Pro-0813 + Harness — 단위는 조합이다

하네스가 도착했다

8월 13일, DeepSeek이 두 가지를 발표했다:

• V4-Pro-0813: Pro 모델의 업데이트
• DeepSeek Harness: 공식 agent 프레임워크

하지만 진짜 뉴스는 조합이었다.

숫자: 12.8 → 62.7

DeepSWE 벤치마크 (DeepSeek 자체 테이블):

동일한 모델. 다른 하네스. 5배 차이.

주의사항: 이 숫자들은 DeepSeek이 자체 측정한 것이다. 독립적인 재현은 아직 없었다.

Harness 철학: Everything is a Plugin

DeepSeek Harness의 핵심 아이디어:

Everything is a plugin, including the loop.

무슨 의미인가?

• Tools: 플러그인
• Memory: 플러그인
• Orchestration loop: 플러그인
• Termination condition: 플러그인

agent의 실행 구조 자체가 모듈화되어 있다.

예시: Loop as Plugin

전통적 agent:

while not done:
    action = model(state)
    state = execute(action)

Harness에서:

loop_plugin.run(model, state, plugins=[tool_a, tool_b, memory])

Loop도 교체 가능하다. Sequential, parallel, tree search 등 다른 loop를 끼워 넣을 수 있다.

Minimal vs Max Effort

Harness는 두 가지 preset을 제공했다:

Minimal

• 기본 tool set
• 단순 sequential loop
• 빠른 응답

Max Effort

• 확장 tool set
• Tree search loop with backtracking
• 검증 단계 포함
• 느리지만 높은 품질

DeepSWE에서 minimal은 ~40점, max effort는 62.7점이었다.

질문의 전환

Hacker News를 포함한 커뮤니티에서 논의 패턴이 바뀌었다. “어떤 모델이 좋은가?”에서 “어떤 모델+하네스 조합이 좋은가?”로 질문이 변했다. 설정 공유와 harness 구성이 새로운 관심사가 되었다.

단위가 바뀌었다. 모델만으로는 불충분했다. 하네스 설정이 결과를 좌우했다.

같은 주: GLM-5.3

같은 주에 GLM-5.3이 출시되었다. Post-training 업데이트만 진행되었고 5.2 base model은 동일했다.

이제 이게 표준 패턴이었다:

• Base model 유지
• Post-training 개선
• 버전 번호 증가

GLM-5.3은 5.2보다 나았지만, 새 pretraining은 아니었다.

Model + Harness = Agent

Pro-0813 출시는 개념적 전환을 확립했다:

이전:

• Agent = Smart Model

이후:

• Agent = Model + Harness
• Harness는 구조, tool, loop를 정의
• 같은 모델이라도 harness에 따라 다른 capability

OpenAI의 hosted multi-agent, DeepSeek의 Harness, 그리고 다양한 오픈소스 프레임워크들이 같은 방향을 가리켰다.

검증과 재현

커뮤니티는 DeepSWE 62.7 점수에 관심을 보이면서도 신중했다. DeepSeek 자체 측정이라는 점, max effort 설정의 정확한 내용, 그리고 독립적 재현 가능성에 대한 질문이 이어졌다. Harness 코드는 오픈소스로 공개되었고, 재현 시도가 시작되었다.

하네스 시대

이제 경쟁은 두 차원이었다:

• 더 나은 모델
• 더 나은 하네스

OpenAI, Anthropic, DeepSeek, 그리고 오픈소스 커뮤니티가 각자의 하네스를 발전시키고 있었다.

“어떤 모델?”은 반쪽 질문이 되었다. 나머지 반쪽은 “어떤 하네스?”였다.