На GitHub стремительно набирает популярность проект DeepSeek-TUI — терминальный AI-агент для программирования, созданный американским независимым разработчиком Хантером Бауном. За один день репозиторий получил более 2,4 тыс. звезд, а общий счетчик превысил 10,2 тыс. проект быстро вышел на первое место в трендах GitHub. Главная причина ажиотажа — это попытка сделать удобную и недорогую альтернативу Claude Code, но на базе DeepSeek-V4.

Проект позволяет прямо из терминала общаться с моделью, редактировать файлы, запускать shell-команды, управлять задачами и координировать работу нескольких подагентов в кодовой базе. Иными словами, это не просто чат с моделью, а полноценная рабочая среда для разработки. Именно такой формат сегодня всё чаще становится важнее самой модели: разработчикам нужен не только «умный ответ», а инструмент, который умеет доводить задачу до конца.

Кто автор и почему проект стал вирусным

Интерес к DeepSeek-TUI подогревает и сам создатель. Баун — не профессиональный программист: он учился музыке и сейчас получает юридическое образование. Тем удивительнее, что именно его проект стал одной из главных GitHub-сенсаций дня. В начале 2026 года он выложил DeepSeek-TUI в открытый доступ, а затем стал активно взаимодействовать с китайскими разработчиками в X, где даже назвал их «whale brothers» — это выражение само по себе стало мемом.

По сообщениям пользователей, Баун уже обзавелся китайским WeChat-аккаунтом и начал общаться с разработчиками из Китая. Это добавило проекту почти культовый статус: он воспринимается не как корпоративный продукт, а как результат самостоятельной инженерной работы человека «со стороны», который сумел собрать работающий AI-агент практически в

Основа проекта — DeepSeek-V4, модель с контекстом до 1 миллиона токенов, стримингом reasoning-блоков и поддержкой учета prefix cache. DeepSeek-TUI умеет:

читать и редактировать файлы;

выполнять команды в терминале;

искать информацию в интернете;

работать с Git-репозиториями;

запускать и координировать подагентов;

общаться через терминальный интерфейс в режиме, близком к Claude Code.

У проекта есть несколько режимов работы:

планирование — только чтение и анализ;

agent mode — выполнение действий с ручным подтверждением;

полностью автоматический режим — все операции выполняются без лишнего вмешательства.

Также предусмотрены чекпоинты для долгих сессий, откаты через собственный snapshot-механизм, сохранение фоновых задач и поддержка HTTP/SSE-интерфейса для headless-автоматизации. Для разработчиков это особенно важно: речь идет не о демо, а о довольно серьезной попытке построить полноценный агентный слой поверх модели.

Интерес к DeepSeek-TUI объясняется не только технологией, но и моментом. В 2026 году рынок AI Coding всё сильнее смещается от «просто хороших моделей» к полным агентным системам. Теперь ценится не только интеллект модели, но и то, насколько хорошо она встроена в рабочий процесс.

Claude Code и Codex именно поэтому так сильны: они предлагают не только модель, но и отлаженную среду, которая умеет работать с файлами, командами, контекстом и ошибками. DeepSeek-TUI пытается воспроизвести эту логику в открытом виде — с более низкой стоимостью и большей свободой настройки.

На этом фоне неудивительно, что проект быстро собрал отклик у сообщества. Одни хвалят его за смелость и полезность, другие отмечают, что он пока нестабилен и всё еще уступает зрелым коммерческим продуктам. Но даже критики признают: сама идея выглядит очень жизнеспособной.

В описании проекта отдельно выделяются несколько функций, которые особенно важны для практической разработки:

автоматический выбор модели под задачу;

ручное переключение уровня reasoning;

потоковый вывод размышлений модели;

поддержка MCP-серверов;

интеграция с LSP для мгновенной диагностики кода;

поддержка многочасовых сессий;

встроенный учет токенов и стоимости;

локализация интерфейса на несколько языков;

гибкая система пользовательских навыков.

Это всё делает DeepSeek-TUI похожим не на игрушку, а на серьезную попытку создать open-source-эквивалент коммерческих AI coding tools. Причем в некоторых сценариях пользователи уже отмечают, что при связке с DeepSeek-v4-flash скорость работы становится близкой к открытым

Недавняя версия 0.8.13 принесла ряд улучшений, связанных с рантаймом и интерфейсом. В частности, были улучшены:

совместимость с Anthropic-подобными интерфейсами;

логирование траектории выполнения;

оптимизация подсказок;

исправления проблем TUI;

защита от повторяющихся зацикленных вызовов;

поддержка telemetry-меток кэширования DeepSeek-V4.

Отдельно интересен механизм «анти-петли» для инструментов: если агент начинает повторять одни и те же действия, система вставляет синтетический результат ошибки, чтобы не гонять бесконечные одинаковые вызовы. Для долгих сессий это очень полезно — именно такие мелочи отличают сырой прототип от полезного инструмента.

Самое важное в этой истории даже не GitHub-успех, а то, что он показывает: у DeepSeek-V4 уже есть не только сильная модель, но и реальный спрос на экосистему вокруг неё. Пользователи явно хотят не просто API, а удобный рабочий агент, который можно запускать локально, настраивать под себя и дешевле интегрировать в рабочие процессы.

Это особенно значимо на фоне общего сдвига рынка: сейчас выигрывают не просто самые умные модели, а те, кто умеет встроиться в ежедневную работу разработчика. Если DeepSeek сделает собственный официальный агентный продукт, он сможет превратить силу модели в полноценное конкурентное преимущество.

DeepSeek-TUI — это не просто удачный open-source-проект. Это сигнал о том, куда движется вся индустрия. В AI Coding всё меньше ценится абстрактная «умность» модели и всё больше — способность работать как система. И если раньше разработчики выбирали между моделями, то теперь они выбирают между целыми рабочими средами.

DeepSeek-TUI показал, что у DeepSeek-V4 есть спрос на практический, терминальный, агентный формат. Но он же напомнил и о слабом месте: без стабильной, официальной и зрелой платформы даже сильная модель рискует оставаться просто хорошим ядром без готового продукта вокруг.