DeepSeek tworzy agenta AI lepszego niż Claude Code

DeepSeek rekrutuje zespół do stworzenia agentowego konkurenta Claude Code w dziedzinie AI

DeepSeek opublikował 17 ofert pracy, całkowicie zorientowanych na rozwój agentowego AI. Oferty obejmują badaczy algorytmów głębokiego uczenia dla agentów, ekspertów od oceny danych agentowych i inżynierów infrastruktury. Kandydaci muszą posiadać doświadczenie w stosowaniu modeli DeepSeek w scenariuszach wyszukiwania, generowania treści, przetwarzania multimodalnego i zadań agentowych. Wymagania podkreślają konieczność głębokiego zrozumienia technik uczenia ze wzmocnieniem (RL), gdzie modele korygują strategie na podstawie analizy wyników działań.

Kluczowy nacisk w opisach — przewaga nad Claude Code od Anthropic i Cursor. To wskazuje na bezpośrednią konkurencję z liderami rynku narzędzi do kodowania opartych na AI.

Kontekst rozwoju agentowego AI w Chinach

Rekrutacja zbiega się z rosnącym zainteresowaniem systemami agentowymi w Chinach. OpenClaw, open-source'owy agent AI, integruje się z WeChat i innymi komunikatorami, co powoduje masowe wdrożenia. Ponad 600 mln użytkowników w kraju już korzysta z generatywnego AI. Duże firmy — Tencent, Alibaba, Baidu, ByteDance — aktywnie uruchamiają produkty oparte na OpenClaw.

DeepSeek przechodzi od bazowych modeli do pełnoprawnych produktów agentowych, integrując je w rzeczywiste aplikacje. To logiczny krok w kierunku skalowania ekspertyzy w RL i architekturze agentowej.

• Kluczowe stanowiska w rekrutacji:

- Badacz algorytmów głębokiego uczenia dla agentów.

- Ekspert od oceny i anotacji danych agentowych.

- Inżynier infrastruktury agentowej.

- Specjalista ds. RLHF (Reinforcement Learning from Human Feedback).

• Wymagania techniczne:

- Doświadczenie z modelami DeepSeek w scenariuszach agentowych.

- Znajomość technik RL do iteracyjnego ulepszania agentów.

- Analiza konkurencji: Claude Code, Cursor.

Równoległa praca nad DeepSeek V4

Firma nie poprzestaje na agentach: oczekiwany jest release DeepSeek V4, zoptymalizowanej pod kodowanie i długi kontekst. Model trenowano na chipach Huawei i Cambricon, bez Nvidia. To wzmacnia niezależność od zachodnich technologii.

DeepSeek buduje pełny stos: od sprzętu po narzędzia agentowe. Infrastruktura oparta na krajowych chipach pozwala skalować trening modeli z uwzględnieniem specyfiki zadań agentowych, gdzie kluczowa jest wysoka efektywność na długich sekwencjach.

Co ważne

• DeepSeek skupia się na 17 specjalistycznych rolach dla agentowego AI, z wyraźnym celem przewagi nad Claude Code i Cursor.
• Wzrost systemów agentowych w Chinach: OpenClaw integruje się z komunikatorami, korzysta z niego 600+ mln osób.
• DeepSeek V4 — pierwszy model na chipach Huawei/Cambricon, zoptymalizowany pod kodowanie i długi kontekst.
• Strategia: pełny stos od hardware'u po agentów, z naciskiem na RL i niezależność od Nvidia.
• Dla deweloperów: oferty wymagają głębokiej wiedzy RL w kontekście modeli DeepSeek.

— Editorial Team