
DeepSeek volvió a mover ficha en la carrera de los agentes de código. El 1 de noviembre publicó Super-Agent, un prototipo open source (repo deepseek-ai/dsh-superagent-prototype) que cambia la lógica del juego: en vez de esperar el prompt del desarrollador, escucha las conversaciones grupales del equipo, detecta problemas de código y propone soluciones por iniciativa propia.
La idea: máximo valor, mínima atención humana
El equipo detrás se llama Harness (la división de agentes que DeepSeek armó este año para igualar a las grandes firmas de coding de EE.UU.). Su lema operativo: entregar el máximo valor con la mínima atención humana.
La diferencia con el flujo clásico es real. Hoy el desarrollador describe el problema, pega contexto y recién ahí el asistente escribe o arregla código. Super-Agent apunta un paso atrás en la cadena: meterse en la conversación donde el problema nace, decidir que hay algo que arreglar y ofrecerse antes de que lo llamen.
El contexto competitivo
- Claude Code (Anthropic) ya navega codebases, hace debug, corre tests y abre pull requests.
- Codex (OpenAI) demostró flujos agénticos con tareas paralelas y revisión de código.
- Super-Agent entra al mismo territorio, pero con el ángulo proactivo: monitorear conversaciones en vez de responder preguntas.
Ojo con el matiz: es un prototipo, no una declaración de victoria. DeepSeek no estableció aún qué tan confiable es para trabajo complejo ni si está listo para escala de producción. La señal importante es la dirección: la próxima fase de la competencia es entre agentes que automatizan bloques completos de trabajo, no entre chatbots que escriben respuestas bonitas.
Con dinero fresco para sostener la ofensiva
Según Bloomberg, DeepSeek levantó unos 100 mil millones de yuanes (~US$15.000 millones) en su última ronda previa al IPO, una de las más grandes en la historia de China. Con ese respaldo, la apuesta por los harnesses de agentes no es un experimento de fin de semana.
El punto para equipos DevOps
Si los agentes empiezan a actuar por iniciativa propia dentro de canales de chat del equipo, cambian las reglas de gobernanza: quién autoriza un fix sugerido, cómo se audita lo que el agente leyó y propuso, y dónde está el límite entre “útil” y “invadir la conversación”. Anthropic, OpenAI y DeepSeek empujan todos hacia agentes más autónomos; los procesos de revisión tienen que adaptarse a la misma velocidad.
Fuentes: Bloomberg, The Information, Digital Trends.


