DeepSeek Harness 리뷰: 세 번의 실행 모두 완료되었다고 보고되었지만, 실제로 작동한 페이지는 단 하나였습니다.

154,302개의 별표. 제가 읽은 모든 리뷰는 세 가지 같은 이야기를 했습니다: 모든 것이 플러그인이다, 세션 로그는 추가 전용이다, 그리고 개발자 프리뷰다.

그중 어느 것도 디스크를 얼마나 먹는지 말해주지 않았습니다. 또는 유휴 세션이 차지하는 RAM. 또는 DeepSeek 자체 엔드포인트가 아닌 곳을 가리키면 어떻게 되는지.

그래서 설치하고 하나의 작업을 세 번 수행했습니다: 단일 독립 HTML 파일로 라이브 ISS 추적기 만들기. 세 가지 다른 공급자 구성, 같은 프롬프트, 같은 모델. 모두 완료되었습니다. 모두 "완료"를 자신 있게 출력했으며, 검증했다고 주장하는 항목 목록도 있었습니다.

그런 다음 세 페이지를 브라우저에서 열었습니다. 두 개는 고장 나 있었습니다.

핵심 요점

• npm install @deepseek-ai/dsh는 macOS에서 531개의 패키지와 306MB를 가져왔습니다. 1.5GB는 아니지만 작지도 않으며, dsh 패키지 자체는 그중 172KB입니다.
• dsh 웹 서버는 라이브 세션이 열린 상태에서 유휴 상태일 때 35~40MB RSS를 유지했으며, 부팅 시 약 212MB까지 치솟았다가 안정화되었습니다. 사람들이 인용하는 500MB 수치는 서버 프로세스가 아닙니다.
• Trajectory 보기는 이번 릴리스의 진짜입니다. 디스크에 있는 일반 추가 전용 JSONL 이벤트 스트림이며, 구성 문제를 몇 시간이 아닌 몇 분 만에 진단할 수 있게 해주었습니다.
• 두 줄의 YAML(compat.thinkingFormat과 실제 maxTokens)이 동일한 작업을 36단계, 422초 실행에서 15단계, 152초 실행으로 바꿨습니다. 두 줄 모두 문서 사이트에 없습니다.
• 모든 실행이 성공을 보고했습니다. 콘솔 오류가 전혀 없는 페이지를 생성한 것은 하나뿐이었습니다. 요약이 아닌 출력을 읽으십시오.
• 개발자 프리뷰이며, README에 대문자로 명시되어 있습니다. 제한된 파일럿, 맞습니다. 프로덕션 제어 평면, 아닙니다.

전체 기사가 한 이미지에 있습니다. 같은 프롬프트, 같은 모델에 하나의 구성 차이만 있는 두 개의 ISS 추적기 페이지입니다. 왼쪽은 제가 튜닝한 실행입니다. 오른쪽은 튜닝하지 않은 실행입니다.

DeepSeek Harness로 만든 두 ISS 추적기 페이지의 나란히 비교. 왼쪽은 망가진 세계 지도와 고정된 "Stale" 배지, 오른쪽은 라이브 마커와 함께 올바르게 렌더링됨

왼쪽: 튜닝된 실행, 152초, 15개의 잘못된 SVG 경로와 "Stale"에 고정된 배지. 오른쪽: 기본 실행, 422초, 콘솔 오류 0개. 둘 다 완료되었다고 보고함.

모든 DeepSeek Harness 리뷰가 같은 세 가지 이야기를 하는 이유

저장소는 8월 13일에 올라갔고 제가 글을 쓰기 시작할 때쯤 154,302개의 별표와 15,960개의 포크를 기록했으며 MIT 라이선스입니다(GitHub, 2026년 8월). 그 속도라면 대부분의 보도는 README를 읽는 것에 불과합니다. 왜냐하면 다른 것을 할 시간이 없었기 때문입니다.

따라서 기존 DeepSeek Harness 리뷰 환경은 세 가지 진영으로 나뉘며, 세 가지 모두 같은 구멍이 있습니다. 소스 감사 글은 플러그인 이음새를 분석하고 벤치마크를 실행하지 않습니다. 데이터 글은 토큰 수를 비교하고 설치 크기와 메모리는 명시적으로 건너뜁니다. 엔터프라이즈 조달 글은 측정된 숫자가 거의 없는 상태에서 평결에 도달합니다.

아무도 설치하지 않고, 작업을 처음부터 끝까지 실행한 다음 결과를 열어보지 않았습니다.

그러는 동안 가장 날카로운 비판은 어떤 리뷰에도 없었습니다. 그것은 출시 스레드의 두 댓글이었으며, 4일 만에 737점과 309개의 댓글을 끌어모았습니다.

DeepSeek Harness 설치 크기와 유휴 메모리 사용량에 대한 두 개의 Hacker News 댓글

이 리뷰가 실제로 확인하려는 두 가지 불만 사항, 출시 스레드에서 그대로 인용.

사용자 Kuyawa: "47mb 다운로드, 빌드 후 1.5gb, wtf?" 그리고 편집에서 "35개의 종속성이 1.4gb를 차지하는데, 무엇을 위한 것인가?" 사용자 eglintondust, CPU 로드에 대한 하위 스레드에서: "메모리 사용량이 확실히 통제 불능입니다. 지금 유휴 세션이 500MB를 먹고 있습니다" (Hacker News, 2026년 8월).

이것이 제가 가장 먼저 확인하고 싶었던 두 숫자입니다. 왜냐하면 이 두 가지가 이 물건이 노트북에 남아 있을지 결정하기 때문입니다. 둘 다 인용문이 암시하는 것보다 더 복잡한 것으로 밝혀졌으며, 그중 하나는 사람들이 가정하는 것과 다른 것을 측정하고 있습니다. 이 모든 것이 이해가 되기 전에 아키텍처 입문서가 필요하다면 다른 기사입니다: DeepSeek Harness가 실제로 무엇인지.

이 DeepSeek Harness 리뷰를 어떻게 설정했는가: 하나의 작업, 하나의 엔드포인트

설정은 의도적으로 지루해서 변수는 작업이 아닌 구성입니다.

작업. 하나의 독립적인 index.html에 라이브 ISS 추적기를 만듭니다. 외부 API, 지도 렌더링, 폴링 루프, 오류 처리가 필요하므로 한 번의 코드 덤프 대신 실제 다단계 도구 루프를 강제합니다. 그리고 결정적으로, 결과를 열고 즉시 작동하는지 확인할 수 있습니다.

모델. deepseek-ai/deepseek-v4-flash-0731, 세 번의 실행 모두 동일한 모델이므로 비교에 모델 차이는 없습니다.

엔드포인트. 이것이 사람들이 놓치는 부분입니다. Harness는 모델을 제공하지 않습니다. OpenAI 호환 기본 URL과 키가 필요하며, 그게 전부입니다. 그리고 그 구성 표면이 제 세 가지 문제의 근원이었습니다. 저는 플랫 DeepSeek 가격과 피크 시간 할증이 없는 호스팅된 OpenAI 호환 엔드포인트에 대해 실행했습니다. 이는 동일한 작업을 반복적으로 실행하고 비용이 실행 간에 비교 가능하기를 원할 때 중요합니다. 호환 가능한 엔드포인트는 모두 동일한 방식으로 작동합니다.

중간 행에 대한 솔직한 참고 사항(나중에 저를 물었기 때문에): 표준 OpenAI {"object":"list","data":[...]} 봉투가 아닌 {"code":200,"msg":"succeed","data":[...]}를 반환합니다. data 배열이 있으므로 관대한 클라이언트는 괜찮지만, 모든 "OpenAI 호환" 엔드포인트가 사양과 바이트 단위로 동일하다고 가정하지 마십시오.

가격은 2026년 8월 18일 V4 Flash 모델 페이지에서 읽었습니다. 현재 DeepSeek 모델에 할인 배지는 없으므로 여기에는 한정된 요금이 없습니다.

1단계: DeepSeek Harness 설치 및 실제 비용 측정

여기부터는 macOS에서 Node 22.19+ 또는 24+로 재현 가능합니다(23.x 지원은 없으며 많은 가이드가 이것을 잘못 알고 있습니다). 저는 Node v24.15.0과 @deepseek-ai/[email protected]을 실행했습니다.

빠른 시작으로 시작합니다. 명령어 하나입니다:

bashCopy
1node -v                        # ^22.19.0 || >=24, 23.x 아님
2npx @deepseek-ai/dsh web       # http://127.0.0.1:3080의 웹 UI
3

1.5GB 주장과 실제로 비교할 수 있는 숫자를 얻으려면 대신 깨끗한 디렉토리에 설치하고 측정합니다:

bashCopy
1mkdir dsh-size && cd dsh-size && npm init -y
2npm install @deepseek-ai/dsh
3du -sh node_modules
4du -sh node_modules/* | sort -h | tail -8      # 무게가 있는 곳
5

제 기계에서 나온 결과입니다:

textCopy
1531개 패키지가 2분 만에 추가됨
2306M    node_modules
3255     node_modules의 최상위 항목
4172K    node_modules/@deepseek-ai/dsh          <- 패키지 자체
5
6 13M    node_modules/@shikijs
7 13M    node_modules/openai
8 14M    node_modules/@google/genai
9 17M    node_modules/@img/sharp-libvips-darwin-arm64
10 24M    node_modules/@mistralai/mistralai
11 26M    node_modules/node-pty
12 27M    node_modules/@deepseek-ai
13 34M    node_modules/@opentelemetry
14

따라서: 306MB, 1.5GB가 아닙니다. 해당 Hacker News 댓글의 1.5GB 수치는 전체 소스 빌드로, 전체 모노레포에 걸쳐 개발 종속성과 빌드 출력을 끌어옵니다. 런타임 설치는 그것의 5분의 1입니다.

그렇긴 하지만, 코딩 에이전트에 306MB는 여전히 많으며, 분석은 사람들이 왜 짜증내는지 정확히 설명합니다. 절대 호출하지 않을 세 가지 공급업체 SDK(openai, @google/genai, @mistralai/mistralai가 함께 51MB), 전체 OpenTelemetry 트리, 네이티브 sharp 바이너리, 구문 하이라이터를 설치하고 있습니다. "모든 것이 플러그인"에는 배송 비용이 따르며, 현재는 해당 경로를 사용하든 말든 모든 비용을 선불로 지불합니다.

유휴 메모리의 경우 웹 프로필을 부팅하고, 세션을 열고, 그대로 두고 RSS를 읽습니다:

bashCopy
1npx @deepseek-ai/dsh web --port 3099
2# 그런 다음 다른 셸에서:
3ps -o pid,rss,command -p $(pgrep -f "dsh web")
4

라이브 세션이 열려 있고 실행 중인 작업이 없는 상태에서 1분 간격으로 5분 동안 샘플링:

textCopy
1t+0s     101.8 MB     (세션이 열린 직후)
2t+60s     37.0 MB
3t+120s    39.8 MB
4t+180s    38.8 MB
5t+240s    35.8 MB
6t+300s    35.0 MB
7

부팅 중 약 212MB를 만졌고, UI가 연결되면서 102MB로 안정화된 다음 가비지 컬렉터가 **3540MB** 대역으로 낮추고 그대로 유지되었습니다. 그것은 "통제 불능"이 아닙니다.

그러나 eglintondust가 반드시 틀린 것은 아니며, 이것이 이해할 가치가 있는 부분입니다: dsh 웹 프로필은 로컬 서버와 브라우저 탭입니다. 35MB는 서버입니다. UI는 브라우저의 전체 웹 앱이며, 해당 메모리는 dsh가 아닌 Chrome에 청구됩니다. Activity Monitor에서 500MB 유휴 세션을 보고 있다면 버그를 신고하기 전에 어떤 프로세스에 귀속되는지 확인하십시오. 전체 설치 세부 정보는 10분 설치 안내서에 있습니다.

DeepSeek Harness 설치 공간 및 유휴 메모리 측정값을 보여주는 실제 터미널 출력

실제 측정값, 명령어가 표시됨. 설치 시 306MB, 유휴 시 35MB.

2단계: DeepSeek Harness를 자체 엔드포인트로 지정

UI에서는 Settings -> Models -> Add a custom provider입니다: 공급자 ID, 기본 URL, 프로토콜, 키, 모델 목록. $DSH_HOME/settings.yaml(기본값 ~/.dsh/settings.yaml)에 직접 작성할 수도 있으며, 저는 파일 버전이 실행 간에 diff할 수 있기 때문에 그렇게 했습니다.

해당 파일의 섹션은 플러그인 ID로 키가 지정되며, 처음에는 명확하지 않습니다. 공급자 dict는 llm-pi-ai에 속하며, 기본 모델 선택은 agent-default-model에 속합니다:

yamlCopy
1llm-pi-ai:
2  providers:
3    atlas:
4      displayName: Atlas Cloud
5      api: openai-completions
6      baseURL: https://api.atlascloud.ai/v1
7      apiKeyEnv: ATLAS_API_KEY
8      models:
9        - id: deepseek-ai/deepseek-v4-flash-0731
10
11agent-default-model:
12  provider: atlas
13  model: deepseek-ai/deepseek-v4-flash-0731
14

이것이 기본 구성이며, 제가 시작한 구성입니다. 작동합니다. Atlas 콘솔에서 키를 가져오고, export ATLAS_API_KEY=...를 실행하면 실행이 진행됩니다. apiKeyEnv는 참조이며 비밀이 아니므로 키가 이 파일에 저장되지 않습니다.

UI에서 놓치기 쉽고 진정으로 좋은 한 가지 세부 정보: 키가 환경에서 제공될 때 API 키 필드는 Provided by the launch environment (read-only)로 렌더링됩니다. 공급자 옆의 녹색 점은 경로가 확인되었음을 의미합니다. 내장 DeepSeek 공급자 옆의 빨간 점은 자격 증명이 없음을 의미합니다. 이것은 찾으러 갈 필요가 없는 2초 건강 검진입니다.

그러나 이 구성에 대해 조용히 잘못된 두 가지가 있으며, 4단계까지 궤적을 비교할 때까지 알지 못했습니다. 그 생각은 4단계까지 보류하십시오.

DeepSeek Harness 설정 모델 페이지. Atlas Cloud라는 사용자 정의 OpenAI 호환 공급자가 녹색 상태 점과 함께 표시되고, API 키는 실행 환경에서 읽기 전용으로 제공됨

설정, 모델, 사용자 정의 공급자. 녹색 점은 경로가 확인되었음을 의미합니다. 위의 내장 DeepSeek 공급자는 키가 없어 빨간색입니다.

3단계: DeepSeek Harness 리뷰의 세 번의 실행, 나란히

매번 같은 프롬프트입니다. 재현하려면 그대로 붙여넣으십시오:

textCopy
1단일 페이지 ISS 추적기를 하나의 독립적인 index.html로 만드세요.
2
3요구 사항:
4- https://api.wheretheiss.at/v1/satellites/25544에서 5초마다 ISS 위치를 가져옵니다.
5- 현재 위도/경도에 마커가 있는 세계 지도와 마지막 60개 위치의 페이딩 트레일을 렌더링합니다.
6- 읽기 쉬운 패널에 고도(km), 속도(km/h), 현재 위도/경도를 표시합니다.
7- 빌드 단계, npm install, API 키가 없습니다. 바닐라 JS + 인라인 CSS만 사용합니다.
8- 페이지를 깨뜨리지 않고 가져오기 실패를 처리합니다: 마지막 알려진 위치를 유지하고 오래된 배지를 표시합니다.
9- 파일을 작성한 다음 완료되었다고 보고합니다.
10

헤드리스로 실행하여 기록을 깨끗하게 유지합니다:

bashCopy
1export DSH_HOME=$PWD/dsh-home
2export ATLAS_API_KEY=<your key>
3dsh --profile headless "<위 프롬프트>"
4

세 가지 구성:

• 실행 A, 튜닝된 것: compat.thinkingFormat: deepseek, contextWindow: 1048576, maxTokens: 131072.
• 실행 B, 2단계의 기본 것: 모델 항목은 id뿐입니다.
• 실행 C, 그럴듯한 실수: A와 동일하지만 maxTokens: 4096, 어댑터 자체 README 예제에서 바로 가져온 숫자입니다.

모두 0으로 종료되었습니다. 모두 index.html을 작성했습니다. 모두 검증을 주장하는 요약을 출력했습니다. 실행 C의 요약은 자체 수리에 대해 자랑하기까지 했습니다: "빌드 중 발견하고 수정한 몇 가지 버그: 트레일 페이드의 정의되지 않은 변수, 잘못된 N/S-E/W 접미사 논리..."

그런 다음 실제 브라우저에서 콘솔을 열고 세 파일을 모두 열고 두 번 폴링되도록 했습니다.

저 표를 다시 읽어보십시오. 가장 빠른 실행과 제가 신중하게 튜닝한 실행 모두 깨진 페이지를 배송했습니다. 느리고, 기본적이며, 가장 비싼 실행만이 유일하게 작동했습니다.

실행 A의 실패가 유익합니다. 원격 측정 패널은 완벽했습니다: 고도 431km, 속도 27,547km/h, 올바른 위도/경도, 실시간 업데이트. 그 아래의 지도는 녹색 덩어리였습니다. 왜냐하면 15개의 대륙 경로 모두가 좌표 없이 외로운 L로 끝났기 때문입니다("... L48.0 624.0 L Z"). 그리고 배지는 "Stale, keeping last position"이라고 표시되었고 "Last update: -"인 반면, 네트워크 탭에는 세 번의 성공적인 가져오기가 있었습니다. 어려운 부분은 맞췄고 보이는 부분은 틀렸습니다.

그 이유는 자체 추론 로그의 12단계에 있습니다. 자체 말로: 맵 빌더가 계속 사용하는 변수를 삭제했고, 알아차렸지만 계속 진행했습니다. 실행 후반에 발생하는 이런 종류의 자체 유발 회귀는 정확히 추가 전용 궤적이 좋은 이유이며, 다음 단계입니다.

실행 C는 더 재미있고 더 나쁩니다. 트레일 페이드 버그와 N/S 접미사 논리를 수정했다고 주장했습니다. 트레일은 정확히 깨진 것입니다(12개의 NaN 원, 트레일이 전혀 렌더링되지 않음). 위도 레이블은 -34.76° S로 읽히며, 이는 이중 부호입니다. 고쳤다고 말한 두 가지 중 어느 것도 고치지 않았으며, node --check로 작업을 확인했는데, 이는 JavaScript 구문을 구문 분석할 뿐 SVG 경로가 합법적인지 알지 못합니다.

세 번째 실행의 ISS 추적기 페이지. NaN 위치의 트레일, 왼쪽 상단에 고정된 마커, 이중 부호 위도 레이블

실행 C, 50초 실행: 예쁘고, 라이브이며, 고쳤다고 주장한 두 곳에서 조용히 깨짐.

이것 중 어느 것도 실제로 Harness 버그가 아닙니다. Harness가 충실히 실행하고 충실히 성공으로 보고한 코딩 에이전트 버그입니다. 이번 릴리스에서 진정으로 저를 감동시킨 한 부분으로 이어집니다.

4단계: 두 줄 수정, 그리고 그것을 찾은 DeepSeek Harness Trajectory 보기

실행 B가 실행 A보다 2.8배 오래 걸리는 것이 이해가 되지 않았습니다. 같은 모델, 같은 작업, 그리고 유일한 차이는 몇 줄의 YAML이었습니다. 그래서 Trajectory로 갔습니다.

공식 설명은 정확하며, 이는 생각보다 드물습니다: "모델이 보는 모든 것은 추가 전용 세션 로그에 기록됩니다: 시스템 프롬프트, 추론, 도구 호출 및 결과, 하위 에이전트 스케줄링, 모든 컨텍스트 주입... Trajectory 보기에서 소스별로 이러한 레코드를 검사할 수 있습니다. 재개, 포크, 검색, 재생 모두 동일한 이벤트 스트림에서 작동합니다" (DeepSeek Harness, 2026년 8월).

마케팅이 아닙니다. 스트림은 실제 파일입니다:

bashCopy
1ls $DSH_HOME/sessions/<workspace>/session-<uuid>/session.jsonl.zstd
2

줄당 하나의 JSON 이벤트, zstd 프레임, 추가 전용. 실행 A는 606개의 이벤트를 생성했습니다. 실행 B는 1,709개를 생성했습니다. UI에서 소스별로 필터링하거나 디코딩된 파일을 grep하면 됩니다. 이벤트 유형은 위 문장이 약속한 것과 정확히 일치합니다: turn/start, step/start, request/header, request/context, assistant/chunk, reasoning-chunks, tool-call-chunks, tool/call, tool/result, step/end, turn/end.

request/header 이벤트가 문제를 해결했습니다. 실제로 전선에 올려진 구성을 기록합니다:

jsoncCopy
1// 실행 A
2{"config":{"provider":"atlas","model":"deepseek-ai/deepseek-v4-flash-0731","maxTokens":131072},
3 "adapterDefaults":{"maxTokens":true}}
4
5// 실행 B
6{"config":{"provider":"atlas","model":"deepseek-ai/deepseek-v4-flash-0731"}}
7

실행 B는 출력 제한을 전혀 보내지 않았으며, 추론은 실행 A의 9개 블록에 6,094자에 비해 33개 블록에 72,420자로 부풀어 올랐습니다. 추가 270초와 추가 44,170개의 출력 토큰이 발생한 곳입니다.

원인은 문서화되어 있지만 문서 사이트에는 없습니다. packages/llm/llm-pi-ai/README.md에 묻혀 있습니다: 생각 방언은 엔드포인트 URL에서 추측됩니다. 유지 관리자의 말에 따르면, compat.thinkingFormat은 "pi-ai가 엔드포인트 URL에서 추측하는 것; 개인 게이트웨이의 URL은 아무 것도 말하지 않으므로, DeepSeek 방언 게이트웨이는 수정 방법 없이 OpenAI 방언으로 말을 걸게 됩니다."

내 엔드포인트는 reasoning_content(DeepSeek 철자)를 반환합니다. 호스트 이름은 그것에 대해 아무 것도 말하지 않습니다. 따라서 실행 B에서 어댑터는 OpenAI 방언으로 대체되었고, 사고 수준을 보낼 수 없었으며, 모델은 36번의 호출 각각에서 자체 기본값으로 추론했습니다. 별도로, id만 선언하는 모델 항목은 경로 폴백 defaultContextWindow: 262144 및 defaultMaxTokens: 32768을 상속하므로, 1,048,576 토큰 모델은 조용히 창의 4분의 3을 잃습니다.

둘 다 두 줄입니다:

yamlCopy
1llm-pi-ai:
2  providers:
3    atlas:
4      api: openai-completions             # compat.*는 이 프로토콜 아래에서만 존재합니다
5      baseURL: https://api.atlascloud.ai/v1
6      apiKeyEnv: ATLAS_API_KEY
7      compat:
8        thinkingFormat: deepseek          # URL에서 추측 중지
9        supportsReasoningEffort: true
10      models:
11        - id: deepseek-ai/deepseek-v4-flash-0731
12          contextWindow: 1048576          # 262,144 폴백 재정의
13          maxTokens: 131072               # 추론에 실제 여유 공간 제공
14

명심해야 할 두 가지 사항. 해결 순서는 모델, 그 다음 경로, 그 다음 설치된 카탈로그 항목, 그 다음 pi-ai의 URL 추측이므로 모델 수준 값이 우선합니다. 그리고 compat.*는 api: openai-completions 아래에서만 존재합니다. 다른 곳에 두면 해결이 완전히 실패합니다. 어댑터는 또한 Bedrock, Vertex, Azure 또는 Codex를 의도적으로 지원하지 않습니다. 왜냐하면 인증에 키, 엔드포인트 및 헤더 이상이 필요하기 때문입니다.

그것을 설정하면 실행 A의 전선 구성이 올바르고, 토큰 청구서가 3.5배 감소하며, 여전히 깨진 지도를 배송합니다. 이것이 이 전체 연습의 정직한 요약입니다: 구성 수정은 실제이며, 청구서를 수정하지만 여전히 직접 수행해야 하는 코드 검토는 수정하지 않습니다.

실제 DeepSeek Harness 실행의 추가 전용 세션 이벤트 스트림, 이벤트 수 및 구성 문제를 드러낸 요청 헤더

실행 A의 궤적 이벤트 스트림: 606개의 이벤트와 누락된 출력 제한을 폭로한 하나.

이 DeepSeek Harness 리뷰의 비용 및 프로덕션 준비 여부

비 trivial 작업의 세 번의 전체 에이전트 실행, 궤적에서 바로, 100만당 $0.14 입력 / $0.28 출력의 고정 요금:

그것에서 뽑아낼 가치가 있는 두 가지. 첫째, 캐시 숫자는 실제이며 엔드포인트가 이를 보고합니다: 세 번의 실행에서 프롬프트 토큰의 93.8%가 캐시 읽기로 반환되었으며, 이것이 에이전트 루프를 저렴하게 만드는 이유입니다. 둘째, 잘못 구성된 실행은 동일한 크기의 작업에 대해 튜닝된 실행보다 3.5배 비용이 많이 들었습니다. 이것이 두 줄의 YAML의 실제 가격입니다.

모든 실행의 첫 번째 호출 모양을 주목하십시오: 에이전트가 아무 것도 하기 전에 약 11,000개의 입력 토큰. 이것은 시스템 프롬프트, 도구 스키마 및 "모든 것이 플러그인"이 암시하는 스킬 카탈로그이며, 새 세션마다 비용을 지불합니다. 이것이 더 얇은 하네스보다 이 하네스에서 캐시 적중률이 더 중요한 이유이며, 작업에 전체 도구 세트가 필요하지 않은 경우 Minimal 모드(bash + 파일 편집기만) 실행을 시도할 가치가 있는 이유입니다.

그래서 프로덕션에 넣을 수 있습니까? 아니요, 프로젝트도 동의합니다. README의 자체 말: "DeepSeek Harness는 현재 개발자 프리뷰 상태이며 빠르게 반복되고 있습니다. 호환성을 깨뜨리는 변경 사항이 있을 것입니다." 웹 UI는 "DeepSeek Harness 0.1은 Harness 개발자를 위한 테스트 상태로 유지됩니다"라는 모달로 열립니다. MIT 라이선스는 원하는 대로 사용할 수 있음을 의미합니다. 구축하는 API가 다음 달에도 존재할 것이라는 의미는 아닙니다.

나머지 위험 목록은 짧고 현실적입니다. 익명 원격 측정 UUID가 있습니다. 플러그인과 MCP 서버는 bash 샌드박스 외부에서 실행되므로 플러그인은 신뢰하기로 선택한 코드입니다. 그리고 이 리뷰가 어렵게 발견했듯이, 비용과 정확성을 제어하는 설정이 가이드가 아닌 패키지 README에 문서화되어 있으므로, 첫 번째 청구서는 오류 메시지가 알려주지 않는 이유로 예상보다 몇 배 더 클 수 있습니다.

DeepSeek Harness 리뷰: 자주 묻는 질문

DeepSeek Harness는 프로덕션 준비가 되었습니까?

아니요. README에 명확히 명시되어 있습니다: "DeepSeek Harness는 현재 개발자 프리뷰 상태이며 빠르게 반복되고 있습니다. 호환성을 깨뜨리는 변경 사항이 있을 것입니다." 웹 UI는 시작 모달에서 이를 반복합니다. 비중요 워크로드에 대한 제한된 파일럿은 오늘날 합리적입니다. 팀이 의존하는 프로덕션 제어 평면은 그렇지 않습니다. 왜냐하면 구축하는 API 표면이 명시적으로 불안정하기 때문입니다.

DeepSeek Harness는 실제로 얼마나 많은 디스크와 메모리를 사용합니까?

macOS에서 npm install @deepseek-ai/dsh는 531개의 패키지와 306MB를 가져왔으며, 그중 dsh 패키지 자체는 172KB입니다. 널리 인용되는 1.5GB는 전체 소스 빌드이며 런타임 설치가 아닙니다. 웹 서버 프로세스는 라이브 세션이 열린 상태에서 유휴 상태일 때 35~40MB RSS를 유지했으며, 부팅 시 약 212MB까지 치솟았다가 안정화되었습니다. UI 자체의 메모리는 dsh가 아닌 브라우저에 청구됩니다.

DeepSeek Harness 실행이 예상보다 훨씬 느리고 비싼 이유는 무엇입니까?

가능성이 가장 높은 원인은 모델 항목이 id 외에는 아무 것도 선언하지 않기 때문입니다. 그러면 경로 폴백 defaultContextWindow: 262144 및 defaultMaxTokens: 32768을 상속하고, 어댑터가 엔드포인트의 호스트 이름에서 추론 방언을 추측하게 합니다. 제 테스트에서 이 조합은 동일한 작업에 대해 15단계 대신 36단계와 3.5배의 토큰 비용을 생성했습니다. compat.thinkingFormat, 실제 contextWindow 및 실제 maxTokens를 설정하십시오.

DeepSeek Harness는 DeepSeek가 아닌 엔드포인트에서 작동합니까?

예, 모든 OpenAI 호환 기본 URL이 작동하며, 대부분의 사람들이 그렇게 실행할 것입니다. 문제는 추론 방언이 URL에서 유추된다는 것입니다. 따라서 중립 호스트 이름의 DeepSeek 방언 게이트웨이는 OpenAI 방언으로 말을 걸게 됩니다. compat.thinkingFormat: deepseek이 수정이며, api: openai-completions 아래에서만 존재합니다. Bedrock, Vertex, Azure 및 Codex는 의도적으로 지원되지 않습니다.

Trajectory 보기가 실제로 유용합니까, 아니면 마케팅입니까?

유용하며, 이번 릴리스에서 가장 강력한 부분입니다. 세션 로그는 소스별로 필터링, 재개, 포크 및 재생할 수 있는 실제 추가 전용 JSONL 파일이며, request/header 이벤트는 전선에 도달한 정확한 구성을 알려주어 문제를 해결했습니다. 모델이 무언가를 _선택한 이유_는 설명하지 않습니다. 모델이 본 것을 기록할 뿐, 결정한 이유는 기록하지 않습니다.

DeepSeek Harness vs Claude Code 또는 OpenCode, 매일 사용하기 좋은 것은 무엇입니까?

오늘날 안정적으로 코드를 작성할 무언가를 원한다면 이것이 아닙니다. 아직 아닙니다. 에이전트 런타임 자체를 변경하려는 경우 Harness를 선택하십시오. 루프, 도구 또는 UI를 교체하는 것이 포크가 아닌 구성이기 때문입니다. 토큰 사용량에 대한 숫자 중심 비교는 DeepSeek Harness vs OpenCode를 참조하고, 확장 레이어에 대해서는 설치할 가치가 있는 플러그인을 참조하십시오.

---

실행은 2026년 8월 18일 macOS, Node v24.15.0, @deepseek-ai/[email protected], 모델 deepseek-ai/deepseek-v4-flash-0731을 Atlas Cloud의 OpenAI 호환 엔드포인트를 통해 제공하여 수행되었습니다. 이 기사의 모든 토큰 수, 벽시계 시간 및 콘솔 오류는 해당 실행의 세션 로그와 브라우저 콘솔에서 가져왔습니다.