Das Team von DeepSeek Harness veröffentlichte auf seinem Public Account einen technischen Artikel mit dem Titel „Untersuchung des Designs von Super-Agent: Auf dem Weg zu autonomeren Agent-Systemen“, und öffentlichierte das Prototyp-Programm dsh-superagent-prototype (MIT-Lizenz). Die offizielle Seite macht deutlich, dass es sich um ein Forschungsprototyp im ingenieurtechnischen Bereich handelt und kein fertiges Produkt ist. Doch eine Szenario in dem Artikel ist besonders faszinierend – interne laufende Beispiele nehmen an Fehlerreproduktionen und Code-Überprüfungen teil, und selbst wenn niemand in der Gruppe @ es darf, kann das Programm potenzielle Fehler erkennen und die Fehler im Hintergrund wiederholen.
Das blockiert mehrere Aufgaben, es handelt sich um Menschen, nicht um Modelle
Der Hauptagent bis heute arbeitet in Einheiten von einzelnen Sitzungen, wobei die Sitzungen voneinander getrennt sind. Wenn eine Person mehrere Aufgaben gleichzeitig ausführen möchte, muss sie immer wieder Fenster wechseln und den Kontext speichern. Die Teammitglieder haben festgestellt, dass eine Person normalerweise nur 3 bis 5 aktive Sitzungen mitmachen kann. Dadurch entsteht ein Teufelskreis: Der Limit für Einzelaufgaben hängt vom Modell ab, während das Problem bei mehreren Aufgaben in der Aufmerksamkeit des Menschen liegt. Das Superagent muss genau dieses Hindernis überwinden.
Ein Steuerungzentrum, eine Gruppe von „Händen“, die arbeiten
Das Kernstück ist ein doppelte Arbeitsweise: Die im Hintergrund laufenden Router verwalten die Interaktionen und die Aufgabenverteilung, und leichte Modelle reichen aus; für jede Aufgabe gibt es einen isolierten Worker mit Kontext, der mit dem stärksten Modell parallel läuft und nach Abschluss an den Router zurückgegeben wird. Hinzu kommen Ereignissteuerung, getrennte Speicher- und Rechenbereiche und Watchdog-Supervision, wodurch blockierte Aufgaben automatisch erkannt und behoben werden. Bei einem Stresstest von etwa 300 Nachrichten mit 20 Anfragen beträgt die Zeit für P50 12,4 Minuten und für P95 15,7 Minuten; bei der einzelnen Session erreicht P95 29,5 Minuten.
Die Kosten sind noch höher – der V4-Pro kostet etwa 1,32/3,96 US-Dollar pro Million Tokens, was deutlich niedriger ist als bei GPT-5,5 und Opus 5,5. Erst wenn die maximale Konkurrenzbelastung von „menschlicher Aufmerksamkeit“ auf „Systemverbrauch“ umgestellt wird, verlässt der Agent das Chatfenster.