DeepSeek Buka Kode Super-Agent Berlisensi MIT. Klaim Dua Kali Lebih Cepat Baru Diuji di Simulasi

Tim DeepSeek Harness, unit perusahaan AI asal China itu yang menggarap alat agen, merilis kode sumber "Super-agent" di GitHub pada Sabtu (31/10/2026). Repositori bernama dsh-superagent-prototype itu memuat agen koding yang memantau satu repositori GitHub dan, bila diaktifkan, obrolan grup di Feishu, aplikasi kerja milik ByteDance. Lisensinya MIT, sehingga siapa pun boleh memakai, mengubah, dan menjual ulang kodenya.

Rilis itu ditemani artikel teknis berjudul "Super-agent 设计探索：迈向更自主的 Agent 系统" (Eksplorasi Desain Super-agent: Menuju Sistem Agen yang Lebih Otonom) di akun resmi tim tersebut di WeChat. Halaman pertama README sudah memasang rem. Kode ini disebut "prototipe riset untuk referensi, bukan produk resmi DeepSeek", banyak bagian rekayasanya dikerjakan agen koding, dan versinya tidak identik dengan yang dipakai di internal DeepSeek.

Masalahnya Bukan Model, tetapi Perhatian Manusia

Argumen DeepSeek berangkat dari pengamatan sederhana. Menurut ringkasan IT之家 atas artikel tim itu, satu orang biasanya hanya sanggup mengikuti tiga sampai lima sesi agen yang aktif sekaligus. South China Morning Post mengutip kalimat dari makalah yang sama: batas satu tugas ditentukan kemampuan model, sedangkan batas banyak tugas ditentukan perhatian manusia.

Jawaban DeepSeek adalah arsitektur dua lapis. Lapis pertama, Router, berjalan terus-menerus, membaca pesan masuk, lalu memutuskan apakah ada pekerjaan baru. Lapis kedua berisi Worker, sesi agen terpisah yang masing-masing mengerjakan satu tiket di direktorinya sendiri. Hasilnya dikirim balik ke percakapan asal, misalnya berupa pull request. Panel web lokal hanya menampilkan hal yang menunggu keputusan manusia.

Filosofinya ditulis dalam satu kalimat di dokumen 000-philosophy: ambil perhatian manusia sesedikit mungkin, berikan nilai sebanyak mungkin. Agen mengonfirmasi permintaan satu kali, diam selama bekerja, dan baru bicara lagi ketika hasil siap, ketika butuh keputusan, atau ketika gagal. Dokumen itu juga menulis peringatan yang jarang muncul di materi peluncuran produk AI. Agen yang bisa bertindak atas nama satu tim, tulisnya, juga bisa membuang perhatian satu tim.

Bekerja Tanpa Disuruh, dengan Syarat

Bloomberg, lewat laporan Debby Wu, menggambarkan agen ini sebagai penantang Claude Code milik Anthropic yang bisa memantau obrolan grup developer dan menawarkan solusi tanpa dipanggil. SCMP memberi contoh dari makalah DeepSeek: agen melihat laporan bug di grup, mencoba mereproduksi dan memperbaikinya, lalu mengajukan perubahan kode untuk ditinjau. Jika tidak menemukan perbaikan yang layak, agen memilih diam.

Kode yang dirilis lebih hati-hati daripada gambaran itu. Dokumen 002-authorization membagi permintaan menjadi dua. Permintaan eksplisit datang dari orang yang ada di daftar izin dan menyebut agen secara langsung. Pekerjaan inferensial, yakni yang tidak diminta siapa pun, butuh aturan tertulis dari tim dan bergantung pada tiga mode: off, observe, dan auto. Bawaannya observe. Dalam mode ini agen hanya mencatat pekerjaan yang "akan diterima" tanpa mengerjakannya. Tim baru disarankan beralih ke auto setelah memeriksa catatan itu.

Rem lain ada di dokumen penerapan, dan bagian ini sebaiknya dibaca sebelum ada yang memasang agen di laptop kantor. Router dan Worker berjalan dengan profil danger-full-access sebagai pengguna sistem operasi milik operator. Worker menjalankan perintah tanpa persetujuan, bisa mengeksekusi program, dan bisa membaca direktori home operator. DeepSeek sendiri menyarankan akun OS khusus yang hanya berisi kredensial agen bila ingin ada isolasi. Pesan, komentar, dan dokumen yang dikutip diperlakukan sebagai masukan, bukan sumber izin, tetapi risiko injeksi prompt tetap diakui. IT之家 mencatat makalah itu menyebut injeksi prompt, kebocoran kredensial di perangkat, dan izin lintas perangkat sebagai persoalan yang belum tuntas.

Angka Kecepatan dari Beban Sintetis

Klaim performa paling sering dikutip berasal dari eksperimen internal DeepSeek. Menurut IT之家 dan MarkTechPost, tim itu mensimulasikan aliran obrolan grup dan notifikasi CI GitHub berisi sekitar 300 pesan per putaran, dengan sekitar 20 di antaranya permintaan kerja sungguhan. Setiap skema diulang lima kali. Super-agent mencatat waktu penyelesaian tugas p50 12,4 menit dan p95 15,7 menit. Pembandingnya, satu sesi agen dengan subagen dan prompt netral, mencatat p95 29,5 menit.

Selisih itu mendekati dua kali lipat, tetapi konteksnya penting. DeepSeek sendiri, menurut IT之家, menyatakan eksperimen memakai beban sintetis dan lingkungan yang disederhanakan, serta hanya mengukur kemampuan penjadwalan dan koordinasi, bukan kualitas eksekusi tiap tugas. MarkTechPost mencatat satu detail yang menjelaskan besarnya selisih: dengan prompt netral, sistem pembanding tidak memanggil subagen sekali pun dalam lima putaran. Semua angka ini klaim DeepSeek dan belum diuji pihak independen. GEREGET belum dapat membuka artikel WeChat aslinya dan mengandalkan dua ringkasan tersebut.

Skeptisisme juga muncul dari dalam negeri. SCMP mengutip Liu Ming, pengusaha AI di Beijing, yang menulis di Zhihu bahwa tantangan pengembangan perangkat lunak dengan AI saat ini adalah keandalan, bukan menyelesaikan tugas lebih cepat. Riset lain memberi alasan untuk berhati-hati. The Next Web mengingatkan studi CooperBench pada Januari yang menemukan agen koding bekerja lebih buruk sebagai tim: tingkat keberhasilannya rata-rata 30% lebih rendah dibanding saat tiap agen mengerjakan tugas sendirian. Studi itu tidak menguji agen DeepSeek.

Perlombaan yang Sama di Barat

DeepSeek tidak sendirian mengejar ide ini. Menurut The Next Web, GitHub memamerkan aplikasi Copilot di ajang GitHub Universe pada Rabu (28/10/2026) yang menjalankan pekerjaan agen di beberapa repositori dalam sesi paralel. Claude Code dan Codex dari OpenAI, tulis SCMP, juga makin sanggup menangani pekerjaan pengembangan yang kompleks.

Bloomberg melaporkan DeepSeek membentuk tim Harness tahun ini untuk menghadapi alat koding dari laboratorium Amerika Serikat. Pada Agustus perusahaan itu merilis pratinjau aplikasi agennya sendiri, yang kini menangani koding, dokumen, dan lembar kerja. Rilis Super-agent datang ketika DeepSeek menghadapi hambatan di AS. Lembaga federal sipil di sana diminta menghapus DeepSeek pada Oktober, dan menurut Bloomberg perusahaan itu telah menghimpun sekitar US$15 miliar menjelang rencana pencatatan saham.

Di GitHub, minat terlihat cepat. Hingga Senin (2/11/2026) pagi, repositori itu sudah mengumpulkan lebih dari 7.000 bintang dan 700 fork, meski isinya baru satu commit berlabel "feat: add the dsh-superagent research prototype". Pemasangannya tidak ringan. Agen membutuhkan Node.js 22.19 atau 24, pnpm, git 2.32, Python 3.8, tmux, dan GitHub CLI 2.48, serta berjalan sebagai profil khusus di DeepSeek Harness.

Bagi tim developer di Indonesia, nilai rilis ini mungkin lebih terletak pada dokumentasinya daripada kodenya. Sembilan dokumen bernomor itu menjelaskan cara menyaring siapa yang boleh memberi perintah, kapan agen boleh bicara, dan bagaimana pekerjaan proaktif dimulai dari mode mencatat. Itu pertanyaan yang sama yang harus dijawab siapa pun yang ingin memasang agen di Slack atau grup kerja mereka sendiri. Feishu menjadi satu-satunya sumber obrolan yang disediakan, tetapi dokumen 008-cookbook memang ditulis untuk menambah sumber baru.

Ujian berikutnya tidak akan datang dari simulasi 300 pesan. DeepSeek mengatakan instans Super-agent internalnya sudah berjalan, ikut mereproduksi dan memperbaiki masalah, menanggapi tinjauan kode, dan mengembangkan DeepSeek Harness sendiri. Seberapa banyak pull request dari agen itu yang lolos tinjauan manusia belum diungkap.

Catatan / Referensi

• GitHub, deepseek-ai/dsh-superagent-prototype, README dan docs/000–008, diakses 2 Nov 2026: status "research prototype, not an official DeepSeek product", kalimat filosofi, alur Ticket/Router/Worker, mode off/observe/auto, danger-full-access sebagai pengguna OS operator, prasyarat instalasi, lisensi MIT. Data API GitHub: repositori dibuat 31 Okt 2026 09.32 UTC, satu commit, 7.085 bintang dan 712 fork saat diambil. Sumber gambar utama. https://github.com/deepseek-ai/dsh-superagent-prototype
• IT之家, "DeepSeek 提出 Super-agent 架构设计", 31 Okt 2026: judul artikel WeChat tim Harness, batas 3–5 sesi, eksperimen ~300 pesan/~20 permintaan/5 putaran, p50 12,4 dan p95 15,7 menit vs p95 29,5 menit, pernyataan beban sintetis, risiko keamanan, instans internal. https://www.ithome.com/1/020/615.htm
• South China Morning Post, Ben Jiang, "DeepSeek unveils AI 'super agent' in coding race with OpenAI, Anthropic", 1 Nov 2026: kutipan makalah soal perhatian manusia, contoh bug di grup chat, komentar Liu Ming di Zhihu. https://www.scmp.com/tech/article/3372884/deepseek-unveils-ai-super-agent-coding-race-openai-anthropic
• The Next Web, Ana Maria Constantin, "DeepSeek open-sources Super-Agent, a coding agent that reads team chats", 1 Nov 2026: ringkasan laporan Bloomberg (Debby Wu) soal Claude Code, pratinjau aplikasi agen Agustus, perintah penghapusan di lembaga federal AS, dana sekitar US$15 miliar; GitHub Universe; CooperBench. https://thenextweb.com/news/deepseek-super-agent-open-source-coding-agent
• MarkTechPost, Asif Razzaq, "DeepSeek Open-Sources dsh-superagent, a Router-Worker Coding Agent", 1 Nov 2026: subagen tidak dipanggil dalam lima putaran pembanding, angka eksperimen via ifeng. https://www.marktechpost.com/2026/11/01/deepseek-dsh-superagent-router-worker-coding-agent/
• Catatan GEREGET: angka kecepatan adalah klaim DeepSeek dari beban sintetis dan dikutip dari ringkasan pihak ketiga; artikel WeChat aslinya belum dibaca langsung. Laporan Bloomberg dikutip lewat The Next Web, bukan dibaca langsung. Jumlah bintang dan fork berubah terus.