DeepSeek torna o dsh-superagent open source: o blueprint do Super-agent fica público

Os fatos, conforme verificados (31 out)

• O repo, verificado diretamente. deepseek-ai/dsh-superagent-prototype, descrição "Towards a More Autonomous Agent System", licença MIT, criado em 2026-10-31T09:32:46Z, mais de 1.500 estrelas no dia. A primeira linha do README enquadra tudo: protótipo de pesquisa, apenas referência, não um produto oficial da DeepSeek; cresceu do trabalho diário do time, com boa parte da engenharia feita por agentes de código.
• O que realmente roda. Um agente de código proativo restrito a um único repositório GitHub, entregue como bundle do DeepSeek Harness. Ele escuta o GitHub e, opcionalmente, o Feishu. Quando uma pessoa autorizada pede trabalho, ele abre um item de trabalho, executa na própria sessão e diretório de agente e responde na conversa original — por exemplo com um pull request. Um painel web destaca o que exige intervenção humana.
• A filosofia, ao pé da letra. "Tomar a menor atenção humana possível e entregar o maior valor possível." O agente age apenas quando solicitado ou quando uma regra escrita pelo time permite, e fala apenas quando alguém precisa agir ou pode aproveitar um resultado — porque um agente capaz de agir por um time inteiro também pode desperdiçar a atenção de um time inteiro.
• A arquitetura no artigo (conforme o QbitAI): um Super-agent com quatro propriedades — continuidade (contexto entre sessões e plataformas), eficiência (workers paralelos), proatividade (execução especulativa: achar bugs, reproduzi-los e abrir PRs de correção sem ninguém pedir) e persistência (online 24/7 com auto-recuperação). A forma é um Router (recebe mensagens, distribui tarefas, retém o contexto global) despachando para um pool de sessões Worker; computação, estado e ambiente de execução são separados, de modo que a nuvem continua rodando quando o dispositivo fica offline. Um Watchdog — uma IA supervisionando outra IA — detecta falhas, loops inúteis e desvio de objetivo, e intervém.
• As entranhas do repo confirmam a divisão. A sessão principal roda dsh-superagent-router com um conjunto de ferramentas menor; os subagentes worker rodam o preset standard do DeepSeek Harness com as permissões do worker e perdem suas ferramentas no fim do ticket. Os workers alcançam o GitHub via gh da conta do agente e o Feishu via lark-cli; um mecanismo WorkerSlots reserva capacidade antes de acordar workers ociosos.
• Os números, e o peso deles. No ambiente simulado do artigo — cerca de 300 mensagens, 20 pedidos de trabalho, cinco execuções por configuração — o Super-agent completou tarefas com mediana de 12,4 minutos e percentil 95 de 15,7, contra 29,5 p95 de uma linha de base tradicional de sessão única. Uma ablação adiciona o ângulo de custo: remover o pass-through direto de eventos elevou as decisões do Router em cerca de 30% e os tokens lidos em cache em cerca de 37%. São medidas da DeepSeek sobre o próprio design, não um benchmark independente.

Verificado contra o repositório no GitHub (lido diretamente em 31 de outubro de 2026) e o reporte do QbitAI sobre o artigo de engenharia da DeepSeek. Nenhum deploy ou reprodução de benchmark foi feito para este artigo; os tempos de conclusão são atribuídos às suas fontes.

Contexto: a DeepSeek investe na camada de runtime

Dois mecanismos do artigo pesam tanto quanto os benchmarks. Handoff por assinatura: assim que um Worker assume uma thread (por exemplo um PR no GitHub), ele assina diretamente os comentários seguintes em vez de rotear cada evento pelo Router — a ablação acima mostra que é um recurso de custo, não só de latência. Filtragem de eventos em dois níveis: regras de programa peneiram primeiro, e só o restante ambíguo vai ao julgamento de um modelo. Ambos são engenharia de custo em tokens na camada arquitetural — a mesma alavanca do preço de input em cache, aplicada em código.

O artigo também descreve um loop ReAct assíncrono que continua aceitando novas instruções enquanto uma tarefa longa roda, e observa que ele já está implementado no DeepSeek Harness (desativado por padrão); o repo pousa exatamente aí: o dsh-superagent é um bundle do Harness. A DeepSeek segue investindo acima da API — o Harness como runtime de agentes (nossa cobertura do input multimodal), frameworks de terceiros conectando a DeepSeek (a pilha Hermes-sobre-DeepSeek) e agora uma referência full-stack opinativa para agentes sempre ativos.

Sobre o "dsh dot" dos boatos: a leitura do QbitAI é que a comunidade recebeu primeiro a arquitetura e um protótipo, sem nenhum produto de consumo anunciado. Trate como reporte; e trate este lançamento como o sinal que realmente importa para builders — as decisões de design são públicas, executáveis e sob licença MIT.

O que isso significa para builders

Para experimentar o protótipo: o setup é deliberadamente assistido por agente — o SETUP.md pede que seu agente de código o instale e configure com você, uma pergunta curta por vez. Os documentos numerados (de 000 filosofia a 008 cookbook) devem ser lidos em ordem, pnpm check roda typecheck, testes e build, e a licença MIT permite qualquer adaptação. Coloque no orçamento também o aviso do README: código de pesquisa, bugs possíveis, estilo inconsistente — revise antes de apontá-lo para algo que importe.

A parte transferível é o conjunto de padrões, e nenhum deles exige o protótipo: (1) um Router de contexto pequeno que despacha, com sessões Worker robustas trabalhando — disciplina de contexto é disciplina de custo. (2) Filtragem regras-depois-LLM para que o código barato pague pelo óbvio. (3) Assinatura direta após o handoff para o dispatcher parar de pagar por threads que não possui mais. (4) Um loop assíncrono para uma tarefa de 15 minutos não deixar o agente surdo. (5) Um watchdog para um agente 24/7 falhar alto em vez de apodrecer em silêncio. Os cinco rodam em endpoints DeepSeek compatíveis com OpenAI — as mesmas famílias de modelos cobertas pelo guia da API DeepSeek e pela tabela comparativa.

Três sinais para acompanhar: uma URL pública para o próprio artigo, movimento rumo ao agente de consumo boatejado, e se os bundles do Harness virarão um canal de distribuição onde outros times também publiquem. Qualquer um se mover, esta página ganha uma entrada de atualização.

Acesso de fora da China — e o aviso de sempre

Este site rastreia APIs de modelos chineses para builders internacionais: endpoints oficiais, preços e status open source. O guia da API DeepSeek cobre o endpoint compatível com OpenAI e o line-up de modelos por trás deste ecossistema; a tabela comparativa guarda a escada entre fornecedores.

Declaração de independência: o ChinaModelAPI é um site de informação independente, sem afiliação com a DeepSeek ou qualquer fornecedor de modelos. Os fatos aqui vêm do repositório oficial (leitura direta) e de reportes explicitamente atribuídos; os números de benchmark são do fornecedor e não verificados; nada nesta página é promessa de roteamento, disponibilidade ou produto.

Fontes primárias

• GitHub — deepseek-ai/dsh-superagent-prototype (MIT, criado em 2026-10-31; README, docs 000–008, SETUP.md)
• Reporte do QbitAI (量子位), 31 out 2026 — o artigo de engenharia "Exploring Super-agent Design: Towards a More Autonomous Agent System" e os detalhes de benchmark
• Referências internas: DeepSeek Harness com input multimodal · pilha Hermes sobre DeepSeek · atualização V4.1-Flash-1017 · guia da API DeepSeek

FAQ (2026)