DeepSeek open-sources dsh-superagent : le blueprint du Super-agent devient public

Les faits, tels que vérifiés (31 oct.)

• Le dépôt, vérifié directement. deepseek-ai/dsh-superagent-prototype, description « Towards a More Autonomous Agent System », licence MIT, créé le 2026-10-31T09:32:46Z, plus de 1 500 étoiles dans la journée. La première ligne du README cadre tout : prototype de recherche, référence uniquement, pas un produit officiel DeepSeek ; issu du travail quotidien de l'équipe, une grande partie de l'ingénierie réalisée par des agents de code.
• Ce qui tourne réellement. Un agent de code proactif limité à un seul dépôt GitHub, livré comme bundle pour DeepSeek Harness. Il écoute GitHub et, en option, Feishu. Quand une personne autorisée demande un travail, il ouvre un ticket, le traite dans sa propre session et son propre répertoire, et répond dans la conversation d'origine — par exemple par une pull request. Un panneau web met en évidence ce qui nécessite une intervention humaine.
• La philosophie, mot pour mot. « Prendre aussi peu d'attention humaine que possible, et donner autant de valeur que possible. » L'agent n'agit que sur demande ou quand une règle écrite par l'équipe le permet, et ne parle que lorsque quelqu'un doit agir ou peut exploiter un résultat — car un agent capable d'agir pour toute une équipe peut aussi gaspiller l'attention de toute une équipe.
• L'architecture dans l'article (selon le reportage de QbitAI) : un Super-agent à quatre propriétés — continuité (contexte à travers sessions et plateformes), efficacité (workers parallèles), proactivité (exécution spéculative : trouver des bugs, les reproduire et ouvrir des PR de correctif sans qu'on le demande) et persistence (en ligne 24/7 avec auto-récupération). La forme : un Router (reçoit les messages, distribue les tâches, détient le contexte global) qui aiguille vers un pool de sessions Worker ; calcul, état et environnement d'exécution sont séparés, si bien que le cloud continue quand l'appareil passe hors ligne. Un Watchdog — une IA supervisant une IA — détecte pannes, boucles stériles et dérive d'objectif, puis intervient.
• Les entrailles du dépôt confirment la séparation. La session principale exécute dsh-superagent-router avec un jeu d'outils réduit ; les sous-agents workers tournent sur le preset standard de DeepSeek Harness avec les permissions du worker et perdent leurs outils à la fin du ticket. Les workers atteignent GitHub via le gh du compte agent et Feishu via lark-cli ; un mécanisme WorkerSlots réserve la capacité avant de réveiller des workers inactifs.
• Les chiffres, et leur poids. Dans l'environnement simulé de l'article — environ 300 messages, 20 demandes de travail, cinq exécutions par configuration — le Super-agent a complété les tâches avec une médiane de 12,4 minutes et un 95e centile à 15,7, contre 29,5 en p95 pour une baseline traditionnelle à session unique. Une ablation ajoute l'angle coût : retirer le pass-through direct des événements augmente les décisions du Router d'environ 30 % et les tokens lus en cache d'environ 37 %. Ce sont les mesures de DeepSeek sur son propre design, pas un benchmark indépendant.

Vérifié contre le dépôt GitHub (lu directement le 31 octobre 2026) et le reportage de QbitAI sur l'article d'ingénierie de DeepSeek. Aucun déploiement ni reproduction de benchmark n'a été effectué pour cet article ; les temps de complétion sont attribués à leur source.

Contexte : DeepSeek investit dans la couche runtime

Deux mécanismes de l'article pèsent autant que les benchmarks. Handoff par abonnement : une fois qu'un Worker prend en main un fil (par exemple une PR GitHub), il s'abonne directement aux commentaires suivants au lieu de router chaque événement via le Router — l'ablation ci-dessus montre que c'est une feature de coût, pas seulement de latence. Filtrage d'événements à deux niveaux : des règles programmatiques trient d'abord, et seul le reste ambigu part vers le jugement d'un modèle. Les deux relèvent de l'ingénierie du coût en tokens au niveau architectural — le même levier que le prix des entrées en cache, appliqué en code.

L'article décrit aussi une boucle ReAct asynchrone qui continue d'accepter de nouvelles instructions pendant qu'une tâche longue tourne, et note qu'elle est déjà implémentée dans DeepSeek Harness (désactivée par défaut) ; le dépôt atterrit précisément là : dsh-superagent est un bundle Harness. DeepSeek continue d'investir au-dessus de l'API — Harness comme runtime d'agents (notre couverture de l'entrée multimodale), des frameworks tiers qui branchent DeepSeek (la pile Hermes-sur-DeepSeek), et maintenant une référence full-stack assumée pour des agents toujours actifs.

Sur le « dsh dot » des rumeurs : la lecture de QbitAI est que la communauté a d'abord reçu l'architecture et un prototype, sans aucun produit grand public annoncé. À traiter comme un reportage ; et à considérer cette sortie comme le signal qui compte vraiment pour les builders — les décisions de design sont publiques, exécutables et sous licence MIT.

Ce que cela signifie pour les builders

Pour essayer le prototype : l'installation est volontairement assistée par agent — SETUP.md demande à votre agent de code de l'installer et la configurer avec vous, une question courte à la fois. Les documents numérotés (de 000 philosophie à 008 cookbook) se lisent dans l'ordre, pnpm check lance typecheck, tests et build, et la licence MIT autorise toute adaptation. Mettez aussi l'avertissement du README au budget : code de recherche, bugs possibles, style incohérent — relisez avant de le pointer sur quoi que ce soit d'important.

La partie transférable, c'est l'ensemble de motifs, et aucun n'exige le prototype : (1) un Router à petit contexte qui distribue, des sessions Worker costaudes qui travaillent — la discipline de contexte est la discipline de coût ; (2) le filtrage règles-puis-LLM pour que le code bon marché paie l'évident ; (3) l'abonnement direct après handoff pour que le dispatcher cesse de payer des fils qu'il ne possède plus ; (4) une boucle asynchrone pour qu'une tâche de 15 minutes ne rende pas l'agent sourd ; (5) un watchdog pour qu'un agent 24/7 échoue bruyamment au lieu de pourrir en silence. Les cinq tournent sur de simples endpoints DeepSeek compatibles OpenAI — les mêmes familles de modèles couvertes par le guide API DeepSeek et le tableau comparatif.

Trois signaux à surveiller pour la suite : une URL publique pour l'article lui-même, un mouvement vers l'agent grand public rumeur, et la question de savoir si les bundles Harness deviendront un canal de distribution où d'autres équipes publient. Si l'un bouge, cette page reçoit une entrée de mise à jour.

Accès depuis hors de Chine — et l'avertissement habituel

Ce site suit les API de modèles chinois pour les builders internationaux : endpoints officiels, tarifs et statut open source. Le guide API DeepSeek couvre l'endpoint compatible OpenAI et la gamme de modèles derrière cet écosystème ; le tableau comparatif tient l'échelle inter-fournisseurs.

Déclaration d'indépendance : ChinaModelAPI est un site d'information indépendant, non affilié à DeepSeek ni à aucun fournisseur de modèles. Les faits ici proviennent du dépôt officiel (lu directement) et de reportages explicitement attribués ; les chiffres de benchmark sont ceux du fournisseur et non vérifiés ; rien sur cette page n'est une promesse de routage, de disponibilité ou de produit.

Sources primaires

• GitHub — deepseek-ai/dsh-superagent-prototype (MIT, créé le 2026-10-31 ; README, docs 000–008, SETUP.md)
• Reportage QbitAI (量子位), 31 oct. 2026 — l'article d'ingénierie « Exploring Super-agent Design: Towards a More Autonomous Agent System » et les détails de benchmark
• Renvois internes : DeepSeek Harness en entrée multimodale · pile Hermes sur DeepSeek · mise à jour V4.1-Flash-1017 · guide API DeepSeek

FAQ (2026)