巨額募資，招兵買馬。
這幾天，DeepSeek 700億元融資的消息尚未冷卻，一條新戰線已悄然鋪開——AI Coding。
DeepSeek連續發佈兩個新崗位：Agent Harness產品經理和研發工程師。
按照招聘資訊，公司正把前沿模型能力轉化為Agent產品，入職者將加入Harness團隊，參與桌面端Agent產品的研發全過程。
“來DeepSeek從零做Code Harness，對標Claude Code。”資深研究員陳德里在社交平台直接寫道。
據悉，DeepSeek正在北京組建新的Harness團隊，內部工作名指向“DeepSeek Code”。
這個方向正踩在大模型商業化最熱的戰場上。
Claude Code年化收入已超25億美元，周活使用者半年翻倍；OpenAI的Codex周活使用者15天內從300萬增至400萬；Google的Antigravity 2.0也直接瞄準同一賽道。
700億融資在手，DeepSeek像是有了“隆中對”，一邊招兵買馬，一邊把戰線推向Code Harness。
1
招兵買馬
圍繞Code Harness，DeepSeek首先在人才上補強。
前Jane Street工程師崔添翼，被招募加入新設的AI Harness團隊。
他畢業於浙大電腦系，多次獲ACM-ICPC金牌；在Jane Street香港和紐約工作9年，覆蓋交易系統和工程研發；後聯合創立TSY Capital，用機器學習做全球股票程序化交易。
這是一位“量化交易老兵”，和多數AI公司傳統模型研究員路徑不同。
他的加入說明，DeepSeek Code需要的不僅是論文作者，更是做過真實系統、知道模型輸出落到執行層會出什麼問題的人。
陳德里也在社交平台確認，新Harness團隊方向明確，“對標Claude Code，做DeepSeek Code Harness”。
招聘的是產品經理和研發工程師，要求參與桌面端Agent產品研發，並把真實任務反饋帶回模型訓練。
另一條線索是徐名宇。前字節Seed成員、論文DeltaFormer第一作者，已加入DeepSeek模型結構組，從事模型結構研發。
他的研究涉及Python程式碼執行、實體跟蹤、狀態空間問題，正好補足Code Agent在多輪任務中保持狀態的能力。
崔添翼對應產品和系統工程，徐名宇對應底層模型能力。兩條線共同指向同一個目標：DeepSeek Code。
官方招聘資訊還明確要求候選人深度使用Claude Code、Codex、Cursor、GitHub Copilot等產品。
顯然，DeepSeek Code需要兩類經驗：一類來自真實系統，處理模型輸出後的執行後果；一類來自模型結構，處理多輪任務中的狀態保持。
2
得失之間
2個多月前，DeepSeek核心人物郭達雅轉投字節，被外界視為一次重要損失。
郭達雅專注程式碼智能和大模型推理，參與過DeepSeek-Coder、V3、R1等項目，在DeepSeek-Coder論文中排第一作者。
今年3月前後，他從DeepSeek離職，加入字節Seed。有報導稱，他看好Agent方向，而當時DeepSeek內部Agent優先順序並不高。
如今手握數百億融資，DeepSeek一邊奮起直追補課Harness Agent，一邊試圖引入更多“郭達雅”充實人才庫。
這場人才攻防戰早已打響。2026年字節跳動獎學金名單中，北京大學博士朱琪豪值得關注。
他在DeepSeek團隊主導開發了DeepSeek-Coder-V1，隨後又出現在V2和DeepSeekMath相關論文中，是程式碼模型和強化學習路線的早期核心人物。
從Coder V1到V2的作者順序變化看，朱琪豪的名字從郭達雅之後移到之前，傳遞出明確訊號：他是DeepSeek系列模型Coding能力的絕對核心。
多模態方面，DeepSeek也有佈局。桌面端Agent需要理解IDE介面、終端報錯、截圖反饋，讀屏能力將變成基礎能力。
潘梓正是多模態業務中公開較多的名字。
輝達高級科學家曾回憶，潘梓正2023年放棄輝達機會，“毫不猶豫”回國加入當時只有幾人的DeepSeek多模態團隊。
他在DeepSeek-VL2、V3、R1等多個項目中發揮關鍵作用。
VL2覆蓋視覺問答、OCR、文件、表格、圖表理解，正好對應桌面端Agent的讀屏、讀報錯、理解介面元素。
只是，DeepSeek多模態近期缺少站到台前的突破，Janus-Pro和VL2的更新已有一段時間。
如果DeepSeek Code真要做桌面端Agent，多模態大機率仍是後續補人的方向。
陳德里去年在烏鎮曾坦言：模型訓練完後參數固定，不能像人在真實世界中自我迭代。要讓AI具備穩定學習演算法，並通過多模態與真實世界建立更多連結。
700億融資到位後，不只是Code Harness，DeepSeek或將進入多線敘事的快速鋪開階段。
3
賽道競速
只看基座模型，DeepSeek已站進第一梯隊，但並非領跑。
V4-Pro在SWE-bench Verified上達到80.6%，接近Claude Opus 4.6；在Vibe Code Bench中成為開源權重模型第一，得分49.9%，是唯一超過40%的開源模型。
強模型和強產品是兩回事。
Claude Code年化收入超25億美元，已從Demo變成直接貢獻收入的產品線。
Claude Code能在開發者程式碼庫中工作，通過終端、IDE、桌面端、Slack使用，改檔案或運行命令前請求授權，已成為項目級助手。
與之競爭的有OpenAI Codex、Google Antigravity 2.0，大廠正把AI Coding從編輯器外掛推向獨立開發環境。
國產模型同樣激烈。Kimi和智譜近期在SWE-Bench Pro上分別跑出58.6%和58.4%，高於DeepSeek的55.4%。
DeepSeek也有強項：V4 Pro在SWE-bench Verified上達到80.6%。Verified版經人工篩選，常用來觀察模型處理真實程式碼問題的穩定性。
隨著DeepSeek Code Harness浮出水面，它將與這兩位國產同行直接競爭AI Coding的使用者心智。
尤其當融資被推到700億元時，DeepSeek站在Code Harness這個岔口。管理層曾向潛在投資者表示，融資後會優先推進突破性AI研究，而不是短期商業化。
DeepSeek自研訓練框架、自建智算叢集和萬卡算力，還開源了3FS分佈式檔案系統，把分散在多台機器上的SSD整合起來，通過RDMA高速傳輸，在180節點叢集裡跑到過6.6TiB/s的聚合讀取吞吐。
更大的背景是國產算力替代被V4推到前台。最新V4已適配華為昇騰AI晶片，華為昇騰950超節點將完整支援V4。
有分析指出，DeepSeek曾與華為、寒武紀合作改寫部分模型程式碼，以適配國產硬體。
因此，DeepSeek Code Agent不只是一個產品，它很可能是把模型能力、國產算力和使用者場景連起來的前沿入口——一端承接V4在國產硬體上的落地，一端進入開發者的生產流程。
2025年初，DeepSeek靠R1證明，一家中國模型公司可以突然改寫全球大模型敘事。
現在輪到Code Harness回答另一個問題：全球最成功的大模型公司之一，能不能在Agent領域再現一次DeepSeek神話？ (21世紀商業評論)