Equipe DeepSeek lança protótipo de agente de pesquisa para codificação proativa
Leia mais
TechNode
technode.com

Equipe DeepSeek lança protótipo de agente de pesquisa para codificação proativa

A equipe DeepSeek Harness tornou público o dsh-superagent, um protótipo de pesquisa que aceita solicitações de desenvolvimento via GitHub e, opcionalmente, via Feishu. O agente executa o trabalho em sessões separadas e retorna os resultados, por exemplo, na forma de solicitações de mesclagem (pull requests) no diálogo original.

Este protótipo é configurado em torno de um repositório GitHub e funciona como um pacote para o DeepSeek Harness. Ele transforma solicitações autorizadas em tarefas de trabalho, aloca um diretório de trabalho e uma sessão de agente dedicados para cada tarefa, e fornece um painel web para exibir questões que requerem atenção humana.

O projeto explora as capacidades de agentes de codificação para executar tarefas de longa duração com menor necessidade de coordenação humana. A implementação, que foi publicada, surgiu do fluxo de trabalho diário da equipe e está disponível sob a licença MIT.

Histórias semelhantes

DeepSeek Harness v0.2.2-alpha.2 permite que o agente principal delegue tarefas a ferramentas locais Codex e Claude Code
Leia mais
pandaily.com

DeepSeek Harness v0.2.2-alpha.2 permite que o agente principal delegue tarefas a ferramentas locais Codex e Claude Code

A DeepSeek lançou uma versão preliminar do DeepSeek Harness, seu software de código aberto para agentes, versão v0.2.2-alpha.2, que foi disponibilizada no GitHub em 28 de outubro. A principal novidade é um plugin experimental chamado subagent_oar, que permite ao agente principal delegar uma tarefa autônoma para instalar o Codex CLI ou o Claude Code na mesma máquina.

Anteriormente, o Harness suportava Claude Code e Codex; a atualização v0.1.0-rc.8 em agosto permitia aos usuários instalá-los como pacotes de perfil dentro de seu sistema subagent. No entanto, a nova ferramenta funciona de maneira diferente. Ela fornece ao agente principal um ponto de entrada unificado para distribuição de trabalho: ao chamar subagent_oar, o agente seleciona codex ou claude, e em seguida envia a descrição da tarefa, a solicitação completa e um diretório de trabalho opcional. A ferramenta retorna imediatamente um identificador de tarefa, e ao concluir o trabalho, uma notificação de conclusão traz a resposta final ou uma mensagem de erro de volta para a sessão principal.

As ferramentas externas operam de forma independente. O Codex CLI e o Claude Code mantêm suas próprias configurações, modelos, ferramentas e processo de login, portanto, os usuários devem instalá-los e autorizá-los em cada um, além de garantir que o host do Harness possa encontrá-los. Os parâmetros do provedor podem transmitir o modelo, o nível de raciocínio, os argumentos de inicialização, as variáveis de ambiente e o tempo limite, dependendo do suporte de cada runtime.

A documentação estabelece restrições claras: a conversa principal não é redirecionada, portanto, o pedido deve especificar explicitamente quais arquivos são importantes e o que deve ser retornado. As tarefas são descartáveis, sem possibilidade de perguntas subsequentes, reinício de sessão ou transmissão de progresso em tempo real. Apenas a resposta final ou falha é retornada, e não o raciocínio interno do agente externo ou o histórico de suas ferramentas. Exemplos oficiais permitem o uso de um espaço de trabalho gravável e desativam solicitações de permissão, e o cancelamento de uma tarefa não desfaz as alterações de arquivo que o agente externo já fez.

Outros complementos ajudam os usuários a rastrear o trabalho delegado. Um recurso experimental de solicitação de mudanças pode exibir o status e as diferenças de uma solicitação de mesclagem relacionada para uma sessão rodando em seu próprio diretório de trabalho Git. O plugin de estatísticas do desenvolvedor detalha o uso de contexto, cache, bem como o tempo gasto em modelos e ferramentas, em cada etapa e movimento. A saída de pequenas tarefas em segundo plano agora chega na notificação de conclusão, e o guia de espera do subagent reduz a necessidade de polling repetido.

O lançamento também permite que os usuários atualizem pacotes de plugins de terceiros, com a opção de reverter em caso de falha na atualização em tempo real, e adiciona texto de interface em japonês, espanhol, francês, alemão, russo e português brasileiro. Materiais comunitários anteriores, incluindo testes de configuração multiagente dos criadores do Bilibili, foram criados pelos próprios usuários e não são produtos da DeepSeek.

DeepSeek arrecadou US$ 15 bilhões para intensificar a concorrência contra OpenAI e Anthropic
Leia mais
ventureburn.com

DeepSeek arrecadou US$ 15 bilhões para intensificar a concorrência contra OpenAI e Anthropic

A DeepSeek, que chamou a atenção de Wall Street em 2025 por seu modelo de IA acessível e muito capaz, concluiu uma grande rodada de financiamento para desafiar o crescente domínio da OpenAI e da Anthropic.

Na rodada mais recente, a DeepSeek arrecadou US$ 15 bilhões, o que equivale a aproximadamente 100 bilhões de yuans. O financiamento veio do gigante da indústria de baterias CATL, da Tencent, por trás do WeChat, e de várias outras empresas de tecnologia líderes.

Inicialmente, a empresa sediada em Hangzhou planejava levantar 50 bilhões de yuans. No entanto, a demanda aumentou essa meta para 80 bilhões e depois para cerca de 100 bilhões.

Os novos participantes incluíram o fabricante de automóveis Geely, Legend Capital, Stony Creek Capital, China Fortune-Tech Capital e CPE Asset Management. Entre os investidores antigos, também apareceram IDG Capital, Lux Capital e Silicon 100, que se juntaram à CATL e à Tencent. Relata-se que apenas a CATL adiciona cerca de US$ 1,38 bilhão, o que é aproximadamente o dobro do seu cheque na primeira rodada.

A Dealroom avalia a avaliação preliminar da DeepSeek em cerca de US$ 68,8 bilhões. Relata-se que os fundos foram distribuídos quase uniformemente entre acionistas novos e existentes, o que indica que a fé dos investidores iniciais foi mantida mesmo com um preço significativamente mais alto.

Anteriormente, a DeepSeek fechou a primeira rodada de mais de US$ 6,88 bilhões em junho e abriu a segunda rodada em julho. No total, em seis meses, isso soma cerca de US$ 20,6 bilhões, o que a Dealroom chama de maior financiamento de mercado primário na China este ano.

A maior parte dos fundos arrecadados será destinada à pesquisa de modelos e capacidade computacional. Há também relatos de aumento nos gastos com data centers e modelos de código aberto. Uma reestruturação corporativa está planejada, e, segundo relatos, um IPO no mercado Star Market de Xangai está sendo preparado.

Embora quinze bilhões de dólares seja uma quantia enorme, não nivela as chances. A OpenAI e a Anthropic arrecadaram cada uma mais de US$ 100 bilhões, e a DeepSeek ainda tem significativamente menos recursos. No entanto, ela nunca teve que competir com os laboratórios americanos em termos de valor em dólar, pois sua reputação é baseada na eficiência, provando que modelos fortes não exigem orçamentos infinitos.

A combinação dessa disciplina com capacidades financeiras muito maiores deve preocupar os concorrentes. Além disso, a DeepSeek não está sozinha; relata-se que a Moonshot AI está se aproximando de uma avaliação de US$ 50 bilhões e planeja seu próprio IPO em Hong Kong. A IA chinesa está atraindo fundos em ritmo sem precedentes.

Possivelmente, um financiamento maior levará a um lançamento de produtos mais rápido, e os modelos abertos da DeepSeek podem se tornar mais fortes e mais baratos, criando pressão de preços em todos, incluindo fornecedores americanos. A composição dos investidores também é importante: como a CATL lida com baterias e a Geely com carros, seus investimentos indicam a integração da IA no hardware e na indústria, e não apenas em chatbots. Deve-se notar que este relatório não foi oficialmente confirmado pela DeepSeek.

Em qualquer caso, a mensagem é clara: a DeepSeek deixou de ser um azarão discreto e se tornou um concorrente bem financiado, tornando a corrida em IA muito mais acirrada.

DeepSeek lança código DeepInfer para acelerar e otimizar a execução de modelos de IA
Leia mais
olhardigital.com.br

DeepSeek lança código DeepInfer para acelerar e otimizar a execução de modelos de IA

Na última terça-feira (20), a DeepSeek tornou público o código do DeepInfer, um software projetado para operar seus modelos de inteligência artificial (IA). Esta ferramenta foi criada com o objetivo de melhorar a eficiência do processamento e diminuir o tempo necessário para a geração de respostas.

Com a liberação do código, desenvolvedores e corporações têm a possibilidade de analisar o funcionamento do programa e adaptá-lo a diversos projetos, desde que cumpram os requisitos técnicos e os termos de uso estabelecidos. De acordo com a própria DeepSeek, esta ação visa diminuir o consumo de energia e de recursos computacionais, tornando a operação dos modelos de IA mais eficiente. Contudo, os resultados práticos estarão condicionados às condições de uso e à infraestrutura disponível.

Atualmente, o DeepInfer é compatível especificamente com o modelo DeepSeek-V4.1-Flash. Embora a abertura do código permita que outros desenvolvedores investiguem e utilizem a tecnologia, é importante notar que nem todo o sistema de execução da empresa foi tornado público, pois alguns componentes da infraestrutura permanecem fechados.

Durante sua participação no programa Olhar Digital News, o físico Roberto ‘Pena’ Spinelli, um especialista em Machine Learning, comentou sobre essa novidade. O pesquisador esclareceu a distinção entre disponibilizar um modelo de IA e liberar o software que é responsável por executá-lo. Para explicar essa diferença, ele usou a analogia de um automóvel.

Pena detalhou que simplesmente compartilhar o modelo não equivale a fornecer todas as ferramentas necessárias para operá-lo de forma eficaz. Enquanto o modelo carrega os parâmetros que guiam a criação das respostas, o software de inferência agrupa os mecanismos que possibilitam seu funcionamento. A abertura deste código pode auxiliar desenvolvedores que pretendem implementar suas próprias soluções.

O especialista comparou a situação dizendo: “Antes, eles compartilhavam apenas a planta do motor, que é a inteligência artificial propriamente dita. O que eles estão fazendo agora é entregar o funcionamento do carro inteiro. Todo o software e o mecanismo de como eles executam a inteligência artificial foram liberados para o público”.

Essa comparação ajuda a compreender a diferença entre os dois elementos, mas existe uma ressalva: a disponibilização do DeepInfer não implica que todos os elementos da infraestrutura da DeepSeek estejam acessíveis. Mesmo assim, o acesso ao código possibilita que programadores e pesquisadores estudem as metodologias de execução empregadas pela companhia e avaliem como aplicá-las em outros trabalhos.

A iniciativa também pode beneficiar a estratégia comercial da DeepSeek. Ao compartilhar parte de sua tecnologia, a empresa abre caminhos para que outros desenvolvedores a utilizem, contribuam com melhorias e criem aplicações compatíveis. Essa adoção pode expandir o alcance de sua tecnologia em um mercado altamente competitivo, onde várias empresas competem para oferecer modelos mais acessíveis e eficientes.

Pena acrescentou: “A DeepSeek quer criar um ecossistema para que mais pessoas e empresas passem a utilizar seus produtos”. Ele continuou: “Ao mostrar como montar a estrutura completa, ela incentiva o público a abandonar plataformas pagas mais dispendiosas. É uma forma consistente de se afirmar em um setor extremamente disputado”.

A liberação do DeepInfer sublinha que a competição no campo da IA não se restringe apenas à capacidade dos modelos de gerar respostas, mas também à eficiência exigida para executá-los. Ao compartilhar parte de sua tecnologia, a DeepSeek aumenta as opções de uso do software e fortalece sua posição no setor. O impacto dessa medida dependerá, entre outros fatores, do desempenho alcançado em variados ambientes e da adesão de desenvolvedores e empresas.

Popular