开源AI编码代理如OpenCode兴起，解决了LLM高昂且不稳定的成本问题。它们作为中立层，兼容多模型，并提供低价订阅（如OpenCode Go每月10美元），使AI编码更易管理和经济。
译自：Open-source coding agents like OpenCode, Cline, and Aider are solving a huge headache for developers
作者：Paul Sawers
AI 编码代理正在激增，但由于开发者需要应对多个 API 和严重不可预测的 token 费用，运行大型语言模型 (LLM) 的经济模式正在崩溃。当代理为了完成单个请求而进行数十次模型调用时，这尤其成问题。
开发者社区的响应是开源编码代理，它们在模型之上运行一层。它们保持成本一致，因为它们独立于许多 LLM，并且可以跨许多 LLM 工作。
OpenCode 就是其中之一，它上周推出了 OpenCode Go，一项每月 10 美元的订阅服务，旨在让这些工作负载更易于管理。
代理层成为焦点
OpenCode 等编码代理的兴起也预示着人工智能软件堆栈中价值定位的转变。生成式 AI 的早期关注点主要集中在 LLM 本身的能力上。像 OpenCode 这样的工具可以扫描仓库，解释开发者指令，将任务分解成多个步骤，运行命令，并在整个项目中应用更改。实际上，它们将模型的通用推理能力转化为代码库中的具体行动。
越来越多的类似开源项目正在探索这个领域。除了 OpenCode，Kilo Code（截至撰写时在 GitHub 上有 1.63 万颗星）等工具正在尝试类似的开放代理架构，同时引入自己的付费层级来覆盖基础设施成本。Cline 是一款开源的 VS Code 扩展，它诞生于 2024 年 Anthropic 的“Build with Claude”黑客马拉松，拥有 5.87 万颗 GitHub 星。与此同时，Aider（目前有 4.16 万颗 GitHub 星）多年来不断发展，是知名度最高的开源编码代理之一。
这些项目标志着围绕 LLM 构建的新一层开发者工具的出现。代理是开发者交互的界面：它是一款解释任务、导航仓库并协调模型调用以生成最终输出的软件。
与更广泛的软件领域一样，订阅已成为打包它们（代理）的标准方式。诸如 Anthropic 的 Claude Code、OpenAI 的 Codex 和 Cursor 等工具将模型访问与一个助手结合起来，该助手可以读取仓库、提出编辑建议并在整个项目中执行任务。订阅层通常将模型使用量捆绑到一个单一的月度计划中，这反映了这些系统产生的巨大提示流量。
OpenCode 从一个略有不同的角度解决这个问题。它是一个开源编码代理，在终端中运行（桌面应用程序也提供测试版），并连接到开发者想要使用的任何模型。OpenCode 作为开发者和模型之间的中立层，允许同一个代理与来自 OpenAI、Anthropic、Google 或其他地方托管的开放模型系统一起操作。
开源代理正在领先
OpenCode 于 2024 年悄然出现，由 Serverless Stack (SST) 团队开发，SST 是一个用于在 Amazon Web Services (AWS) 上构建应用程序的开源框架。包括 Dax Raad、Jay V 和 Frank Wang 在内的多位开发者参与其中，他们共同经营着开发者工具公司 Anomaly。
在整个 2025 年，该项目获得了显著的关注度。根据 Runa Capital 的 ROSS 指数（快速增长的商业开源初创公司榜单），OpenCode 仓库在去年年底达到了 4.46 万颗 GitHub 星，使其跻身增长最快的项目之列。截至 2026 年 3 月撰写本文时，该仓库仍在持续增长，已突破 11.7 万颗星。
部分吸引力在于 OpenCode 的灵活性。许多主要的编码代理都与特定的模型提供商紧密结合——例如 Anthropic 的 Claude Code 或 OpenAI 的 Codex。而 Cursor 则在其编辑器环境中提供了一组精选模型。然而，OpenCode 允许开发者连接自己的提供商和 API 密钥，支持数十个模型提供商甚至本地托管系统。
随着模型提供商收紧对其系统访问的控制，这种灵活性变得更加重要。例如，Anthropic 最近收紧了 Claude 限制，此前发现一些第三方工具——包括 OpenCode——通过外部代理路由 Claude Code 订阅访问。这项更改阻止了 Claude Code 订阅凭据在 Anthropic 自己的工具之外使用，尽管开发者仍然可以通过 OpenCode 等工具内的标准 API 访问 Claude 模型。
此举似乎旨在针对一些开发者采用的模式：通过固定费率订阅运行密集的代理循环，而如果按使用量计费的 API 定价，费用会高得多。相比之下，OpenAI 模型仍然可用于 OpenCode 等第三方代理中，这反映了模型提供商之间争夺开发者社区的日益激烈的竞争。
OpenCode Go 通过提供捆绑选项，进一步增强了这种模型灵活性。该每月 10 美元的计划无需开发者自行连接外部提供商，而是直接在工具内部提供对多种模型的访问，包括来自 Zhipu 的 GLM-5、来自 Moonshot AI 的 Kimi K2.5 和来自 MiniMax 的 MiniMax M2.5。这三个模型均来自中国的 AI 实验室，被普遍认为比许多西方前沿系统运行成本更低，这有助于使一个可能产生大量模型调用的工具实现低成本订阅。
当然，编码代理倾向于产生突发性的模型活动，而非持续性活动。单个请求可以触发数十次模型调用，因为代理会扫描仓库、提出更改、运行命令并修改其输出。这种模式可以在短时间内产生大量 token。
开源使这个新的代理层具有可塑性，允许开发者检查、修改和替换影响这些代理行为的组件。这种 token 密集型行为也使得 OpenCode Go 的定价值得关注：相对较低的每月 10 美元开源订阅表明运行这些模型的成本已大幅下降，足以使低利润订阅模式可行，这对于底层经济走向来说是一个有意义的信号。
