So sánh DeepSeek Harness và Claude Code: Có gì khác biệt giữa cùng một mô hình?

Khi chạy cùng một mô hình Claude Sonnet 5 trên cùng một repository lỗi, Claude Code hoàn thành trong 55,0 giây còn DeepSeek Harness mất 125,4 giây trên Windows sau ba lần yêu cầu phê duyệt quyền hạn, dù cả hai đều tạo ra một bản patch giống hệt nhau từng byte.

Tóm tắt các điểm chính

• DeepSeek Harness lộ ra các thành phần runtime cấp thấp có thể thay thế: model adapter, storage, sandbox và vòng lặp agent, trong khi Claude Code giữ nguyên vòng lặp tích hợp sẵn và chỉ mở rộng workflow xung quanh nó.
• DeepSeek Harness hỗ trợ nhiều nhà cung cấp mô hình hơn (DeepSeek, Anthropic, OpenAI, Bedrock, Vertex, Azure, mô hình cục bộ), trong khi Claude Code chỉ chạy Claude.
• Chi phí lượt chạy Harness khoảng 0,11 USD theo giá niêm yết API của Anthropic, còn Claude Code hiển thị 0,349 USD khi dùng thông tin đăng nhập gói đăng ký, hai con số này không thể so sánh trực tiếp vì đến từ hai hệ thống tính phí khác nhau.
• Sandbox workspace-write của DeepSeek Harness không khởi động được trên Windows trong bài test này, buộc phải cấp quyền danger-full-access ba lần.
• DeepSeek Harness vẫn đang ở giai đoạn developer preview, chưa có bản phát hành ổn định, trong khi Claude Code đã là sản phẩm sản xuất.

DeepSeek Harness là gì?

DeepSeek Harness là một agent harness mã nguồn mở, hiện đang ở giai đoạn developer preview, cung cấp runtime nơi mô hình dùng tool và context, có thể chạy mô hình từ các nhà cung cấp khác ngoài DeepSeek. README của dự án cảnh báo các bản cập nhật có thể phá vỡ cấu hình hiện có.

Vòng lặp agent được triển khai dưới dạng một plugin. Harness dùng Cordis để kết hợp model adapter, tool, session, storage, sandbox và vòng lặp. Cordis cho phép plugin tìm dịch vụ và trao đổi sự kiện, thay đổi phụ thuộc sẽ load hoặc unload plugin, hot reload xóa các listener và job nền cũ.

Profile mặc định hiển thị vòng lặp như một cấu hình, và mục này có thể được thay thế qua cordis.patch.yml, cho thấy bản thân vòng lặp không cố định.

DeepSeek Harness cung cấp bốn chế độ runtime khác nhau:

• Standard: chế độ coding-agent đầy đủ
• PTC/Code: kết hợp nhiều lượt gọi tool trong một chương trình TypeScript
• Minimal: chỉ giữ bash bền vững và str_replace_editor
• Creator: dùng để kiểm tra và test runtime

DeepSeek dùng chế độ Minimal cho các benchmark công bố của họ.

Claude Code là gì?

Claude Code là agent coding và agentic harness độc quyền của Anthropic, dùng cho việc cục bộ hoặc quản lý xuyên suốt terminal, IDE, desktop, web, Slack và CI. CLI khởi động bằng lệnh claude bên trong một thư mục dự án, thư mục đó trở thành phạm vi file mặc định, và session đọc hướng dẫn dự án từ CLAUDE.md. Người dùng có thể mở rộng quyền truy cập file hoặc thêm dịch vụ bên ngoài sau đó.

Anthropic mô tả Claude Code là agentic harness quanh Claude, với một vòng lặp lặp lại gồm context, hành động và xác minh. Người dùng có thể điều hướng nó trong lúc chạy. Claude Code lưu session cục bộ và nén context cũ khi window đầy. CLAUDE.md và auto memory mang các hướng dẫn và chi tiết dự án được chọn xuyên suốt các session. Subagent dùng context window riêng và trả về bản tóm tắt cho session cha.

Claude Code hỗ trợ nhiều cơ chế mở rộng: CLAUDE.md, skill, hook, MCP, subagent, plugin, Agent Teams và Agent SDK, tất cả đều mở rộng workflow xoay quanh vòng lặp tích hợp sẵn, không thay thế nó.

Kiến trúc và mức độ kiểm soát của hai công cụ khác nhau ra sao?

DeepSeek Harness lộ ra các thành phần runtime cấp thấp để có thể thay thế, còn Claude Code giữ nguyên vòng lặp tích hợp sẵn và hỗ trợ mở rộng xung quanh nó.

DeepSeek Harness xem runtime như hạ tầng có thể cấu hình: model adapter, storage, sandbox và vòng lặp đều có thể thay thế qua các mục profile. Claude Code giữ vòng lặp tích hợp sẵn cố định và mở rộng workflow xoay quanh nó. Từ “plugin” cũng mang phạm vi khác nhau ở hai nơi: plugin của Claude Code đóng gói tính năng xung quanh vòng lặp, còn plugin của DeepSeek Harness có thể định nghĩa một phần của chính runtime.

Về hỗ trợ mô hình, DeepSeek Harness hỗ trợ nhiều nhà cung cấp hơn: chạy được DeepSeek, Anthropic, OpenAI, các cloud provider và endpoint cục bộ tương thích. Claude Code chỉ chạy Claude. Nói cách khác, DeepSeek Harness có thể host Claude, nhưng Claude Code không thể host DeepSeek, đây chính là điều cho phép giữ cố định mô hình trong bài test.

Về log session và khả năng truy vết lượt chạy, DeepSeek Harness ghi lại prompt, các lần chèn context, tool call và quyết định phê duyệt trong một luồng sự kiện chỉ thêm (append-only). View trajectory hiển thị nguồn gốc từng bản ghi, hỗ trợ resume, fork, tìm kiếm và replay. Claude Code lưu transcript JSONL, hỗ trợ resume và fork, phát trace OpenTelemetry. Cả hai đều hiển thị lịch sử session, nhưng DeepSeek Harness đưa nhiều đường đi runtime hơn vào UI.

Về môi trường thực thi và quyền hạn, DeepSeek Harness dùng bubblewrap hoặc Landlock trên Linux, Seatbelt trên macOS, và một token giới hạn ACL trên Windows. Nếu sandbox không khởi động được, Harness dừng lệnh đó. Claude Code cung cấp các chế độ quyền hạn cộng quy tắc allow, ask và deny. Preset quyền hạn của DeepSeek Harness gồm read-only, workspace-write và danger-full-access. Claude Code phân tách chỉnh sửa tự động, phê duyệt thủ công, lập kế hoạch và quyền truy cập lệnh theo quy tắc, đồng thời chụp ảnh file trước khi chỉnh sửa để có thể rollback mà không cần Git.

Kết quả thử nghiệm thực tế cho thấy gì?

Để kiểm tra liệu các khác biệt runtime có ảnh hưởng đến việc thực thi hay không, một bug TypeScript một dòng được giao cho cả hai công cụ.

Bug: một thư viện habit-streak TypeScript đo ngày lịch bằng cách làm tròn số mili giây đã trôi qua, khiến một lần hoàn thành lúc 23:50 theo sau bởi một lần lúc 00:10 trông giống cùng một ngày, còn một lần lúc 08:00 theo sau bởi 20:00 ngày hôm sau trông giống một ngày bị bỏ lỡ. Mười bài test cố định lộ ra ba lỗi.

Mỗi bản clone mới đều đã cài đặt dependency trước khi bắt đầu tính giờ. Cả hai agent nhận cùng chỉ dẫn và dùng Claude Sonnet 5. Repository và prompt được cố định, nhưng tool, quyền hạn và hành vi sandbox vẫn đặc thù cho từng sản phẩm. Cấu hình quyền hạn không tương đương: DeepSeek Harness khởi động ở chế độ workspace-write nhưng sandbox Windows không khởi động được, Web UI yêu cầu phê duyệt và phải cấp danger-full-access ba lần. Claude Code dùng accept-edits và chỉ chạy được lệnh test qua bash.

Kết quả: Claude Code báo cáo 55,0 giây, chạy bộ test, tìm ra bug, chỉnh sửa một file nguồn, chạy lại test, mười trên mười bài pass. DeepSeek Harness trên Windows mất 125,4 giây, tìm ra cùng helper daysBetween chưa dùng, thực hiện cùng chỉnh sửa, và chạy thành công bộ test gốc. Hai bản diff giống hệt nhau từng byte. Đường đi phê duyệt và công việc shell lặp lại giải thích phần lớn khoảng cách thời gian.

Sandbox workspace-write của DeepSeek Harness không khởi động được trên Windows, nên Web UI yêu cầu chế độ quyền rộng hơn ba lần. Kết quả này không nói lên điều gì về Harness trên Linux hay macOS. Vì cả hai lượt chạy đều dùng cùng model ID, khoảng cách thời gian không thể đến từ sự khác biệt giữa các dòng mô hình, mà đến từ quyền hạn và đường đi tool khác nhau đã định hình mỗi lượt chạy.

Model ID chung không khiến các request giống hệt nhau: mỗi sản phẩm cung cấp system prompt, mô tả tool, context và quy tắc quyền hạn riêng, bất kỳ yếu tố nào trong số đó đều có thể ảnh hưởng đến phản hồi tiếp theo của mô hình. Thiết lập này kiểm soát tốt hơn biến số dòng mô hình so với một so sánh mô hình DeepSeek với Claude, nhưng không cô lập được mọi biến số. Chỉ có một lượt chạy tính giờ cho mỗi cấu hình, cần chạy lặp lại theo thứ tự ngẫu nhiên trước khi coi thời gian hoặc số lượt tool là một phép đo hiệu năng ổn định.

Chi phí, benchmark và giới hạn bài test khác nhau thế nào?

Một case study Windows duy nhất không thể giải quyết so sánh hiệu năng hay giá cả rộng hơn, nhưng cho thấy vì sao chi tiết benchmark quan trọng.

Điểm số công bố của DeepSeek dùng chế độ Minimal, không phải chế độ Standard dùng trong so sánh này. Các bài test độc lập dùng một harness khác báo cáo kết quả thấp hơn. Kết quả chế độ Minimal không xác lập được hiệu năng chế độ Standard và không đo Claude Code.

DeepSeek Harness không có phí license, nhưng vẫn phát sinh chi phí mô hình và hạ tầng. API của DeepSeek dùng giá theo giờ cao điểm và thấp điểm. Claude Code đã bao gồm trong các gói Claude trả phí. Lượt chạy Harness tốn khoảng 0,11 USD theo giá niêm yết API của Anthropic, còn Claude Code hiển thị 0,349 USD khi dùng thông tin đăng nhập gói đăng ký. Vì hai con số này đến từ hai hệ thống tính phí khác nhau, chúng không phải một so sánh giá trực tiếp.

Các gói cá nhân của Claude niêm yết Pro ở mức 20 USD/tháng và các tầng Max ở mức 100 hoặc 200 USD/tháng, trong khi DeepSeek Harness không có gói đăng ký tương ứng, nhà cung cấp mô hình gửi hóa đơn riêng. Mô hình cục bộ loại bỏ phí API nhưng vẫn dùng tài nguyên tính toán của máy.

Về độ ổn định, Harness vẫn ở trạng thái release candidate trong lúc thử nghiệm. Các đội nên ghim phiên bản package vì cập nhật có thể phá vỡ profile hoặc session đã lưu, trong khi Claude Code đã là sản phẩm sản xuất.

Giới hạn của từng công cụ là gì?

DeepSeek Harness lộ ra nhiều thành phần runtime hơn, nhưng cũng để lại nhiều việc thiết lập và test hơn cho người dùng:

• Dự án vẫn ở giai đoạn developer preview, cập nhật có thể phá vỡ profile hoặc session đã lưu.
• Thông tin đăng nhập nhà cung cấp, model ID và quy tắc endpoint cần cấu hình thủ công.
• Sandbox workspace-write không khởi động được trong case study Windows này, cần ba lần phê duyệt danger-full-access.
• Python SDK hiện tại không có wheel cho Windows.

Claude Code xử lý nhiều quyết định runtime hơn, nhưng ranh giới cố định của nó loại trừ một số thử nghiệm:

• Chỉ chạy mô hình Claude, không có đường dẫn cho các dòng mô hình khác.
• Vòng lặp session tích hợp sẵn không được lộ ra như một thành phần có thể thay thế.
• Yêu cầu quyền truy cập trả phí hoặc credit API tính phí riêng, cả hai đều có giới hạn sử dụng.
• Session dài có thể nén context cũ, nên các quy tắc bền vững nên đặt trong CLAUDE.md.

Nên chọn DeepSeek Harness hay Claude Code?

Tạm gác tên mô hình sang một bên: nhiệm vụ là hoàn thành code ứng dụng, hay là thay đổi chính runtime đang thực hiện công việc?

Nên chọn DeepSeek Harness nếu bản thân runtime là dự án. Phù hợp cho các bài test đa nhà cung cấp, vòng lặp hoặc sandbox tùy chỉnh, và công việc phụ thuộc vào trace thực thi chi tiết. Trạng thái prerelease cũng đồng nghĩa phải tự chịu trách nhiệm cho các thay đổi phiên bản và việc kiểm tra cấu hình.

Nên chọn Claude Code nếu đang làm việc trong một codebase hiện có và muốn agent kiểm tra file, chỉnh sửa code, chạy các kiểm tra của dự án với ít thiết lập runtime hơn. Trong bài test Windows này, Claude Code chạy được bộ test gốc mà không cần ba lần phê duyệt full-access mà Harness yêu cầu.

Dùng cả hai nếu sự phân chia đó phản ánh công việc thực tế: một đội có thể dùng Claude Code cho coding hàng ngày và Harness cho các thử nghiệm về prompt, tool, hoặc vòng lặp agent.

Kết luận

Với công việc ứng dụng thường nhật, nên bắt đầu với Claude Code. Nên bắt đầu với Harness khi việc thay đổi hoặc kiểm tra runtime chính là lý do cho nhiệm vụ đó. Đây là một case study Windows duy nhất với Harness ở giai đoạn prerelease, không phải một xếp hạng vĩnh viễn.