پرش به محتوا
هوش مصنوعی

۱۲۲ هزار ستاره GitHub برای هارنس DeepSeek، و عددی که جور در نمی‌آد

مخزن هارنس ایجنت کدنویسی DeepSeek به ۱۲۲ هزار ستاره رسیده، ولی تاریخ‌های خود منبع سه روز را چهار روز نشان می‌ده و هیچ عدد مقایسه‌ای برای ادعای رکورد وجود نداره.

تحریریه زاوینو۳ دقیقه مطالعه

Read this story in English

صفحه‌ی مخزن روی GitHub با شمارنده‌ی ستاره‌ها، مربوط به ستاره‌های GitHub هارنس DeepSeek

مخزن GitHub هارنس ایجنت کدنویسی DeepSeek به ۱۲۲ هزار ستاره رسیده و تیتری که دست‌به‌دست می‌شه می‌گه این عدد در سه روز جمع شده. هارنس یک لایه‌ی ارکستراسیون با مجوز MIT ست که مدل و ابزار و رابط کاربری را مثل پلاگین عوض می‌کنه و زیرکارها را بین Claude Code و Codex پخش می‌کنه.

چیزی که منتشر شده و تاریخی که جور در نمی‌آد

پیکربندی کل زنجیره با یک فایل YAML انجام می‌شه و هر تکه جای تعویض داره: مدل، ابزار، سندباکس و رابط کاربری. خود برنامه محلی بالا می‌آد، یعنی یک وب‌اپ روی ماشین خودتان که سراغ ایجنت‌های دیگر می‌ره به‌جای اینکه خودش مدل باشه. همین تفاوت مهمه، چون هارنس رقیب Claude Code و Codex نیست و بالای سرشان می‌شینه؛ چیزی که واقعاً جایگزین می‌کنه اسکریپت‌های چسبی‌ای‌ست که هر تیم برای خودش نوشته. ساختار پلاگین‌به‌پلاگینش را قبل‌تر در گزارش معرفی هارنس کدنویسی DeepSeek باز کرده بودیم.

سرعت پخش هم از هوا نیامده: پلتفرم Ollama آن را در همان دو روز اول یکپارچه کرد و عدد ستاره‌ها همان موقع نزدیک ۱۰۰ هزار بود.

حساب روزها اما با تیتر نمی‌خونه. گزارش جمعه ۱۴ آگوست می‌گه آن نزدیک ۱۰۰ هزار ستاره در ۴۸ ساعت اول جمع شده، یعنی انتشار حدود ۱۲ آگوست بوده و تا یکشنبه ۱۶ آگوست چهار روز گذشته، نه سه روز. نکته‌ی دوم از این هم مهم‌تره: هیچ‌جای منبع عدد ستاره‌ی هیچ مخزن دیگری نیامده، پس عنوان سریع‌ترین انتشار تاریخ GitHub چیزی نیست که بشه با داده‌ی موجود سنجید. تنها عدد قابل مقایسه، عدد سه روز قبل خود همین مخزن است.

هم‌زمان با انتشار فریم‌ورک، شرکت DeepSeek قیمت ورودی cache hit را ۶ تا ۱۲ برابر بالا برد. این دو خبر به هم وصل‌اند، چون هر قدم یک حلقه‌ی ایجنتی معمولاً system prompt و کل تاریخچه را دوباره می‌فرسته و دقیقاً همان چیزی‌ست که تخفیف کش شاملش می‌شد.

معنی‌اش برای کسی که کد می‌نویسه

مجوز MIT اجازه می‌ده کد را بردارید، محلی اجرا کنید و به مدل self-hosted وصلش کنید، بدون اینکه به API تجاری DeepSeek بند باشید. برای توسعه‌دهنده‌ای که به درگاه پرداخت خارجی دسترسی نداره، این همان مرز بین قابل استفاده و تماشا از دور است. فقط حواستان به مرز دیگری هم باشه: کد ابزار باز شده، نه وزن مدل. وزن را باید از جای دیگری بیاورید، مثل وزن‌های Apache 2.0 مدل Qwen3.8-27B که با ۱۷ گیگابایت بالا می‌آد.

اگر برعکس با API خود DeepSeek کار کنید، همان افزایش ۶ تا ۱۲ برابری ورودی کش‌شده مستقیم روی صورت‌حساب می‌نشیند، و حلقه‌های ایجنتی پرمصرف‌ترین بخش همین ورودی‌اند. یعنی ابزار رایگان شده و گران‌ترین مسیر اجرایش گران‌تر.

پخش‌کردن زیرکارها بین چند ایجنت هم خودش هزینه‌ی هماهنگی داره؛ تجربه‌ی آنتروپیک از چند ایجنت Claude روی یک پروژه نشان داد وقتی چند مدل هم‌زمان روی یک درخت فایل می‌افتند کار به کجا می‌رسه. بقیه‌ی پوشش ما از این ابزارها در بخش هوش مصنوعی جمع شده.

طرف دیگر ماجرا

ستاره ارزان‌ترین سیگنال GitHub است. یک کلیک لازم داره، برای زننده‌اش هزینه‌ای نداره و هیچ‌چیز درباره‌ی نصب، اجرا یا استفاده‌ی روزمره نمی‌گه. همین خبر خودش از ۱۸ توییت و ۱۵ منبع جمع شده، یعنی موجی که عدد را بالا برده همان موج تبلیغاتی روز انتشار است. در کل مطلب یک عدد دانلود، یک عدد نصب یا یک عدد کاربر فعال پیدا نمی‌شه.

بدبینانه‌ترین خوانش هم روی میز است: ابزاری با مجوز MIT که مسیر پیش‌فرضش کار را به سمت مدل‌های DeepSeek می‌بره، در هفته‌ای که قیمت پرمصرف‌ترین بخش API بالا رفته، بیشتر شبیه توزیع رایگان است تا بخشش. این تفسیر ماست و منبع چنین چیزی نگفته.

عددی که ارزش دنبال‌کردن داره ستاره نیست: تعداد pull ایمیج، تعداد نصب، و اینکه سه ماه دیگر چند تیم هنوز فایل YAML این هارنس را در مخزنشان نگه داشته‌اند. 👀

سوال‌های پرتکرار

هارنس DeepSeek چیه و چه فرقی با Claude Code داره؟

هارنس یک لایه‌ی ارکستراسیون است، نه یک ایجنت کدنویسی. با یک فایل YAML مشخص می‌کنید مدل، ابزار، سندباکس و رابط کاربری کدام باشند و هر کدام مثل پلاگین قابل تعویض‌اند. خودش کد نمی‌نویسه، زیرکارها را به ایجنت‌هایی مثل Claude Code و Codex می‌سپاره و به شکل یک وب‌اپ محلی اجرا می‌شه.

با مجوز MIT می‌شه هارنس DeepSeek را بدون API خود شرکت اجرا کرد؟

بله. مجوز MIT اجازه می‌ده کد را بردارید، محلی اجرا کنید و به مدل self-hosted وصلش کنید، بدون وابستگی به API تجاری DeepSeek. فقط دقت کنید چه چیزی باز شده: کد ابزار باز است و وزن مدل ماجرای جداگانه‌ای‌ست. مدل را باید از جای دیگری بیاورید و روی سخت‌افزار خودتان بالا بیاورید.

۱۲۲ هزار ستاره GitHub یعنی این ابزار پرکاربردترین شده؟

نه. ستاره یک کلیک است و هزینه‌ای برای زننده‌اش ندارد، پس موج تبلیغاتی روز انتشار به‌راحتی بالا می‌بردش. در کل این خبر که از ۱۸ توییت و ۱۵ منبع جمع شده، یک عدد دانلود، نصب یا کاربر فعال وجود ندارد. تا وقتی آمار نصب و ماندگاری منتشر نشه، ستاره فقط توجه را اندازه می‌گیره.

منابع

هم‌رسانی

خبرهای مرتبط

همه

خبرنامه

هر هفته مهم‌ترین اتفاق‌های هوش مصنوعی و تکنولوژی، خلاصه و بدون حاشیه، در ایمیلت.

هر وقت خواستی می‌توانی لغو عضویت کنی.