DeepSeek 超級代理「對標 Claude Code」？原文一次都沒提到 Claude

11 月 1 日，Bloomberg 在 X 貼文說，DeepSeek 推出一個更自主的程式代理原型，想挑戰 Anthropic 的 Claude Code；Polymarket 說它「設計來對標 Claude Code」。同時 X 上流傳一個數字：完成時間從 29.5 分鐘降到 15.7 分鐘。

我們讀完 DeepSeek Harness 團隊當晚發的文章〈Exploring Super-agent Design〉、GitHub 的 README 與文件，逐項查這些說法。先說重點（資料時間：2026 年 11 月 2 日凌晨，台北）：

• 「對標 Claude Code」是媒體的說法。文章全文約 4.5 萬字元，搜尋不到「Claude」，只有兩處提到 Anthropic，是引用它的一篇設計文章；文章沒有拿 Claude Code 當對照。
• 29.5 → 15.7 分鐘是真的，出自文章第七節（第 95 百分位，作者自己的實驗）；但作者寫明：寫程式的部分是「用一個只會消耗時間的工具模擬」，結果「只供參考」。
• 對照組是單一 session 加 subagent 工具。中性提示詞下，五次裡模型一次都沒叫 subagent；要它多委派之後，中位數 13.8 分鐘，對 Super-agent 的 12.4 分鐘。Super-agent 的快取讀取量約是對照組的 2.2 到 3.8 倍（我們的算式）。
• README 寫：研究原型，不是 DeepSeek 官方產品。公開版與內部版不同、文章裡有些設計尚未實作。文件寫預設只記錄、不主動接工作；但 worker 以你的系統帳號執行、權限是 danger-full-access、目錄不是安全邊界。
• 真實專案的成功率與費用，我們沒找到公開數字。

誰在什麼時候說了什麼

程式庫先上線，媒體貼文在文章之前，文章在隔天晚上才發。時間都是台北時間：

Bloomberg 的文章全文我們讀不到（網站擋機器人驗證，沒有繞過），所以這裡只引用它的 X 貼文與標題〈DeepSeek Drops Enhanced Coding Agent With Aim to Rival Anthropic〉。Bloomberg 與 Polymarket 的貼文都比 DeepSeek 的文章早發（Bloomberg 約早 7 小時、Polymarket 早 26 分鐘），所以「對標」的框架不是從文章來的。

文章裡有沒有拿 Claude Code 當對照？

沒有。我們把文章頁面的全部文字（45,442 字元）搜尋一遍：「Claude」0 次、「Codex」0 次、「OpenAI」0 次；「Anthropic」2 次，都在同一段，引用的是 Anthropic 的〈Decoupling the brain from the hands〉。作者說那篇文章的做法類似，差別在目標場景：Anthropic 談的是託管服務與按需沙盒，DeepSeek 要先接日常使用的個人電腦。文章裡 13 張圖都是架構圖、對話示意圖與實驗結果圖，圖例與標題沒有 Claude 字樣（圖內小字我們沒有逐字讀）。

文章開頭也先聲明：「這篇討論的是架構想法，不是介紹 DeepSeek Harness 現有功能」。文章結尾與 README 都寫：這個原型「不是 DeepSeek 官方產品」。

它是什麼：Router 接人，Worker 做事

作者的出發點是：現在的 coding agent 以單一 session 為基本工作單位，使用者同時跑多件事就得自己切換；他們的經驗是「一個人通常只能同時盯三到五個工作階段」（沒有引用研究，是他們的說法）。所以他們把系統拆成兩層：Router 負責跟人互動與分派，Worker 各自在獨立的環境裡做事。

GitHub 上的原型（README 說明）：它是「一個 GitHub 倉庫用的主動式 coding agent」，監聽 GitHub，選用飛書（Feishu，中國常用的工作聊天軟體）；被允許的人請它做事時，它開一個工作項目、在自己的 agent session 與目錄裡做，並在原本的對話回覆，例如開一個 pull request。倉庫只有一個 commit、沒有貢獻者名單，README 寫這份程式碼「許多工程是由 coding agent 完成」。

「完成時間砍近一半」是怎麼測的

流傳的數字來自文章第七節的實驗：每次約 300 則訊息、其中約 20 則是工作請求，四種設計各跑 5 次，量從工作請求到結果訊息的完成時間。（訊息間隔與工作時長縮為 1/4，模型呼叫時間沒縮。）

X 上的「29.5 降到 15.7」，就是中性提示詞那組的 p95（29.5）對 Super-agent 的 p95（15.7）：(29.5−15.7)÷29.5＝約 47%（我們的算式；p50 是 20.4→12.4，約 39%）。逐項看作者自己寫的但書：

• 寫程式是模擬的。原文：「Coding work was simulated by a tool that simply consumes time, so the experiment measures the system's scheduling and coordination, not its ability to execute individual tasks.」也就是這個實驗量的是調度與協調，不是寫程式的能力；第七節開頭還寫：實驗用合成工作量與簡化環境，結果只供參考（indicative only）。
• 對照組不是 Claude Code。是「單一 session 加 subagent 工具」，用兩種提示詞。
• 中性提示詞下，五次裡模型一次都沒叫 subagent。所有工作在主 session 做，新訊息一直打斷它，p95 到 29.5 分鐘。
• 要它多委派之後，差距小很多。五次中有四次委派，p50 是 13.8 分鐘，對 Super-agent 的 12.4；p95 仍是 29.0，因為有一次模型判斷工作「很小」自己做，拉出長尾。
• 用了比較多的 token。作者寫 Super-agent 是「用 token 換取更短更穩定的完成時間」；快取讀取量約是對照組的 2.2 倍（23.2M÷10.8M）到 3.8 倍（23.2M÷6.1M）。快取讀取量不等於費用，文章沒有給費用。

文件寫了哪些但書

我們讀了 README 與 docs 000、002、003、006 和 SETUP（逐字核對原頁）：

• 研究原型，公開版不等於內部版。README：「Research prototype for reference only, not an official DeepSeek product.」「We have adapted it for publication, so it is not identical to our internal version … Some designs discussed in the article are directions for future development and are not implemented in this prototype.」
• 預設不主動接工作。docs/002：accept mode 預設是 observe，「Inferred candidates are assessed; a positive assessment is recorded as ignore marked "would accept", and nothing is accepted」；被允許的人明確要求時，任何模式都會做。
• 自動合併預設不開。SETUP 問答的預設答案是「No: people merge until the agent's pull requests have been right for a while」；docs/003：沒有設合併帳號時，由人合併。（若設定了合併帳號，預設指令允許對已核准、少於 200 行的 PR 自動合併。）
• 權限很大。docs/006：「Both presets run with `danger-full-access` as the operator's OS user … A worker can execute programs by path and read the operator's home directory. For isolation, use a dedicated OS account containing only the agent's credentials.」docs/003：「These wrappers and directories establish defaults, not a security boundary.」
• 先小範圍。docs/000：「Start narrow. Begin with a short allowed list and with proactive work only recorded.」；SETUP 要求為 agent 建立專用 GitHub 帳號，不用你自己的。

作者自己也把安全列為未解問題（文章第 8.4 節）：「If a server-side intrusion or a prompt injection compromises the Agent Loop, every endpoint device connected to it could be taken over.」這段談的是文章第 5 節的雲端設計（雲端 Agent Loop 加裝置端輕量 daemon），不一定是 GitHub 原型目前的狀況；README 與文件描述的原型是單機執行。

所以呢

• 這個測試能說明：在作者的模擬工作量下，把「接人」和「做事」分開的設計，完成時間比單一 session 加 subagent 工具短，也比較穩定；代價是用了更多 token。
• 這個測試不能說明：寫程式的品質、真實專案的成功率、費用，也不能說明它比 Claude Code（或任何別的 coding agent）好或差。
• 我們沒找到：拿這個原型與 Claude Code 比的測試；真實專案的成功率或費用（README、文章、docs 006、DeepSeek Harness 官網都沒有）。「找不到」不等於不存在。
• 想自己試的人：文件的建議是專用 GitHub 帳號、短白名單、先用 observe 模式；要真正隔離，用專用的作業系統帳號。

另有一個第三方榜單 Zero2Repo 被拿來談「對標」：Gradient 的 貼文寫，DeepSeek V4.1 Flash（1017）搭配 dsh 解出 17 題中的 8 題、OpenCode 7 題、Claude Code 5 題。但那比的是 harness（三種工具跑同一個模型欄位），不是這個 super-agent 原型；榜單頁寫每個設定「只採用一次執行」、共 17 題；Gradient 與 DeepSeek 的關係我們沒查到。

常見問題

DeepSeek 超級代理是 DeepSeek 官方產品嗎？

README 與文章結尾都寫「不是官方產品」。DeepSeek Harness 本身有官網頁面（deepseek.com/en/harness）介紹，是開源 agent harness；那個頁面沒有提到 super-agent。

它真的對標 Claude Code 嗎？

「對標」是 Bloomberg、Polymarket 等媒體與網友的說法。DeepSeek 的文章沒有出現 Claude，也沒有拿 Claude Code 比較。

「完成時間從 29.5 分鐘降到 15.7 分鐘」是什麼意思？

這是文章第七節實驗的第 95 百分位（95% 的任務在這個時間內完成）：對照組是單一 session 加 subagent 工具、中性提示詞；工作量是合成的，寫程式部分用只會消耗時間的工具模擬；作者寫結果只供參考。

想自己安裝要注意什麼？

SETUP 要求 Node.js 22.19+ 或 24+、pnpm、git、tmux、Python、GitHub CLI，以及專用的 GitHub 帳號；文件 006 寫 worker 以你的系統帳號用 danger-full-access 執行，要隔離請用專用的作業系統帳號。以上都是文件的說法。

資料來源

本文資料查詢日為 2026 年 11 月 2 日凌晨（台北）；X 與 GitHub 的數字每小時都會變動。英文引述均為短句並標明出處；X 文章在 X 上標示為機器翻譯版（原文為中文，我們沒找到中文原文），引述以英文版為準。頁面截圖為 AI郵報擷取的公開頁面（黃色標記為 AI郵報標示），版權屬原作者或機構。Bloomberg 全文因網站擋機器人未讀。本文為整理與查證，不是投資或技術採用建議。

• DeepSeek Harness：Exploring Super-agent Design: Towards a More Autonomous Agent System（X 文章，2026/11/1）
• GitHub：deepseek-ai/dsh-superagent-prototype（README、SETUP、docs 000／002／003／006）
• Bloomberg（@business）X 貼文（2026/11/1）
• Polymarket X 貼文（2026/11/1）
• Cointelegraph X 貼文（2026/11/1）
• Leandro von Werra X 貼文（2026/10/31，台北 11/1）
• @kimmonismus X 貼文（2026/11/1）
• Anthropic：Scaling Managed Agents: Decoupling the brain from the hands（2026/4/8）
• DeepSeek Harness 官網
• Zero2Repo 榜單與 Gradient X 貼文（2026/11/1）