開源 coding agent 執行時 Octomind 發布，基準 24/25 且成本低於 Claude Code
Octomind 發布，這是一個開源的 CLI 優先 coding agent 執行時，以單一二進位制執行，可接入任意模型與 MCP 工具。官方基準在 25 個取自已合併 PR 的任務上解出 24 項，花費 63.43 美元、3.6 小時；使用同一模型和同一端點的 opencode 為 19/25、129.54 美元，Claude Code 搭配 Opus 為 23/25、81.79 美元。
公開可復現的基準顯示，同一模型與端點下 Octomind 解出 24 項，而對比物件解出 19 項，成本約減半；其 TOML 策略守衛與 daemon 模式，對在 CI 或後臺跑自動化編碼任務的人有參考價值。
原標題：Octomind – open-source AI harness that saves your tokens, static rust
閱讀原文
| 評分 | 58 / 62（平均 60，門檻 76） |
|---|---|
| 狀態 | 未入選 |
相關報導
OpenCode 2.2.3 內建 Claude Agent，可用 Claude Code 登入
OpenCode v2.2.3 新增內建 Claude Agent provider：安裝 Claude Code 並執行 claude auth login 後，在 /connect 中選擇 Claude Agent，即可複用 Claude Code 的登入與模型。桌面端長會話的流式回覆與渲染開銷大幅降低，並修復側欄標籤失效、重複彈出「Session not found」以及通過 HTTP 開啟檔案的問題。
Omnara 開源耐久 agent API，對標 Claude Managed Agents
Omnara 發布開源、可自託管的耐久 agent API，對標 Anthropic 的 Claude Managed Agents 與 OpenAI Agents API。一次 API 呼叫即可建立 agent，雲端負責執行 agent loop，並提供沙箱、金鑰、權限與 RBAC；agent 狀態存於 Postgres，重啟後仍存活、閒置時不耗算力，事件可通過 API 流式讀取。
為什麼 coding agent 依然很笨：模型在進步，agent 卻拖後腿
一位開發者認為 AI 程式設計的瓶頸是 agent 而不是模型：模型生成程式碼的能力持續提升，agent 卻停在原地。他區分了模型（GPT Astra、Claude Sonnet、GLM-5.3）與 agent（Claude Code、Codex），並列舉四類問題：OpenCode 把約 1.5k 行的改動拆成 10 個子任務卻逐個序列執行；agent 不會按任務難度切換更便宜或更強的模型；Claude Code 說不清自身功能，只能聯網搜尋；Plan 模式產出的計劃零散、難讀。
開源工具 Agent Standup 把 Claude Code 會話變成即時站會
開源免費的 Agent Standup 把 Claude Code 會話變成一場即時站會：每個 sub-agent 以畫素角色入場，狀態標註為工作中、等待他人、需要你介入、卡住或已完成，零 token 消耗。它讀取 Claude Code 已寫下的本地會話檔案，因此在 VS Code、Cursor、終端或桌面應用裡都能執行，無需配置、程式碼不外傳。
OpenCode 接 Ollama，斷網用 Qwen3.5 9B 本地完成編碼任務
Thomson Reuters 一位首席工程師在喜馬拉雅山麓斷網實測：用開源 coding agent OpenCode 1.19.4 連線 Ollama 本地執行的 Qwen3.5 9B，可完成解釋函式、排查失敗測試、重構和補功能，配置遮蔽了聯網工具、改檔案與跑命令前仍需確認。Qwen3.5 9B 下載體積 6.6–7.6 GB，建議預留 12–16 GB 記憶體，64k 上下文配置還要更多餘量；