DeepSeek сообщила, что её открытый агентский фреймворк Harness, выпущенный в версии v0.1 13 августа 2026 года, по состоянию на 4 ноября 2026 года достиг 1,54 млн ежедневных активных пользователей, а через официальный API его пользователи потребляют около 92 триллионов токенов в день. В экосистеме накоплено около 35 тысяч сторонних плагинов, которыми пользуются примерно 60% активных пользователей. Компания анонсировала официальный маркетплейс плагинов и токеновые гранты для сторонних разработчиков, представляя Harness как «операционную систему агентской эры» и конкурируя с OpenAI и Anthropic не только ценой моделей. Все ключевые цифры пока являются данными самой DeepSeek без независимой проверки, а сообщество уже зафиксировало у фреймворка перегрузку плагинами, зацикливания и перерасход токенов.

image
image

Что произошло

По данным компании, аудитория Harness росла ускоряющимися темпами: 271 тыс. ежедневных активных пользователей приходилось на неделю, завершившуюся 30 сентября 2026 года, 429 тыс. — на неделю, завершившуюся 7 октября, а 4 ноября DeepSeek зафиксировала уже 1,54 млн. Около 60% этих активных пользователей применяют сторонние плагины, число которых в экосистеме достигло примерно 35 тысяч. Через официальный API суммарный расход составил около 92 триллионов токенов в сутки: это примерно 1,1 млрд токенов в секунду и в среднем около 60 млн токенов на одного активного пользователя в день. Вслед за метриками адопции DeepSeek анонсировала запуск официального маркетплейса плагинов и программу поддержки сторонних разработчиков с токеновыми грантами.

Контекст

Harness — это не отдельная языковая модель, а открытый агентский слой поверх LLM: фреймворк, в котором модель не просто отвечает на промпты, а автономно выполняет задачи, планируя шаги и вызывая инструменты до получения результата. Именно агентский цикл с множеством промежуточных вызовов объясняет, почему нагрузка на инференс измеряется триллионами токенов в сутки и почему автономные задачи требуют на порядки больше вычислений, чем переписка с чат-ботом. Смещается и плоскость конкуренции: вместо чистой ценовой войны DeepSeek строит открытый плагинный экосистемный слой, где сторонние разработчики расширяют возможности агента, а сама компания получает канал дистрибуции и удержания пользователей. Для открытых агентных фреймворков такой сетевой эффект — редкость, поэтому решается не только вопрос цены модели, но и вопрос того, может ли экосистемный слой стать главным оружием против агентских стеков OpenAI и Anthropic.

Почему это важно для индустрии

Для индустрии опубликованные объёмы — публичный индикатор реального масштаба агентной нагрузки на инференс: длинные автономные задачи требуют на порядки больше вычислений, чем чат-боты, и это меняет экономику инференса и практику планирования мощностей для всех, кто запускает агентские workflow. Конкуренция между OpenAI, Anthropic и DeepSeek при этом смещается от цены моделей к богатству экосистемы: DeepSeek делает ставку на открытый плагинный слой с маркетплейсом и грантами, а сам фреймворк превращается в готовый дистрибуционный слой для агентских продуктов, где ценность создают плагины и агентские сценарии, а не тонкие обёртки над LLM. Для стартапов и билдеров это реальное, но ограниченное по времени окно: до запуска официального маркетплейса сторонние плагины остаются прямым путём к многомиллионной аудитории, а после запуска борьба развернётся в топовых категориях — работа с файлами, браузером, данными и RAG-коннекторами. Если траектория сохранится, агентный слой выделится в отдельную конкурентную нишу между моделями и приложениями: DeepSeek попробует закрепиться в роли открытой «ОС агентской эры», а OpenAI и Anthropic, вероятно, ответят собственными экосистемными программами и интеграциями.

Почему это важно для пользователей

Попробовать Harness можно прямо сейчас: фреймворк open-source, поэтому его стоит поставить и самостоятельно замерить, сколько токенов, времени и денег уходит на ваши задачи, не полагаясь на чужие цифры. Агент работает иначе, чем чат-бот: он автономно выполняет задачу, а не просто отвечает на промпт, а тысячи сторонних плагинов заметно расширяют его поведение из коробки — от файловых и дата-инструментов до браузерных сценариев и RAG-коннекторов. Сообщество, однако, уже зафиксировало минусы: при подключении 15 и более плагинов начинается «plugin overload» с зацикливаниями и переполнением контекста, одни и те же задачи обходятся примерно в 20 раз дороже по токенам и в десятки раз дольше по времени по сравнению с OpenCode, а обновления могут терять пользовательскую конфигурацию. Поэтому в продакшн фреймворк стоит выпускать только с ограждениями: белые списки плагинов (заметно меньшие, чем 15), жёсткие лимиты токенов и времени на задачу, детекцию зацикливания, резервную копию конфигурации перед каждым обновлением, проверку апдейтов на RC-версиях и собственные замеры качества вместо слепого доверия релизам.

Что пока неизвестно / ограничения

Все ключевые цифры — 1,54 млн DAU, около 92 триллионов токенов в сутки и в среднем 60 млн токенов на активного пользователя — являются данными самой DeepSeek, растиражированными SCMP, 36Kr и KuCoin без независимого измерения: арифметически они самосогласованы, но методика подсчёта аудитории и токенов не раскрыта. Показатели адопции ничего не доказывают о качестве: объём и охват плагинов — метрики дистрибуции и вовлечённости, а не доказательство превосходства над агентскими решениями OpenAI и Anthropic, и ни один из источников не содержит бенчмарков качества агентов. Не опубликовано, какая доля расхода приходится на решённые задачи, а какая — на повторы, ошибки и зацикливание: 20-кратный перерасход против OpenCode остаётся неофициальным замером сообщества и допускает, что рост потребления отражает неэффективность слоя, а не только сложность задач. Наконец, остаётся открытым вопрос ретенции — удержатся ли пользователи активными дольше одной недели, — а также запустится ли маркетплейс плагинов и грантовая программа в анонсированном виде и на каких правилах проверки плагинов.

Источники

Автор

Look at AI, редакция