DeepSeek Harness vs Codex vs Claude Code：三款 AI 编程 Harness 深度对比

数据来源：DeepSeek Harness 官方 GitHubOpenAI 官方 changelog、Anthropic Claude Code 官方文档 | 话题：DeepSeek Harness · Codex · Claude Code · AI Agent

DeepSeek Harness（v0.1，2026年8月13日发布，MIT协议）是继 Codex 和 Claude Code 之后第三款由大模型原厂推出的 AI 编程 Agent Harness；三款工具共同指向同一件事——"Model + Harness = Agent"，但底层设计哲学截然不同：Claude Code 是多端一体的"商业精装产品"（终端/桌面/Web/IDE 扩展），通过26个生命周期钩子实现应用层治理，绑定 Anthropic 订阅，适合企业级多规范团队；Codex 同样覆盖多端（ChatGPT 桌面端 Codex Tab + CLI + Cloud，2026年7月9日独立 App 并入 ChatGPT 桌面端），内核级 Seatbelt 沙箱，最多6条并行线程，适合需要最强安全边界的场景；DeepSeek Harness 是"可重组 Agent 运行时"，Cordis 微内核 + 一切皆插件，模型无关（原生支持约40家厂商），会话事件流完整可回放，以接近零成本（V4-Flash 单任务约¥0.2）和极高灵活性吸引开发者，当前为开发者预览版，上手门槛较高；三者定价体系互不重叠，选型关键在于安全边界需求、模型绑定接受度、以及是否需要二次开发插件系统。

三款工具是什么：从同一概念出发走向不同方向

Harness 在 AI 工程领域指"驾驭模型的运行时框架"——负责工具调度、上下文管理、任务拆解、权限控制、错误重试等工程层工作。一句话公式：Model + Harness = Agent。

三款工具都是这个公式的实现，但各自在"哪个部分做深"上做了不同的取舍：

产品	出品方	开源？	主设计核心	发布时间
Claude Code	Anthropic	否	可编程钩子 + 多端一体	2025年底
Codex	OpenAI	否（核心代码）	内核级沙箱 + 多端矩阵	2025年5月（CLI）；2026年2月（桌面端）；2026年7月合并入 ChatGPT 桌面端
DeepSeek Harness	DeepSeek	是（MIT）	Cordis 微内核 + 一切皆插件	2026年8月13日

产品端形态对比

	Claude Code	Codex	DeepSeek Harness
终端 CLI	✅	✅ Codex CLI	✅ dsh CLI
桌面端	✅（macOS / Windows / Linux beta）三 Tab：Chat / Cowork / Code	✅ ChatGPT 桌面端 Codex Tab（macOS / Windows / Linux preview）三 Tab：Chat / Work / Codex	❌（Web UI 为浏览器版，非原生桌面端）
Web 端	✅ claude.ai/code	✅ Codex Cloud（远程并行执行）	✅ Web UI（127.0.0.1:3080 本地）
IDE 扩展	✅ VS Code / JetBrains	✅ VS Code 插件	❌（v0.1 暂无）
Python SDK	❌（有 Agent SDK）	❌	✅ deepseek-harness-sdk

Codex 独立桌面 App 于 2026年7月9日并入 ChatGPT 新桌面端，成为三个 Tab 之一（Chat / Work / Codex），功能完整保留并新增 diff 内联编辑、侧边栏 PR 审查等能力；Linux 版于 2026年8月11日进入预览。Claude Code 桌面端独立分发，桌面端 Code Tab 专为并行多会话设计，含可视化差异审查、实时应用预览、PR 状态监控、计划任务等图形化功能。

架构设计：三种不同的底层哲学

Claude Code：应用层治理，钩子驱动

Claude Code 的核心机制是 26 个生命周期事件钩子——在 Agent 的每个关键操作节点（读文件、写文件、执行命令、生成 PR 等）插入可编程的拦截逻辑。

关键架构特征：

沙箱在应用层实现，与 Agent 共享进程边界
权限控制粒度细：按工具类型单独配置，而非二元允许/拒绝
指令文件：CLAUDE.md，支持项目级、用户级、全局级五层分级
多智能体：通过 Task 工具派生子 Agent，交互式协调
配置格式：JSON + 层级继承

钩子编程的代价：可以写任意代码，但 Agent 可以与钩子在同一进程内互相影响；不适合"绝对不信任模型输出"的场景。

Codex：内核级沙箱，硬边界优先

Codex 的差异化是内核级不可绕过沙箱：

macOS：Apple Seatbelt（操作系统内核层拒绝系统调用，模型进程无法绕过）
Linux：Landlock + seccomp（同样在内核层）

这意味着即使模型"想要"执行某个危险操作，沙箱在系统调用层就已经阻断，不经过应用代码。代价是可编程性受限——只有二元"允许/拒绝"，无法写复杂逻辑。

其他关键特征：

桌面端（ChatGPT 桌面端 Codex Tab）：并行任务管理、diff 内联编辑、侧边栏 PR 审查、Computer Use，由 GPT-5.6 驱动
Codex Cloud：云端远程并行执行，支持从 GitHub PR / Linear Issues / Slack 直接触发任务，最多 6 条并行线程（codex cloud exec）
Codex CLI：本地终端交互，内核沙箱保护，实时编辑自动化
指令文件：AGENTS.md（开放标准，其他 Agent 也在跟进）
默认模型：GPT-5.6-terra / GPT-5.6-luna（GPT-5.4 于 2026年8月31日起在 ChatGPT 登录的 Codex 中停用）
上下文：默认 272K，长上下文模式最高 105 万 token（超限后有 2× 输入费率溢价）

DeepSeek Harness：Cordis 微内核，一切皆插件

DeepSeek Harness 的核心是 Cordis 微内核 + "一切皆插件"架构：

Cordis 只负责插件加载/卸载和依赖关系解析，不包含任何业务逻辑
模型、工具、沙箱策略、会话存储、UI 界面、循环调度——全部作为独立插件挂载
插件间通过服务（Service）和事件（Event）协作，可在配置层自由组合，无需修改源码

这套架构的实际含义：你可以替换 Harness 的任意部分——换掉默认 UI、换掉模型选择逻辑、自定义工具权限策略——而不需要 fork 源码。内测数日社区已产出约 300 个插件。

代价：架构抽象层级高，YAML + 插件树配置有一定上手成本；当前 v0.1 阶段 API 稳定性尚未承诺，会有破坏性变更。

模型绑定：核心选型差异之一

这是三款工具差异最明显的一个维度：

产品	默认模型	第三方模型支持
Claude Code	Sonnet 5 / Opus 5（按订阅档位）	可配置，非官方推荐路径
Codex	GPT-5.6-terra / GPT-5.6-luna（ChatGPT 登录路径）；或 API 直接调用任意 OpenAI 兼容模型	支持，开放兼容端点
DeepSeek Harness	DeepSeek V4 系列（官方默认）	原生支持约 40 家厂商（OpenAI、Anthropic、Google、Kimi 等），设计为模型无关

Claude Code 最深度绑定 Anthropic 生态：订阅方案与模型访问权限直接挂钩，虽然可以通过配置接入其他模型，但体验和支持均以 Claude 系列为核心。

Codex 绑定 OpenAI 生态，ChatGPT 登录路径使用最新 GPT-5.6 系列；CLI 和 API 路径可接入其他兼容端点。

DeepSeek Harness 从设计上就是模型无关的——模型适配本身是一个插件，多模型切换是内置能力，而非配置 hack。

四种运行模式（DeepSeek Harness 独有）

DeepSeek Harness 内置四种预设组合模式，对应不同使用场景：

模式	工具集	适用场景
标准模式（standard）	完整工具集	日常开发任务
极简模式（minimal）	仅 Shell + 文件编辑	基准测试、轻量任务
代码模式（code）	编程专项工具集	纯代码生成/修复
创造模式（cordis）	检查运行时 + 内存试验插件	开发新插件、调试模式组合

极简模式即 DeepSeek V4 Pro 官方测试时使用的框架（DeepSWE 66.9、Terminal-Bench 28.3 等基准均在此模式下跑出）。

沙箱与权限：安全边界对比

维度	Claude Code	Codex	DeepSeek Harness
沙箱层级	应用层钩子	内核级（Seatbelt/Landlock）	插件化策略（可配置）
可绕过性	理论上可（共享进程）	不可（内核拒绝）	取决于所选沙箱插件
权限粒度	高（按工具细粒度）	低（三档二元）	可自定义（插件决定）
审批节点	26 个生命周期事件	危险操作前提示	可配置审批插件
适用场景	企业规范 + 流程编排	不可信代码/外部 PR 审查	自定义安全策略

重要判断：需要审查完全不受信任的代码（如外部 PR、临时工作区）→ Codex 内核沙箱是最强硬边界；需要自定义复杂审批流程 → Claude Code 钩子可编程性最高；需要自行设计沙箱策略 → DeepSeek Harness 插件化给最大自由度。

会话与上下文管理

维度	Claude Code	Codex	DeepSeek Harness
上下文窗口	100 万 token	默认 272K，最高 105 万	取决于所选模型
多轮记忆	会话内持续	会话内持续	完整事件流存储 + 可回放
并行任务	交互式子 Agent；桌面端并行多会话	最多 6 条线程（Cloud）；桌面端多任务侧边栏	取决于调度插件配置
会话可复现性	否（不保留完整事件流）	否	是（保存所有请求/响应/工具调用）

DeepSeek Harness 的完整事件流记录是差异化能力：不仅保存最终消息，还保存每次模型请求的完整上下文、系统提示词、工具定义——可以逐步回放任何历史会话，也可以在某个节点"分叉"执行不同策略，类似版本控制。

定价：三种模式对比

Claude Code

订阅方案（含模型调用量）：

档位	月费	说明
Pro	$20/月（约 ¥144）	含 Claude Code 基础用量
Max 5x	$100/月（约 ¥720）	5 倍 Pro 用量
Max 20x	$200/月（约 ¥1440）	20 倍 Pro 用量
Team Premium	$150/用户/月	企业团队协作

按 Token 计费（API 路径）：

Sonnet 5：输入 $3/M，输出 $15/M（约 ¥21.6/¥108）
Opus 5：输入 $5/M，输出 $25/M（约 ¥36/¥180）

Codex

订阅方案（ChatGPT 登录路径，含模型调用量）：

档位	月费	说明
Free	$0	有限 Codex 用量
Plus	$20/月（约 ¥144）	含 Codex 基础用量
Pro 5x	$100/月（约 ¥720）	—
Pro 20x	$200/月（约 ¥1440）	—

按 Token 计费（API 路径）：

GPT-5.4：输入 $2.5/M，输出 $15/M（约 ¥18/¥108）；2026年8月31日起 ChatGPT 登录路径停用 GPT-5.4，迁移至 GPT-5.6 系列
长上下文溢价（>272K）：输入 2×，输出 1.5×

DeepSeek Harness

工具本身 MIT 开源免费；成本完全来自所选模型的 API 调用费：

场景	模型	单次任务估算成本
极简任务	DeepSeek V4-Flash	~¥0.2
标准编程任务	DeepSeek V4-Pro	~¥1-3
接入海外旗舰模型	Opus 5 / GPT-5.4	与 Claude Code / Codex 直接调用相近

V4-Flash 单任务约 ¥0.2，与海外旗舰模型相差约 57 倍。选 DeepSeek Harness 最大的成本优势来自搭配 DeepSeek 自家模型。

指令文件与配置入口

工具	指令文件名	配置格式	层级
Claude Code	CLAUDE.md	JSON（五层分级）	全局 / 项目 / 目录
Codex	AGENTS.md（开放标准）；桌面端同步从 Claude Code / Cursor 导入配置	TOML + Profile	全局 / 项目
DeepSeek Harness	settings.yaml + 插件配置	YAML	全局（$DSH_HOME）

AGENTS.md 是开放标准：Claude Code、Gemini CLI 等工具也在跟进读取；Codex 桌面端（2026年8月11日更新）更支持从 Claude Code、Cursor 导入历史配置并自动同步，意味着不同工具间的切换成本在降低。

常见问题

Q：DeepSeek Harness 和 Codex、Claude Code 能同时用在同一个项目里吗？

可以。三个工具的配置文件（settings.yaml / AGENTS.md / CLAUDE.md）互不冲突；项目根目录可以同时存放三个文件，各工具只读取自己的格式。Codex 桌面端甚至支持从 Claude Code 导入历史配置（Settings > Import）。部分团队用 Codex 处理不可信 PR 审查（硬沙箱），用 Claude Code 处理日常功能开发（钩子流程），现在可以叠加 DeepSeek Harness 在成本敏感的批量测试场景。

Q：三款工具都说支持多模型，有什么实质区别吗？

区别在于多模型支持的"设计深度"。Claude Code 将多模型视为配置项，官方优化体验只在 Anthropic 自家模型上；Codex 支持 OpenAI 兼容端点，CLI 和 API 路径可切换模型，ChatGPT 登录路径绑定 GPT-5.6 系列；DeepSeek Harness 将模型适配作为插件，从架构层就是模型无关的——官方内置约 40 家厂商适配，多模型切换是一等公民能力，而非 workaround。

Q：Claude Code 的 $20/月和 Codex 的 $20/月，哪个更划算？

订阅包含的额度折算方式不同，直接比价意义有限。关键差异：Claude Code $20 档使用 Sonnet 5，代码任务综合能力更强（SWE-bench Verified Opus 5 接近 96%）；Codex $20 档（ChatGPT Plus）使用 GPT-5.6-terra/luna，Terminal-Bench 表现更好，且含桌面端 Codex Tab 的图形化并行体验。两者溢出部分均需叠加 API 计费，实际月成本取决于任务量。

Q：团队想接入 DeepSeek V4-Pro 同时保留灵活切换其他模型的能力，哪个工具最合适？

DeepSeek Harness 最适合：原生支持多模型，V4-Pro 是默认内置适配，切换其他模型只改 settings.yaml 中的 model 字段；不需要维护多套 API Key 配置。若需要同时管理 DeepSeek 以外的多款国产模型（Kimi、GLM 等），也可以搭配多模型聚合 MaaS 平台（如七牛云 Token Plan，qiniu.com/ai/plan）统一端点，在 Harness 侧只维护一个 baseURL。

Q：DeepSeek Harness v0.1 现在适合上生产吗？

官方明确标注"开发者预览版，将有破坏性变更"，不建议用于生产关键路径。当前适合：评估架构和能力、在测试/沙箱环境集成、基于插件系统做自定义研发。有已知 bug：Bash noop 空循环卡死需手动中断，danger-full-access 沙箱模式建议只在可丢弃的容器里用。

Q：Claude Code 的"应用层钩子"和 Codex 的"内核级沙箱"实际有多大差别？

差别是本质性的：Codex 内核沙箱让操作系统在系统调用层拒绝危险操作，即使模型"想做"也做不到；Claude Code 的钩子在应用进程内，理论上与 Agent 共享进程边界，高度复杂的钩子绕过（如 prompt injection 触发特定工具）在极端情况下不能完全排除。对于普通开发任务，两者在实际使用中的差别基本感知不到；但在需要绝对安全边界的场景（审查不受信任代码、CI/CD 自动化）下，Codex 的内核沙箱提供了更可靠的保证。

选型指引

需求	推荐工具	理由
日常 AI 编程辅助，重视体验	Claude Code	深度钩子 + Opus/Sonnet 系列编程能力 + 多端无缝切换
需要最强安全边界（不信任代码审查）	Codex	内核级沙箱，不可绕过
重视图形化并行任务管理	Codex 桌面端 / Claude Code 桌面端	两者均有图形化多会话；Codex Tab 有 PR 侧边栏；Claude Code 有可视化 diff
成本敏感批量任务（搭配 DeepSeek）	DeepSeek Harness	V4-Flash ~¥0.2/次，MIT 免费
需要二次开发 Agent 框架	DeepSeek Harness	一切皆插件，300+ 社区插件生态
多模型切换为核心需求	DeepSeek Harness	原生 40 家厂商，模型无关设计
企业团队，复杂审批流程	Claude Code	26 个钩子节点，团队级权限分层
需要并行执行多任务	Codex Cloud	最多 6 条并行线程，GitHub/Linear/Slack 直接触发

小结

Claude Code、Codex 和 DeepSeek Harness 的定位各有侧重：Claude Code 是多端一体的商业精装工具（终端/桌面/Web/IDE 均已覆盖），企业复杂流程场景首选；Codex 同样覆盖桌面/CLI/Cloud 多端（2026年7月独立 App 并入 ChatGPT 桌面端），以内核沙箱优先的硬边界执行见长，不信任代码场景最可靠；DeepSeek Harness 是开放的模型无关运行时，以极低成本和极高二次开发自由度面向开发者生态，当前处于预览阶段，API 稳定性待完善。三款工具配置文件互不冲突，可在同一项目中共存，按场景分工协作。

本文信息截至 2026 年 8 月 14 日，以各工具官方文档为准，Harness 生态迭代快，关注官方发布频道获取最新变更。