L’équipe DeepSeek Harness a publié sur son compte public un article technique intitulé « Exploration de la conception du Super-agent : vers des systèmes d’agents plus autonomes », et a ouvert le prototype dsh-superagent-prototype (conforme au protocole MIT) au open source. L’équipe a clairement indiqué que ce n’est qu’un prototype de recherche orienté ingénierie, et non un produit prêt à l’usage. Cependant, un passage de l’article est très intéressant : des exemples en cours d’exécution internes participent à la reproduction des défauts, les revues de code sont effectuées, et même si personne ne les @ dans le groupe, ils peuvent détecter les bugs potentiels et reproduire les problèmes en arrière-plan.
Le problème avec les multitâches bloquants vient des humains, pas des modèles.
Le agent de pointe actuel se base sur une seule session, les sessions étant indépendantes les unes des autres. Lorsqu’une personne veut faire plusieurs choses en même temps, elle doit alterner constamment les fenêtres et mémoriser le contexte. Les équipes ont observé que l’on ne peut généralement suivre que 3 à 5 sessions actives, ce qui crée un cercle vicieux : la limite du traitement d’une seule tâche dépend du modèle, tandis que le point de blocage pour plusieurs tâches réside dans la concentration de l’individu. C’est précisément ce obstacle que le Super-agent doit surmonter.
Un centre de planification, un groupe de “mains” qui travaillent
Le cœur est un système de division du travail à deux niveaux : les Routers présents en permanence sur le front de ligne gèrent l’interaction et la distribution des tâches, tandis que les modèles légers suffisent ; pour chaque tâche, un Worker isolé dans son contexte est exécuté en parallèle avec les modèles les plus performants, puis restitue les résultats au Router. Avec une gestion d’événements, une séparation entre stockage et calcul et un Watchdog de supervision, les tâches bloquées sont automatiquement détectées et corrigées. Lors du test de charge, environ 300 messages et 20 requêtes sont soumis ; le temps P50 est de 12,4 minutes et le temps P95 de 15,7 minutes, tandis que pour un seul Session, le temps P95 atteint 29,5 minutes.
Coût plus élevé – V4-Pro est d’environ 1,32/3,96 dollars par million de tokens, ce qui est une marge inférieure à celle de GPT-5.5 et Opus 5.5. Ce n’est qu’avec un plafond de concurrence passant de « l’attention humaine » à « la capacité de traitement du système » que l’Agent quitte la fenêtre de conversation.