<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>DeepSeek on SoloSoft</title><link>https://www.solosoft.dev/es/tags/deepseek/</link><description>Recent content in DeepSeek on SoloSoft</description><generator>Hugo</generator><language>es-es</language><lastBuildDate>Wed, 12 Aug 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://www.solosoft.dev/es/tags/deepseek/index.xml" rel="self" type="application/rss+xml"/><item><title>DeepSeek Harness: el framework de agentes open source donde todo es un plugin</title><link>https://www.solosoft.dev/es/post/deepseek-harness-todo-es-un-plugin/</link><pubDate>Wed, 12 Aug 2026 00:00:00 +0000</pubDate><guid>https://www.solosoft.dev/es/post/deepseek-harness-todo-es-un-plugin/</guid><description>&lt;h1 id="deepseek-harness-el-framework-de-agentes-open-source-donde-todo-es-un-plugin"&gt;DeepSeek Harness: el framework de agentes open source donde todo es un plugin&lt;/h1&gt;
&lt;p&gt;La fórmula está en todas partes ahora: &lt;strong&gt;Modelo + Harness = Agente.&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;El modelo razona. El harness maneja todo lo demás — ejecución de herramientas, memoria, control de contexto, sandboxing, orquestación. Y en &lt;a href="https://github.com/deepseek-ai/deepseek-harness"&gt;agosto de 2026&lt;/a&gt;, DeepSeek publicó lo que podría ser la implementación open source de referencia más importante de esa fórmula.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;DeepSeek Harness (dsh)&lt;/strong&gt; es el framework de agentes open source del laboratorio chino: &lt;strong&gt;25.9k estrellas&lt;/strong&gt;, &lt;strong&gt;licencia MIT&lt;/strong&gt;, &lt;strong&gt;12.000+ commits&lt;/strong&gt;, y una arquitectura construida sobre una idea radical — &lt;strong&gt;todo es un plugin&lt;/strong&gt;.&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;&amp;ldquo;Los modelos, herramientas, skills, sesiones, sandboxes, filesystems, loops, orquestación y UI son TODOS plugins, y pueden mezclarse, emparejarse, reemplazarse y extenderse.&amp;rdquo;&lt;/p&gt;</description></item><item><title>AgenticSeek: Alternativa Local Open-Source a Manus AI con 25K Estrellas</title><link>https://www.solosoft.dev/es/post/agenticseek-ai-assistant-2026/</link><pubDate>Fri, 01 May 2026 00:00:00 +0000</pubDate><guid>https://www.solosoft.dev/es/post/agenticseek-ai-assistant-2026/</guid><description>&lt;p&gt;El ano pasado ha visto una explosion de productos &amp;ldquo;agente de IA&amp;rdquo; que prometen navegar por la web, escribir codigo y completar tareas complejas de forma autonoma. La mayoria de estos &amp;ndash; Manus AI, Operator y otros agentes basados en la nube &amp;ndash; envian sus datos a servidores remotos para su procesamiento. &lt;strong&gt;AgenticSeek&lt;/strong&gt; de Fosowl adopta un enfoque radicalmente diferente: se ejecuta completamente en su maquina local, proporcionando capacidades de agente de IA autonomo sin comprometer la privacidad, y ha obtenido mas de 25,000 estrellas en GitHub en el proceso.&lt;/p&gt;
&lt;p&gt;AgenticSeek es un agente autonomo open-source que combina navegacion web, ejecucion de codigo, gestion de archivos y planificacion de tareas en un unico sistema autocontenido. Compite directamente con agentes basados en la nube como Manus AI pero con una ventaja decisiva de privacidad &amp;ndash; cada operacion ocurre en su hardware. Su historial de navegacion, documentos y codigo generado nunca abandonan su maquina a menos que usted elija explicitamente compartirlos.&lt;/p&gt;</description></item><item><title>Understand R1-Zero: Inmersión Profunda en el Aprendizaje por Refuerzo de DeepSeek R1</title><link>https://www.solosoft.dev/es/post/understand-r1-zero-2026/</link><pubDate>Fri, 01 May 2026 00:00:00 +0000</pubDate><guid>https://www.solosoft.dev/es/post/understand-r1-zero-2026/</guid><description>&lt;p&gt;DeepSeek R1-Zero representó un gran avance en el razonamiento de IA al demostrar que el aprendizaje por refuerzo puro, sin ajuste fino supervisado, podía producir un razonamiento sofisticado de cadena de pensamiento en modelos de lenguaje. El proyecto Understand R1-Zero, desarrollado por sail-sg (Universidad de Gestión de Singapur), proporciona un análisis completo de cómo funciona esto internamente.&lt;/p&gt;
&lt;p&gt;El proyecto realiza ingeniería inversa de la metodología de entrenamiento de R1-Zero, replicando experimentos clave y proporcionando visualizaciones de cómo emergen las capacidades de razonamiento durante el entrenamiento RL. Ofrece información sobre la configuración de recompensas, la dinámica de optimización de políticas y el papel crítico de la exploración en el descubrimiento de estrategias de razonamiento.&lt;/p&gt;</description></item></channel></rss>