DeepSeek открыла dsh-superagent: в симуляции p95 задач 15,7 мин против 29,5

Команда DeepSeek Harness опубликовала dsh-superagent - исследовательский прототип кодового агента под лицензией MIT. Он привязан к одному репозиторию GitHub, слушает его события и, если подключить, сообщения из Feishu. Каждый разрешенный запрос превращается в отдельную задачу со своей сессией. В собственной симуляции DeepSeek p95 времени выполнения упал с 29,5 до 15,7 минуты, то есть примерно в 1,9 раза.
Как устроен агент
В основе схема Router-Worker. Долгоживущий Router общается с людьми и распределяет работу, а изолированные Worker-сессии занимаются кодом. Router работает на пресете dsh-superagent-router с урезанным набором инструментов, исполнители - на dsh-superagent-worker.
Цепочка такая. GitHub или Feishu порождают события (Trigger). Этап Eval решает, просит ли пачка событий нового дела. Если да, создается Ticket - единица разрешенной работы с неизменяемым Mandate, где записано, на каком основании агент вправе за нее браться. Подписка (Subscription) доставляет последующие комментарии к pull request нужному исполнителю, и повторно упоминать агента не надо. Результат возвращается в исходный разговор, нередко в виде pull request. Отдельная локальная веб-панель показывает только то, что требует человека.
Принцип в README сформулирован прямо: тратить как можно меньше человеческого внимания и приносить как можно больше пользы. На практике агент один раз подтверждает получение, молчит в процессе и пишет снова только с результатом, вопросом или сообщением об ошибке.
Автономность ограничена. Режимов приема задач три, по умолчанию стоит observe: агент лишь записывает, что взял бы в работу. Включить реальную самостоятельность можно через auto, а off отключает ее совсем. Долгие shell-команды через 5 секунд уходят в фон, чтобы Worker продолжал получать сообщения.
Что показала симуляция
DeepSeek гоняла агента на синтетическом потоке из группового чата и CI GitHub: примерно 300 сообщений на прогон, из них около 20 настоящих задач, по 5 прогонов на схему. Super-agent показал медиану 12,4 минуты и p95 15,7 минуты. Базовый вариант, одна сессия с субагентами и нейтральным промптом, дал p95 29,5 минуты. Медиану для него не привели.
У сравнения есть оговорка, о которой лучше знать заранее: в этих пяти прогонах базовый агент ни разу не вызвал субагента. Фактически он работал в одну очередь, так что ускорение измерено против "ничего не распараллелившего" варианта, а не против хорошо настроенного.
Нагрузку на Router проверили отдельно. Когда входящий поток вырос примерно с 1 до 40 сообщений в минуту, средний размер пачки увеличился с 1,0 до 2,8, а задержка на запрос поднялась с 2,5 до 3,9 секунды. Если убрать прямую передачу событий мимо Router, его решений становится на 30% больше, а чтение кеша растет на 37%: с 23,23 млн до 31,77 млн токенов.
Все цифры самоотчетные и известны по пересказам доклада, включая материал ifeng. Тесты шли на синтетических сообщениях и имитации инструментов. Качество самого кода не измеряли, поэтому о том, насколько хорошими получаются pull request, данных нет.
Что нужно для запуска
Это TypeScript-пакет версии 0.1.0, выложенный одним коммитом. Своей модели в нем нет: он использует ту, что задана в профиле Harness. Запускать придется у себя, как отдельный профиль DeepSeek Harness. Понадобятся Node.js 22.19+ или 24+, git 2.32+, Python 3.8+, tmux и GitHub CLI 2.48+.
Мысль о том, что узкое место в многозадачности агентов - внимание человека, а не сама модель, выглядит разумно: по оценке команды, человек активно следит всего за 3-5 сессиями. Но пока это прототип с одним коммитом и проверкой на модельной нагрузке. Прежде чем судить о практической пользе, нужно увидеть прогон на живом репозитории с настоящими pull request.
Источники
Похожие новости
Vercel Labs выпустила UI SDK: 50+ поведений интерфейса для ИИ-агентов
Vercel Labs открыла бета-версию UI SDK под Apache-2.0: набор из 50+ поведений интерфейса, из которых агенты собирают доступные компоненты для React, Vue, Svelte, Solid и Web Components.
llama.cpp и ggml вышли в версии 1.0.0 и перешли на семантическое версионирование
Команда ggml-org выпустила llama.cpp и ggml v1.0.0. Теперь поломки API и ABI будут отмечать повышением мажорной версии, а сборки появятся в Homebrew, Winget, conda-forge и других каналах.
Amplitude оценивает срок выпуска доработок с агентом Wave в 1-2 дня, раньше уходил месяц
Amplitude рассказала, что ее агент Wave на моделях OpenAI сокращает путь от идеи до релиза с примерно месяца до 1-2 дней. В тесте на своей главной странице число сообщений через карточки-подсказки через день выросло на 160% относительно контрольной группы.