印度Soket AI开源智能体框架LOOP：Rust编写可长跑数周，内存占用仅为Claude Code的1/7.7

编码智能体很火，但跑得越久，两个问题越突出：框架本身吃资源，会话状态难管理。10 月 8 日，入选印度 IndiaAI Mission 的班加罗尔研究实验室 Soket AI 在 GitHub 开源了智能体框架 LOOP，用 Rust 编写，官方定位为 OpenAI Codex、Anthropic Claude Code 同类品的开源替代，支持 Linux、macOS 和 Windows，目前为开发者预览版。

长跑智能体的"底座"

LOOP 瞄准的核心场景是连续运行数小时、数天甚至数周的长时任务。它提供几项关键能力：

  • 模型无关：开发者提供模型的 base URL 即可接入任意模型，自托管或走 OpenRouter 都行，不绑定特定厂商；
  • Git 式会话管理：智能体会话可以像代码分支一样创建、暂停、恢复和追踪，上下文压缩时保留会话历史；
  • 多智能体协同：一个大任务可以拆给多个共享内存的智能体并行执行，也支持把单个任务分发到不同代理；
  • 可选隔离：从 rootless 容器到微型虚拟机（microVM），按安全需求自行选择隔离级别；
  • MCP 与技能：完整支持模型上下文协议（MCP），开发者可以自建 MCP 工具；技能和模板通过斜杠命令调用。

这套组合对准的是网络安全、银行、金融、国防等对基础设施控制权要求高的行业——智能体要跑真实的活，但数据和控制权必须留在自己手里。

资源占用：官方实测数据

Soket AI 公布了一组本地对比数据：在八个工作线程、通过 OpenRouter 使用同一个 Qwen 模型的条件下，LOOP 的内存占用仅为 Claude Code 的 1/7.7，本地 CPU 占用仅为 1/17。LOOP 自身内存随工作线程增加从 29 MiB 增长到 223 MiB。

官方同时明确了测试边界：数据只测量框架进程本身，不含远端推理开销，也不衡量模型或输出质量。换句话说，这是"底座轻不轻"的对比，不是"谁更聪明"的对比。

为什么选 Rust 与开源

预览版用 Rust 编写，看重的是低延迟和高资源效率。Soket AI 创始人兼 CEO Abhishek Upperwal 说得直接："再强的模型，单靠自己也到不了巅峰。跑得越久，底座越重要。LOOP 就是那个底座，而且它是开放的。试试看，搞坏它，然后告诉我们你的想法。"

在 Codex、Claude Code 等闭源工具主导的市场里，开源框架的价值在于可控与可审计：企业可以把整套系统部署在内网甚至气隙环境，智能体用什么模型、数据流经哪里，全部自己决定。对个人开发者，则意味着不必把代码和历史会话交给第三方服务。

路线图与背景

Soket AI 的计划还包括沙箱、角色人格、多层记忆、远程智能体、可信远程沙箱和智能体群聊等功能。更长期的野心是训练一个 260 亿参数的开源模型，聚焦数学逻辑与代码生成，并连同 300 亿 token 的训练数据集和完整软件栈一起发布——用开源模型加轻量底座，拼出端到端的私有部署方案。

从社区反馈看，LOOP 与 Pi、OpenCode、Goose 等现有开源智能体框架的对比中，官方称其中位执行时间更短、峰值硬件占用更低。作为刚发布的预览版，它的真实竞争力还要看后续迭代，但"轻量底座 + 模型无关 + 会话可分支"这条路线，正好切中了长时智能体落地的几个真实痛点。

开发者预览版已在 GitHub 开放，支持 Linux、macOS 和 Windows。

来源：ET Enterprise AI、GenAI Daily、Soket AI 官方公告