yang kompatibel dengan OpenAI yang diterima oleh kedua harness tanpa kode adaptor apa pun, dan kunci yang sama berfungsi untuk kedua proses. Daftar deepseek-v4-flash-0731 di sana adalah $0,14 per juta token input dan $0,28 per juta token output, dengan jendela konteks 1.048.576 token dan output maksimal 393.216, per Agustus 2026. Penyedia apa pun yang kompatibel dengan OpenAI dapat digunakan untuk pengujian ini. Intinya adalah kedua harness harus mengenai penyedia yang sama.

Perlu diketahui sebelum Anda memilih model: OpenCode menerbitkan data penggunaan agregatnya sendiri, dan model DeepSeek telah memindahkan 233 triliun token melaluinya, dengan V4 Flash mencakup 85,5% dari jumlah tersebut dan V4 Pro sisanya 14,5% (OpenCode, Agustus 2026). Flash adalah apa yang sebenarnya digunakan oleh ekosistem.

Langkah 1: Arahkan DeepSeek Harness vs OpenCode ke Model yang Sama

Dapatkan satu kunci API dan satu base URL, lalu berikan pasangan yang persis sama ke kedua alat. Buat kunci di konsol Atlas Cloud dan ekspor sekali:

bashCopy
1export ATLAS_API_KEY="your-api-key"
2

Sebelum menghubungkan kedua harness, periksa endpoint dan id model yang tepat dengan satu panggilan. Jika ini tidak mengembalikan teks, tidak ada yang akan berfungsi di tahap selanjutnya:

bashCopy
1curl https://api.atlascloud.ai/v1/chat/completions \
2  -H "Authorization: Bearer $ATLAS_API_KEY" \
3  -H "Content-Type: application/json" \
4  -d '{
5    "model": "deepseek-ai/deepseek-v4-flash-0731",
6    "messages": [{"role": "user", "content": "Reply with the single word: ready"}]
7  }'
8

Ada baiknya melihat model menjawab tugas nyata sekali, langsung melalui endpoint, sebelum Anda memberikannya ke agen. Dengan begitu Anda tahu bahwa proses yang gagal adalah karena harness dan bukan karena jalurnya:

Prompt tugas artikel diposting ke api.atlascloud.ai, di samping jawaban nyata yang dikembalikan DeepSeek V4 Flash 0731 dan penggunaan token yang dilaporkan oleh panggilan tersebut

Satu panggilan nyata ke deepseek-ai/deepseek-v4-flash-0731, id model yang sama yang akan digunakan kedua harness: 148 token prompt masuk, 6.879 token output kembali, 5.731 di antaranya adalah penalaran. Itu adalah batas bawah Anda sebelum harness menambahkan satu skema alat pun.

Sekarang konfigurasikan masing-masing sisi. DeepSeek Harness membaca $DSH_HOME/settings.yaml, dan penyedia kustom yang kompatibel dengan OpenAI berada di bawah plugin llm-pi-ai (Dokumen DeepSeek Harness, Agustus 2026):

yamlCopy
1llm-pi-ai:
2  providers:
3    atlas:
4      apiKeyEnv: ATLAS_API_KEY
5      api: openai-completions
6      baseURL: https://api.atlascloud.ai/v1
7      models:
8        - id: deepseek-ai/deepseek-v4-flash-0731
9

Kolom api menerima openai-completions, openai-responses, atau anthropic-messages. Gunakan openai-completions di sini. Jika Anda lebih suka tidak mengedit YAML secara manual, UI web memiliki Pengaturan lalu Model lalu Tambah penyedia kustom, yang menulis blok yang sama dan menyimpan kunci di $DSH_HOME/.credentials.yaml.

OpenCode membaca opencode.json di direktori root proyek Anda atau direktori konfigurasi global (Dokumen OpenCode, Agustus 2026):

jsonCopy
1{
2  "$schema": "https://opencode.ai/config.json",
3  "provider": {
4    "atlas": {
5      "npm": "@ai-sdk/openai-compatible",
6      "name": "Atlas Cloud",
7      "options": {
8        "baseURL": "https://api.atlascloud.ai/v1",
9        "apiKey": "{env:ATLAS_API_KEY}"
10      },
11      "models": {
12        "deepseek-ai/deepseek-v4-flash-0731": {
13          "name": "DeepSeek V4 Flash 0731",
14          "limit": { "context": 1048576, "output": 393216 }
15        }
16      }
17    }
18  },
19  "model": "atlas/deepseek-ai/deepseek-v4-flash-0731"
20}
21

Gunakan @ai-sdk/openai-compatible, bukan @ai-sdk/openai, karena endpoint ini melayani /v1/chat/completions. Tetapkan nilai limit ke angka konteks dan output yang sebenarnya, karena OpenCode menggunakannya untuk memutuskan kapan harus meringkas, dan batas yang salah akan merusak perbandingan token Anda.

Langkah 2: Jalankan Tugas Benchmark di DeepSeek Harness

Pilih satu tugas yang cukup besar untuk memerlukan beberapa panggilan alat dan cukup kecil untuk dinilai secara objektif. Multi-file, ditambah rangkaian pengujian yang harus benar-benar lulus. Gunakan status repositori yang sama untuk kedua proses, jadi lakukan commit atau stash terlebih dahulu.

Ini adalah prompt tugas yang tepat. Tempelkan secara verbatim ke kedua harness:

textCopy
1In this repository, add a token-bucket rate limiter middleware for the Express
2app in src/server.js. Limit each IP to 60 requests per minute. On rejection,
3return HTTP 429 with the JSON body {"error":"rate_limited","retryAfter":<seconds>}.
4Wire the middleware into every /api/* route. Add unit tests in
5test/rate-limit.test.js covering three cases: a request under the limit is
6allowed, a request over the limit is blocked with 429, and the counter resets
7after the window expires. Run the test suite and fix failures until it passes.
8Do not modify any file outside src/ and test/.
9

Mulai Harness dari direktori proyek Anda:

bashCopy
1cd /path/to/your/repo
2npx @deepseek-ai/dsh web
3

Itu akan menyajikan UI web di http://127.0.0.1:3080. Pilih penyedia atlas dan model deepseek-ai/deepseek-v4-flash-0731, tempel tugas, dan biarkan berjalan hingga selesai. Jangan campur tangan, jangan menjawab pertanyaan klarifikasi dengan petunjuk. Bantuan apa pun yang Anda berikan ke satu harness dan bukan yang lain akan membatalkan perbandingan.

Setelah selesai, buka tampilan Trajectory. Itu adalah catatan sesi, dan di situlah angka token berada.

Langkah 3: Ulangi Proses di OpenCode untuk Pengujian DeepSeek Harness vs OpenCode yang Adil

Reset repositori ke status awal yang persis sama. Langkah ini adalah di mana sebagian besar perbandingan informal diam-diam menjadi rusak, karena harness kedua dimulai pada repositori yang sudah setengah diperbaiki oleh harness pertama.

bashCopy
1git checkout -- . && git clean -fd
2

Kemudian jalankan OpenCode terhadap model yang sama:

bashCopy
1opencode --model atlas/deepseek-ai/deepseek-v4-flash-0731
2

Tempel prompt tugas yang identik dari Langkah 2. Gunakan agen build bawaan, karena itu adalah agen yang memiliki akses file dan shell penuh. Sekali lagi, tanpa petunjuk, tanpa koreksi arah, perlakuan hands-off yang sama.

Biarkan selesai, lalu verifikasi kedua proses dengan cara yang sama seperti Anda menilai pull request:

bashCopy
1npm test
2

Proses yang membuat rangkaian pengujian berwarna merah tidak lulus, tidak peduli seberapa percaya diri ringkasan yang terdengar. Nilai secara biner, persis seperti yang dilakukan metodologi Composio. Rate limiter yang setengah berfungsi adalah gagal.

Langkah 4: Baca Penggunaan Token DeepSeek Harness vs OpenCode

Sekarang kumpulkan angkanya. Kedua harness melacak penggunaan, tetapi mereka menyajikannya dengan sangat berbeda, dan ini adalah perbedaan harian terbesar di antara keduanya.

DeepSeek Harness dilengkapi dengan meter token yang terpasang secara bawaan. Ini mengekspos tiga proyeksi sesi yang dapat Anda baca secara langsung: tokenUsage untuk total yang berjalan, contextPressure untuk seberapa dekat Anda dengan jendela, dan contextBreakdown untuk ke mana perginya token tersebut. Yang terakhir adalah yang berguna, karena memberi tahu Anda apakah tagihan Anda adalah untuk prompt sistem, skema alat, pembacaan file, atau pemutaran ulang percakapan. Meter ini menggunakan heuristik tetap sekitar satu token per empat karakter, bukan tokenizer sungguhan, jadi anggap saja sebagai perkiraan yang kuat, bukan faktur.

Harness juga menangani konteks penuh secara berbeda. Alih-alih memotong, mesin pemadatannya melakukan folding: ia mengganti permukaan yang terlihat oleh model dengan ringkasan sementara log lengkap tetap berada di lapisan penyimpanan. Anda kehilangan token dari prompt, bukan riwayat dari catatan.

OpenCode melacak token dan biaya per sesi dan mencetaknya di bilah status saat Anda bekerja. Rincian dalam TUI sengaja dibuat minimal, itulah sebabnya ada ekosistem kecil penganalisis eksternal yang membaca basis data sesi OpenCode secara langsung untuk memecah penggunaan berdasarkan alat dan tingkat cache hit. Jika Anda ingin atribusi per alat, Anda harus menginstal sesuatu.

Untuk perbandingan itu sendiri, jangan percaya penghitung alat itu sendiri sebagai kata akhir. Gunakan angka dari sisi penyedia, karena itulah yang sebenarnya Anda bayar:

Metode yang paling bersih adalah membuat dua kunci API terpisah, satu bernama harness-test dan satu lagi opencode-test, dan gunakan masing-masing untuk tepat satu proses. Kemudian halaman penggunaan penyedia itu sendiri memberi Anda perbandingan berdampingan yang tak terbantahkan dengan nol kesalahan estimasi. Trik itu memakan waktu dua menit dan menghilangkan setiap sumber ketidaksepakatan tentang penghitung siapa yang benar.

Penggunaan Token DeepSeek Harness: Apa yang Sebenarnya Menggerakkan Tagihan

Setelah Anda memiliki angka nyata, ini adalah tuas yang layak untuk disentuh. Mereka berlaku untuk kedua harness, dan mereka jauh lebih penting daripada yang mana yang Anda pilih.

Pemutaran ulang percakapan biasanya merupakan pos terbesar. Agen mengirim ulang percakapan yang terus bertambah pada setiap langkah. Tugas 40 langkah tidak membutuhkan biaya 40 prompt, melainkan biaya yang mendekati jumlah dari 40 prompt yang semakin panjang. Inilah sebabnya mengapa sebaran benchmark berkisar dari 192.000 hingga 1.400.000 token pada pekerjaan yang identik. Harness yang meringkas secara agresif berada di bagian bawah kisaran itu.

Cache hit adalah optimasi termurah yang tersedia. Cache hit DeepSeek V4 Flash dihargai sekitar $0,0028 per juta token dibandingkan $0,14 per juta untuk cache miss, kira-kira 98% lebih murah. Caching hanya berfungsi ketika awalan permintaan identik byte for byte, yang persis mengapa DeepSeek Harness memberlakukan interpolasi {{variable}} yang ketat dengan semantik fail loud dan menjaga header permintaan tetap stabil. Harness yang mengacak prompt sistem Anda di antara panggilan secara diam-diam mengubah setiap hit menjadi miss.

Skema alat ikut serta dalam setiap panggilan. Dua puluh server MCP yang terhubung berarti dua puluh set skema dalam prompt, selamanya, apakah tugas menyentuhnya atau tidak. Putuskan sambungan apa yang tidak diperlukan oleh tugas ini sebelum Anda melakukan benchmark, atau Anda mengukur konfigurasi MCP Anda daripada harness Anda.

Hasil alat yang terlalu besar meracuni konteks. Satu cat dari file 3.000 baris, atau test runner verbose yang membuang stack trace lengkap, akan berada dalam percakapan selama sisa proses. Harness memiliki pendamping pemangkasan hasil opsional yang menulis ulang hasil alat yang terlalu besar sebelum diringkas. Itu layak untuk diaktifkan.

Coba ulang tidak terlihat sampai Anda menghitung panggilan. Harness yang mencoba ulang pengujian yang gagal tiga kali menghabiskan biaya tiga kali lipat. Bandingkan kolom jumlah panggilan, bukan hanya total token, atau Anda akan salah mendiagnosis perulangan coba ulang sebagai model yang mahal.

Mengenai biaya, aritmatikanya sederhana setelah Anda memiliki jumlah token. Dengan tarif Atlas Cloud untuk DeepSeek V4 Flash, tugas 692.000 token yang lebih berbobot ke input akan menghasilkan biaya sen dolar tunggal yang rendah. Itulah kabar baik tentang seluruh kategori ini: modelnya cukup murah sehingga pemborosan harness adalah masalah efisiensi daripada keadaan darurat anggaran. Itu hanya menjadi angka nyata ketika Anda mengalikannya dengan sebuah tim, yang berjalan sepanjang hari, setiap hari. Jelajahi katalog model lengkap jika Anda ingin menjalankan pengujian yang sama terhadap model kedua dan memisahkan efek model dari efek harness.

Satu peringatan yang harus membentuk keputusan Anda lebih dari angka token mana pun: DeepSeek Harness secara eksplisit dalam developer preview dan README-nya sendiri memperingatkan dengan huruf kapital bahwa akan ada perubahan yang merusak kompatibilitas. Itu adalah hal yang baik untuk dijadikan benchmark dan hal yang berisiko untuk distandarisasi oleh tim bulan ini. OpenCode adalah pilihan yang membosankan, dan membosankan adalah fitur ketika ia berjalan di repositori produksi Anda.

Pertanyaan yang Sering Diajukan

Apakah DeepSeek Harness lebih baik dari OpenCode?

Belum, bagi kebanyakan orang. OpenCode sudah matang, berbasis terminal asli, memiliki sekitar 198k bintang dan katalog penyedia yang besar, dan berfungsi saat ini. DeepSeek Harness baru berusia dua minggu, dalam developer preview, dan memperingatkan tentang perubahan yang merusak. Harness lebih menarik secara arsitektural, karena setiap komponen termasuk perulangan agen adalah plugin yang dapat diganti. Jika Anda ingin menulis ulang internal agen, Harness dibuat untuk itu. Jika Anda ingin mengirimkan kode minggu ini, gunakan OpenCode.

Apakah DeepSeek Harness hanya bekerja dengan model DeepSeek?

Tidak. Ini tidak bergantung pada model. Ia menyertakan penyedia katalog untuk DeepSeek, Anthropic, OpenAI, Bedrock, Vertex, Azure, dan Codex, dan Anda dapat menambahkan penyedia kustom apa pun yang menggunakan openai-completions, openai-responses, atau anthropic-messages dengan menambahkan blok ke $DSH_HOME/settings.yaml. Konfigurasi di Langkah 1 mengarahkannya ke endpoint pihak ketiga yang kompatibel dengan OpenAI tanpa kode adaptor.

Bagaimana cara memeriksa penggunaan token DeepSeek Harness?

Gunakan meter token bawaan, yang terpasang secara bawaan dan mengekspos proyeksi tokenUsage, contextPressure, dan contextBreakdown, terlihat di tampilan Trajectory. Perhatikan bahwa ia memperkirakan dengan heuristik tetap sekitar satu token per empat karakter, bukan menjalankan tokenizer sungguhan. Untuk akurasi penagihan, baca dasbor penggunaan penyedia Anda, idealnya dengan kunci API khusus per proses. Plugin komunitas seperti dasbor penggunaan token menambahkan catatan persisten per sesi di atasnya.

Harness mana yang menggunakan lebih sedikit token, DeepSeek Harness atau OpenCode?

Belum ada perbandingan head-to-head yang diterbitkan. Benchmark 8 harness pada DeepSeek V4 Flash mengukur OpenCode pada rata-rata 692.000 token per tugas, tetapi benchmark itu berjalan dua hari sebelum DeepSeek Harness dirilis, jadi Harness tidak disertakan. Siapa pun yang mengutip angka Harness dari benchmark itu mengutip sesuatu yang tidak ada. Jalankan pengujian Langkah 2 hingga Langkah 4 di repositori Anda sendiri, karena penggunaan token sangat bergantung pada ukuran codebase Anda, konfigurasi MCP, dan bentuk tugas Anda.

Bisakah saya menjalankan DeepSeek Harness dan OpenCode terhadap kunci API yang sama?

Ya, dan untuk pengujian biasa itu tidak masalah. Untuk pengukuran yang bersih, gunakan dua kunci terpisah, satu per harness. Kemudian dasbor penggunaan penyedia Anda mengaitkan setiap token ke proses yang benar secara otomatis dan Anda tidak perlu merekonsiliasi dua estimator internal yang berbeda terhadap satu faktur.

Apa perbedaan antara agen dan harness?

Framing DeepSeek sendiri adalah Agen = Model + Harness. Model melakukan penalaran. Harness adalah segala sesuatu yang menghubungkannya dengan kenyataan: membaca dan menulis file, menjalankan perintah shell, memanggil alat, mengelola sesi, menangani persetujuan, dan menjalankan perulangan yang memutuskan apa yang terjadi selanjutnya. Model yang sama ditambah harness yang berbeda memberi Anda agen yang berbeda secara terukur, itulah inti dari perbandingan ini.