DeepSeek Harness construye un arcade con un solo prompt en 2 horas y 43 minutos con una suscripción de $10

Normalmente, «generó una aplicación con un solo prompt» significa una demo bonita que se desmorona en el primer contacto con la realidad. El autor de esta historia decidió comprobar qué pasa si se le da a un modelo económico un entorno agéntico en condiciones y una tarea realmente grande.

Qué ocurrió exactamente

La idea es sencilla: un juego de navegador para entrenar la velocidad de escritura. Las palabras caen por la pantalla, el jugador las teclea, dispara a los enemigos, gana puntos y trata de no perder vidas. El autor elaboró primero la especificación en un ChatGPT normal: mecánica, pantallas, restricciones, comprobaciones. El documento terminado pasó a DeepSeek Harness, un entorno agéntico abierto de DeepSeek basado en la arquitectura Cordis con el principio «Everything is a Plugin».

El modelo fue DeepSeek V4.1 Flash, con acceso mediante la suscripción OpenCode Go de $10 al mes. El agente hizo la primera versión en 2 horas y 43 minutos: 183 pasos, modo Agent Team con subagentes, ejecución de comandos, pruebas y rehacer partes. El resultado: bucle de juego, oleadas de enemigos, combos, gráficos en Canvas 2D con partículas y explosiones, sonido mediante la Web Audio API, diccionarios en ruso e inglés e historial de partidas en localStorage.

Una salvedad importante del autor: «con un solo prompt» no significa «con una sola respuesta del modelo». Es un único objetivo dentro del cual el agente planificó, escribió y corrigió por sí mismo.

Las cifras que conviene mirar

La interfaz mostró 35 703 377 tokens. Suena aterrador, pero 35,2 millones eran entrada en caché, la no almacenada fue de 334 mil y la salida real del modelo, de unos 159 mil. Cache hit: 99%. En tareas largas el agente relee constantemente el contexto del proyecto y sus resultados anteriores, y si el proveedor reutiliza bien la caché, cuesta notablemente menos.

La tarea costó aproximadamente el 15% del límite de cinco horas de la suscripción. El autor advierte con honestidad que «$100 de uso por $10» es un volumen calculado según las tarifas del servicio, no un saldo que se pueda gastar en cualquier cosa. Hay ventanas de cinco horas, una semana y un mes. También hay modos Peak y Off-Peak con distinto precio de tokens: por ejemplo, $0,15 frente a $0,30 por millón de entrada. El autor incluso escribió un pequeño plugin que muestra el modo actual en la interfaz de Harness para lanzar los grandes experimentos en la ventana barata.

Se menciona aparte una publicación de un desarrollador de OpenCode sobre la posibilidad de obtener $300 de uso de DeepSeek por $10. Por ahora es solo un comunicado público sobre un potencial, no una condición de la tarifa.

Dónde hubo que intervenir

En la segunda tarea el agente añadió un servidor: autenticación con Telegram, sincronización de estadísticas, amigos, clasificación, PostgreSQL y un bot de soporte. El juego pasó a llamarse Typer Cool. Y ahí empezaron los problemas reales:

• el diseño móvil, correcto en Chrome DevTools, se desmoronaba en un iPhone real con Safari;
• el Docker Compose generado levantaba un segundo Caddy y chocaba con el que ya funcionaba en los puertos 80 y 443;
• los avatares de Telegram no cargaban por una comprobación de formato demasiado estricta (bad_type), aunque las pruebas con simulaciones pasaban;
• los enlaces de invitación directos daban 404 en Netlify hasta que se corrigieron las reglas de enrutamiento SPA.

Conclusión práctica

Para desarrolladores y fundadores hay aquí cuatro lecciones. Primero, la calidad del planteamiento decide: primero discutir la idea y elaborar la especificación, y solo después dársela al agente. Segundo, el entorno importa tanto como el modelo: archivos, subagentes, pruebas y contexto largo cambian el resultado. Tercero, la caché y las tarifas deben estudiarse con tanta atención como los benchmarks. Y cuarto, el agente no elimina la verificación en infraestructura real, sobre todo cuando hay usuarios, datos y seguridad de por medio.

También conviene recordar las limitaciones. Es un único experimento de un solo autor, sin comparación con Codex o Claude Code en tareas idénticas, y el 99% de cache hit corresponde a una sesión concreta. Harness está en desarrollo activo, las interfaces pueden cambiar y las tarifas también. El alojamiento, el dominio y el VPS no están incluidos en el coste de la suscripción. Pero como referencia de precio y capacidades del desarrollo agéntico largo con un modelo abierto, el caso es ilustrativo.