OpenCode 如何成长为重要的开源编程代理
OpenCode 以开源、模型中立和多端运行的定位，在编码代理市场快速增长。本文梳理其用户与收入数据、增长路径，以及公司自报数据仍需审慎解读的原因。
OpenCode 如何成长为一款主流的开源编码代理
简介
在由Claude Code、Codex、Cursor、基于Gemini的编码工具以及特定模型的命令行代理等垂直整合产品主导的市场中，OpenCode实现了增长。
其策略与众不同。OpenCode没有要求开发者承诺使用某一家模型提供商，而是将自己定位为一个开源、模型中立的层，可以在终端、桌面应用或IDE中运行，并连接来自多家提供商的模型。
在2026年7月发布的采访中，OpenCode的创始团队报告称，该产品已达到约1300万月活跃用户，每天处理约7万亿个令牌，并建立了两条收入流，合计意味着约5600万至5800万美元的年化收入。
这些数据由公司自行报告，尚未经过公开审计。OpenCode当前首页单独显示超过750万月度开发者，因此两个公开数字可能使用了不同的统计周期或定义。公司尚未发布详细的核对说明。
即使存在上述保留意见，OpenCode的发展轨迹仍然值得关注。它展示了一家应用公司如何在相互竞争的模型实验室之间成长，通过占据这些实验室自身难以填补的位置：一个开放、中立的接口，每当新模型变得有用时都能从中受益。
1. OpenCode始于一个终端优先的观察
OpenCode的创始团队在推出编码代理之前，已经构建了多年的开源开发者工具。
他们早期的项目SST已成为一款成功的开发者基础设施产品。在实现盈利后，团队开始探索下一步该构建什么，并得出结论：忽视AI就意味着忽视这十年间软件开发领域最重要的变革。
早期的实验并没有立即成为令人信服的产品。转折点出现在团队开始使用Claude Code时。
许多开发者已经在向语言模型寻求帮助，但工作流程是碎片化的：
- 在编辑器中工作。
- 遇到问题。
- 打开浏览器聊天。
- 复制代码或错误信息。
- 等待回复。
- 将答案复制回开发环境。
对于面向终端的开发者来说，这种上下文切换尤其具有干扰性。
Cursor已经证明，AI原生的编辑器可以吸引大量用户，但OpenCode团队主要使用Vim和终端工具。转向另一个编辑器意味着放弃熟悉的编辑环境，以换取AI功能。
Claude Code展示了一种不同的交互模式。它在编辑器旁边运行，检查仓库，使用文件系统，执行命令，并进行
变更无需开发者放弃其现有配置。
OpenCode 团队看到了一个机会：打造一款类似的终端原生代理，但使其开源，并且不依赖于任何单一模型提供商。
2. 开源定位比功能对标更重要
编程代理市场已经拥有众多产品。OpenCode 无需证明不存在竞争对手。
它需要占据一个尚未被占领的定位。
创始人相信，模型竞争将会加剧。Anthropic、OpenAI、Google、xAI、中国模型开发商以及开放权重社区将持续发布各具优势的系统，在性能、价格、速度和部署要求上各有不同。
与单一模型绑定的工具，在该模型进步时受益。而一个中立的工具，则可以在任何受支持的模型进步时受益。
这形成了一个明确的初始目标：
在另一个项目确立该身份之前，成为默认的开源编程代理界面。
开源对 OpenCode 尤为有利，因为支持广泛的模型生态会产生大量的集成工作长尾。
不同提供商在以下方面存在差异：
- 身份验证
- API 格式
- 工具调用行为
- 流式传输
- 上下文限制
- 推理控制
- 区域端点
- 速率限制
- 错误处理
- 本地部署
- 企业网关
一个小型内部团队无法复现每个提供商、地区、本地配置、企业代理或私有云环境。
开源社区可以报告特定提供商的问题、贡献修复方案，并测试核心团队自身不使用的配置。
OpenCode 的官方文档现在声明，它使用 AI SDK 和 Models.dev 支持超过 75 个模型提供商，包括本地模型。
3. Models.dev 成为产品中立基础设施的一部分
为了支持众多模型，OpenCode 需要关于提供商和模型能力的可靠结构化信息。
团队创建了 Models.dev，这是一个开源数据库，记录了以下详细信息：
- 模型和提供商标识符
- 上下文限制
- 输出限制
- 推理支持
- 工具调用
- 结构化输出
- 温度支持
- 权重可用性
- 定价
- 发布日期
该数据集的价值超出了 OpenCode 本身。它构建了一个共享层，供需要理解模型名称、能力和提供商实现差异的应用程序使用。
其战略价值非常重要。当新模型发布时，OpenCode 无需围绕该实验室重新设计整个产品。它可以将提供商或模型添加到共享目录中，测试集成，并通过同一界面开放给用户。
用户随后可以在不改变主要编程工作流程的情况下选择模型。
4. 2026 年初增长迅速加速
创始人描述了初始发布后使用量的急剧增长。
根据他们的访谈数据：
| 时期 | 报告月活跃用户 |
|---|---|
| 2025 年 6 月发布 | 早期阶段发布 |
| 2025 年 12 月 | 约 65 万 |
| 2026 年 1 月 | 约 250 万 |
| 2026 年 6 月底 | 约 1300 万 |
他们还报告了约 460 万周活跃用户。
用户数量，以及到2026年年中每日处理约七万亿个token。
OpenCode的公开网站目前展示的是另一个月度数字：超过750万开发者。由于该公司尚未公布这两个数字背后的确切统计方法，读者应将1300万这一数字视为创始人访谈中报告的数据，而非经过标准审计的统计数据。
官方数据面板提供了OpenCode Go和Zen更为直接可查的活动子集。它展示了每日模型使用量、独立用户数、会话成本、token价格、缓存命中率、市场份额以及地理分布。
该面板还体现了OpenCode核心理念的一个方面：随着新的开源和专有系统的出现，模型使用情况可能迅速变化。
5. Anthropic的限制反而成为增长契机
OpenCode公开增长过程中最重要的时刻之一，是Anthropic限制Claude订阅认证通过第三方编码工具使用。
OpenCode用户仍然可以通过获批的API计费方式访问Claude，但这一限制影响了那些此前在外部工具中使用Claude订阅额度的用户。
从Anthropic的角度来看，订阅计划是围绕其自有产品和使用模式设计的。大量的第三方代理使用可能形成不同的成本结构。
从OpenCode社区的角度来看，这一变化看起来像是模型提供商利用其对认证和订阅的控制权，来扶持自身垂直整合的产品。
OpenCode的创始人表示，这场争议在多个方面帮助了这个较小的产品。
让OpenCode与Claude Code进入同一讨论语境
在限制措施出台之前，许多开发者从未听说过OpenCode。
当Anthropic对第三方集成采取行动时，开发者开始追问：为什么这个工具重要到足以引发这样的回应？
这一事件让OpenCode不再显得像是众多小型编码代理之一，而更像一个有分量的替代选择。
让模型选择变得具体化
供应商独立性在某个供应商改变政策之前，听起来可能比较抽象。
这一限制为用户提供了一个具体例证，说明为什么他们可能更倾向于一个可以在多个供应商之间切换的应用层。
为竞争对手创造了机会
OpenCode此前已经在与其他模型和订阅供应商讨论官方集成事宜。
创始人表示，他们利用这一时机接触了OpenAI，认为对OpenCode的官方支持将与Anthropic的立场形成鲜明对比。
OpenCode当前官网显示，用户可以使用ChatGPT Plus或Pro账号登录，也可以使用GitHub Copilot账号。
更广泛的启示不在于某个供应商永远是“反派”，而在于当模型公司争夺分发渠道时，中立的应用程序可以从中受益。
6. OpenCode的战略定位是中立，而非垂直整合
Claude Code的设计目标是为Anthropic的模型提供紧密集成的体验。
Codex可以围绕OpenAI的模型和基础设施进行优化。
这种垂直整合具有实际优势：
- 产品团队对模型有深入理解。
新模型能力可以快速出现在应用程序中。
- 提供商可以共同调优模型和界面。
- 身份验证、计费、缓存和安全控制可以协调一致。
OpenCode 正在做出不同的权衡。
其优势在于：
- 模型选择
- 开源代码
- 本地模型支持
- 提供商切换
- 社区集成
- 企业网关
- 减少应用层锁定
创始人并不认为开源会自动让每个产品变得更好。
他们的主张更为具体：当产品必须覆盖大量环境和长尾集成，而单一公司无法自行充分测试时，开源是有价值的。
这就是为什么 OpenCode 可以与垂直整合的编码工具共存，同时在争夺开发者注意力方面与它们竞争。
7. “足够好”的模型扩大市场
最早的编码代理市场被一个简单的假设主导：开发者总是想要最强大的可用模型。
当前沿专有模型与替代品之间的质量差距很大时，这个假设是合理的。
随着开放权重和低成本模型的改进，其他特性变得更加重要：
- 速度
- 价格
- 区域可用性
- 数据控制
- 托管质量
- 前端设计能力
- 长上下文行为
- 工具调用可靠性
- 本地部署
一个模型不需要在每个基准测试中都胜出，才能成为特定工作流的最佳选择。
更快的模型可能更适合短周期迭代变更。更便宜的模型可能适合重复性的子代理任务。在受限的企业环境中，可能需要本地托管的模型。
OpenCode 的使用数据显示，当开放模型价格实惠且托管可靠时，它们可以占据可观的真实世界 token 份额。
该公司的 OpenCode Go 产品就是围绕这一理念创建的。它通过主要为国际用户设计的低成本订阅提供精选的开放编码模型。
目前公布的价格如下：
| 套餐 | 价格 |
|---|---|
| 首月 | $5 |
| 后续月份 | 每月 $10 |
该产品是可选的。开发者可以继续使用自己的提供商和 API 密钥来使用 OpenCode。
8. 更有价值的路由形式可能是编排
OpenCode 的创始人对简单模型路由作为独立类别持怀疑态度。
基本路由器会检查传入的提示词，并决定应由哪个模型接收。这在请求开始时可能有用，但在长对话中途切换模型则更加困难。
会话中途切换可能会丢失提供商特定的缓存优势，并可能在上下文、工具行为和推理风格方面造成不一致。
创始人认为编排模式更有价值：
- 能力较强的主模型接收用户请求。
- 主模型规划工作。
- 它将独立任务委派给子代理。
- 每个子代理可以使用适合该任务的模型。
- 子代理在可能的情况下并行运行。
- 结果返回主模型进行综合和判断。
这种方法保留了连贯的主会话，同时使用更便宜或专门的模型来执行任务。
例如：
| 任务 | 可能的模型策略 |
|---|---|
| 架构设计与最终审查 | 强前沿推理模型 |
| 仓库搜索 | 快速低成本模型 |
| 重复性文件编辑 | 可靠编码模型 |
| 文档查阅 | 面向搜索的子代理 |
| 前端迭代 | 在视觉和UI任务上表现强的模型 |
| 测试生成 | 低成本的并行代理 |
OpenCode已经支持多个会话和子代理，使其成为这类编排的自然环境。
9. OpenCode有三个主要商业层面
开源应用仍然可用，用户无需购买OpenCode托管的模型产品。
该公司正在围绕访问、托管和组织控制构建商业服务。
OpenCode Zen
OpenCode Zen是一个按需付费的网关，用于经过测试和筛选、适合编码代理使用的模型。
用户充值余额、获取API密钥，然后将Zen作为提供商连接到OpenCode或其他兼容代理中。
该公司表示，Zen采用透明的按Token定价，在所述处理成本之外不增加任何加价。目录中包含来自OpenAI、Anthropic、Google、Moonshot、智谱、DeepSeek、MiniMax、xAI、Qwen等提供商的模型。
该产品最初是为了减少连接多个独立模型账户时的设置和速率限制摩擦而推出的，后来演变成一个精选推理层。
OpenCode Go
OpenCode Go是一个专注于精选开放编码模型的低成本订阅服务。
团队会测试模型和推理提供商的组合，寻找稳定的延迟和代理性能，而不是假设每个主机都能同等地提供相同的模型服务。
这一点很重要，因为开放权重并不能保证一致的托管体验。量化、批处理、上下文限制、服务软件和硬件都可能改变最终结果。
OpenCode Enterprise
OpenCode Enterprise专为希望在批准的基础设施内保持代码和上下文的同时实现集中治理的组织而设计。
官方文档列出：
- 按席位定价
- 集中配置
- SSO集成
- 内部AI网关支持
- 提供商限制
- 客户使用自己的网关时，OpenCode不收取Token费用
- 可选择禁用会话共享
- 自托管共享会话页面的路线图
OpenCode声明，默认情况下不会存储代码或上下文数据。处理在本地进行，或通过直接调用所选AI提供商完成。
可选的/share功能是一个例外，因为共享的对话数据会被发送到托管共享页面的服务。企业可以集中禁用该功能：
{
"$schema": "https://opencode.ai/config.json",
"share": "disabled"
}
10. 创始人报告的营收接近6000万美元年度经常性收入
来源文章结合了创始人描述的两条收入流。
推理收入
创始人表示，6月的使用量意味着年化推理收入约为3100万至3300万美元，而后来某周的运行率更接近3800万至4000万美元。
订阅收入
他们还报告
大约有16万名月度订阅用户，贡献了约1800万美元的年化收入。
合并数据
按照较高的推理运行率计算，这两项业务大致意味着：
| 收入来源 | 创始人报告的年化运行率 |
|---|---|
| 推理与模型访问 | 3800万–4000万美元 |
| 月度订阅 | 约1800万美元 |
| 合并 | 约5600万–5800万美元 |
这些数字是基于近期较短时间段的管理层估算，并非经审计的年度收入。
当使用量、模型定价、折扣和客户行为发生变化时，年化运行率可能会迅速改变。
11. 推理业务可以具有可观利润率，但这些说法需要结合背景来看
OpenCode的创始人认为，当平台具备足够的规模、利用率、缓存和供应商折扣时，推理转售可以产生强劲的毛利率。
他们引用了某些工作负载约80%的利润率，并暗示主要实验室在有利条件下可能接近90%。
这些是创始人的估算，并非独立验证的财务披露。
推理的经济效益取决于许多变量：
- GPU购买或租赁价格
- 利用率
- 电力
- 网络
- 内存和存储
- 模型效率
- 量化
- 批处理
- 缓存命中率
- 供应商折扣
- 客户输入输出组合
- 免费层补贴
- 支持和运营
OpenCode的全球用户基础有助于提高利用率，因为需求跨越时区。当亚洲用户活跃时，美洲用户可能处于离线状态，随后模式反转。
更稳定的24小时需求可以减少闲置容量。
OpenCode的官方数据面板还报告了多款Go和Zen模型的高缓存比率。缓存可以显著降低编码会话中重复上下文的成本。
12. Token正在成为获客成本
传统软件公司通常通过付费广告、销售外联、活动或免费试用获取用户。
AI产品可以通过补贴推理来获取用户。
OpenCode的创始人将免费token描述为一种新形式的获客成本。
用户需要体验智能体理解代码库、解决bug或完成有用修改的时刻。在此之前，编码智能体的价值可能保持抽象。
免费模型或补贴额度创造了这种首次体验。
然后，业务依赖于将其中一部分用户转化为：
- 按需付费的Zen客户
- OpenCode Go订阅者
- 重度模型用户
- 企业部署
只有当付费用户的长期贡献超过免费使用、基础设施、支持和获客成本时，这种经济模式才能成立。
13. 快速入门：安装和使用OpenCode
原始采访文章侧重于战略而非安装配置。以下命令来自OpenCode的官方文档。
使用官方脚本安装
curl -fsSL https://opencode.ai/install | bash
在敏感环境中运行远程安装脚本之前，请先审查脚本内容。
替代包管理器
npm install -g opencode-ai
bun install -g opencode-ai
brew install anomalyco/tap/opencode
使用
Docker
docker run -it --rm ghcr.io/anomalyco/opencode
连接提供商
启动 OpenCode 并运行：
/connect
选择 OpenCode Zen、OpenCode Go 或其他受支持的提供商，然后添加所需凭据。
初始化仓库
cd /path/to/project
opencode
在 OpenCode 内部，运行：
/init
这会分析项目并创建一个 AGENTS.md 文件。
OpenCode 建议将 AGENTS.md 提交到 Git，以便代理能够持续理解仓库结构、惯例和工作流程。
使用计划模式与构建模式
OpenCode 包含两种内置模式：
- 计划模式： 只读分析和实现规划
- 构建模式： 完全访问的开发工作
使用 Tab 键在两者之间切换。
对于大型功能，更安全的工作流程是：
- 从计划模式开始。
- 描述所需的行为和约束。
- 审查建议的实现方案。
- 补充缺失的上下文或示例。
- 切换到构建模式。
- 让代理按已批准的计划进行实现。
- 提交前运行测试并审查差异。
14. AI 可以提升产出，但不能提升产品判断力
创始人论证的最后一部分与其说是关于 OpenCode，不如说是关于编码代理的局限性。
AI 可以让实现变得更轻松，但它不能自动回答最难的产品问题：团队应该构建什么？
在编码代理普及之前，创始人可能会花一天中大部分时间来决定做什么，用较少的时间来实现。
如果 AI 减少了实现工作量，那么规划负担反而会更加凸显。
团队现在可以对每一个信号做出响应：
- 客户报告了 bug。
- 竞争对手发布了新功能。
- 利益相关者提出了工作流程需求。
- 某个指标下降了。
- 销售人员请求一个例外。
代理可以快速实现每一个请求。
但对每个请求都做出响应可能会导致产品缺乏连贯性。功能在没有共享抽象的情况下不断堆积，每一个新行为都成为另一个兼容性义务。
创始人的观点是：发布十倍多的软件并不意味着组织有十倍多的好主意。
15. AI 可能让劣质补丁更容易被接受
编码代理还改变了架构修复与短期修补之间的权衡关系。
在 AI 出现之前，一个粗糙的绕过方案有明显实现成本。这种摩擦有时会迫使团队重新设计底层系统。
当代理可以低成本地生成和维护绕过方案时，临时补丁就变得更容易被批准。
这可能会掩盖技术债务，而不是消除它。
工程判断仍然需要决定：
- 某个功能是否属于产品的一部分
- 架构是否支持该功能
- 某个补丁是否应该被拒绝
- 哪些抽象应该被重新设计
- 测试是否反映了真实行为
- 生成的代码是否能安全部署
当代理编写代码时，工程师的责任并不会消失。它转移到了约束、审查、测试、架构和发布安全上。
16. 编码代理需要更强的防护栏，而不是更弱的
编码代理可以持续工作
并产生大量变更。这种生产力提升了可靠边界的重要性。
有用的保障措施包括：
- 一份准确的
AGENTS.md - 只读规划模式
- 文件和命令权限
- 受保护的分支
- 强制代码审查
- 自动化测试
- 静态分析
- 安全扫描
- 可复现的开发环境
- 小而可审查的提交
- 清晰的回滚路径
OpenCode的规划模式、权限控制、策略、自定义代理和企业配置提供了该结构的一部分。
这些工具并不能取代工程治理，而是使得将更多治理编码到代理工作的环境中成为可能。
17. OpenCode的长期赌注
OpenCode押注于这样一个未来：没有单一的模型提供商能够永久控制所有重要的编码用例。
在那个未来中：
- 模型竞争激烈。
- 价格下降。
- 开放模型不断改进。
- 专业化系统涌现。
- 企业要求对路由和数据的控制权。
- 开发者希望保留切换选项。
如果那个未来到来，中立的应用程序和编排层将变得有价值。
风险在于前沿实验室可能将其最强模型限制在自有应用中，使外部工具竞争力下降。
反压力来自商业层面。模型提供商也需要分发渠道、API收入、开发者采纳和企业覆盖。这些激励可以保持模型访问的开放，即使产品团队更倾向于紧密集成。
当多个强大的模型提供商相互竞争且没有任何一方能主导整个开发者工作流时，OpenCode的定位最为稳固。
常见问题
什么是OpenCode？
OpenCode是一个开源的AI编码代理，可通过终端界面、桌面应用和IDE扩展使用。它可以检查代码库、规划变更、编辑文件、运行命令，并连接来自超过75家提供商的模型。
OpenCode是Claude Code的替代品吗？
是的，尽管这两个产品具有不同的策略。Claude Code与Anthropic的模型垂直集成，而OpenCode是开源的，旨在跨多种专有、开放权重和本地模型运行。
OpenCode真的达到了1300万月活用户吗？
OpenCode的创始人报告称，2026年6月底月活跃用户约1300万。当前官方主页显示月开发者超过750万，公司尚未公开解释衡量标准上的差异。
OpenCode如何盈利？
其商业产品包括：用于按需付费模型访问的OpenCode Zen、用于低成本开放模型订阅的OpenCode Go，以及用于集中配置、单点登录、内部网关和组织治理的OpenCode Enterprise。
OpenCode会存储源代码吗？
OpenCode声明其默认不存储代码或上下文数据。数据在本地处理或直接发送到用户选择的模型提供商；可选的会话共享功能会将相关数据发送到共享页面服务。
OpenCode可以使用本地模型吗？
可以。官方模型文档称OpenCode支持
作为其更广泛的提供商生态系统的一部分，本地模型的实际性能取决于模型、服务器、硬件和配置。
OpenCode 免费吗？
开源代理可以免费安装和使用，无需购买 OpenCode Zen 或 Go。用户仍然需要访问模型，该模型可能来自免费模型、已有的受支持订阅、本地部署或付费 API。
OpenCode 使用什么许可证？
官方 GitHub 仓库以 MIT 许可证发布。各组织应自行审查仓库及其依赖项的许可证，以满足自身的合规要求。
相关工具
- OpenCode：官方开源编码代理产品及下载页面。
- OpenCode Zen：针对编码代理工作流测试过的模型的按需付费网关。
- OpenCode Go：针对精选开放编码模型的低成本订阅服务。
- Models.dev：一个包含模型能力、提供商、上下文长度和定价的开源数据库。
- OpenCode Enterprise：面向组织的集中配置、单点登录（SSO）和内部 AI 网关支持。
- GitHub Copilot：OpenCode 官方网站上列出的受支持订阅选项之一。
相关链接
- OpenCode 文档：官方安装、配置、初始化和使用说明。
- OpenCode GitHub 仓库：源代码、MIT 许可证、版本发布、问题和贡献历史。
- OpenCode 模型文档：关于受支持提供商、模型选择、变体和本地模型的官方详情。
- OpenCode Enterprise 文档：数据处理、所有权、定价模式、单点登录、网关和部署指南。
- OpenCode 数据面板：公开的模型使用情况、令牌数、成本、缓存、市场份额和地理数据。
- Models.dev GitHub 仓库：开放模型与提供商数据库的源仓库。
- Y Combinator 对 OpenCode CEO 的采访：该采访报道了 OpenCode 近期的增长及其中性框架战略。
总结
OpenCode 的成长源于其占据了一个模型实验室在结构上不太可能占据的位置：一个开源的、模型中立的编码接口，同时支持专有模型、开放权重模型和本地系统。
其创始人报告称，公司增长迅速，每天处理约七万亿个令牌，推理和订阅产品的年化收入合计运行率接近 6000 万美元。这些数字是公司自行报告的估算值，当前主页展示的月度开发者数量有所不同。
商业策略是将免费的开源应用与 Zen、Go 和 Enterprise 服务相结合。技术策略则正从基本的模型选择转向编排，即一个强大的主模型可以将任务委派给成本更低的模型。
或专门的子代理。
OpenCode 更大的启示在于，更快的代码生成并不会消除对产品判断力、架构设计、品味和严格发布管控的需求——反而使这些人类职责变得更加重要。