该项目由 Antigma Labs 开发，以 Apache 2.0 协议开源，近日出现在 Hacker News 首页并获得 90 分推荐。开发方给它的定位相当直白：功能对标 Claude Code 与 Codex，但不带这两者的依赖负担和模型限制。

跑分公开可查，资源占用只有零头

多数智能体项目都会自称性能优秀，Ante 的做法是把评测过程直接摊开。项目在官方排行榜约束条件下持续运行 Terminal-Bench 2.1 基准测试——89 项任务，每项跑 5 次。最新一轮完整测试的成绩为 82.7%，共 368 次通过、总计 445 次试验，使用的模型是开源权重的 DeepSeek V4 Flash 0731，对应版本为 Ante 0.preview.71，整轮推理开销约 68 美元。作为交叉印证，DeepSeek 官方用其尚未公开的 Harness 在最简模式下测试同一模型，给出的分数同样是 82.7。

每条评测结果都会锁定可下载的具体构建版本，并附上原始运行记录的链接，供外部独立复核，而不是只丢出一个数字。

资源开销的差距更为直观。在 Docker 环境中执行同样的 20 项并行任务，Ante 的峰值内存占用约为 Claude Code 的七分之一，平均 CPU 占用约为九分之一，磁盘读写量约为五分之一。

这套数字背后是一个具体的工程取舍：整个程序用 Rust 手写，把 Grep（经过完全重写和定制）与 git 这类高频组件直接嵌进同一个二进制、同一个进程内运行，不再向外调起子进程，也就不存在资源泄漏的问题。本地推理则交给一个版本固定、由项目自行管理的 llama.cpp。

断网跑完整流程，不需要 API 密钥

原生离线是 Ante 最有辨识度的一点。内置推理引擎让整个工作循环可以完全留在本地：指向一个 GGUF 格式的模型文件，不需要 API 密钥，不需要注册账号，也不需要网络连接。

ante --offline-model ~/.ante/models/Qwen3.5-9B-Q4_K_M.gguf \
  -p "add error handling to src/main.rs"

联网使用时，Ante 开箱支持 12 家以上的模型供应商，包括 Anthropic 的 Claude Sonnet 4.5 与 Opus 4.6、OpenAI 的 GPT-5 系列、谷歌 Gemini 3 系列、xAI 的 Grok 4、OpenRouter，以及 Vertex AI 等兼容 OpenAI 接口的服务。切换供应商没有绑定成本，自带密钥、订阅账号或本地模型均可，官方明确表示不要求注册任何账号。

运行方式分为四种：ante 进入交互式终端界面处理日常工作；ante -p 以无头模式执行一次性任务，适合脚本与持续集成流程；ante serve 通过 JSONL 协议对外提供服务，供编辑器插件调用；ante gateway 则可以把它挂成 Slack 或 Discord 机器人。多智能体编排、自定义技能、MCP 支持与跨会话记忆也都在功能清单内。

开源了哪些部分，又有哪些没开

需要说清楚的是，Ante 目前处于 Alpha 预览阶段，官方提示会有破坏性变更和功能缺失，且仅支持 macOS 与 Linux，Windows 用户建议通过 WSL 使用。

仓库开源的内容包括：完整文档站、ante serve 使用的协议定义与 Rust SDK、支撑 Terminal-Bench 成绩的评测适配器（任何一轮结果都可据此复现），以及已经稳定的核心库如独立进程执行模块。核心的 harness 本身在 Alpha 期间仍在私有仓库开发，以预编译二进制形式随版本发布，稳定一块开放一块。

项目名字本身是个双关：既是「Another Terminal agent」的缩写，也指牌桌上入局要先押的底注。开发方给出的长期设想是所谓「细胞原生」智能体——像生物体内的细胞那样微小、可随时丢弃、能大规模复制。按这个思路，可验证、够便宜、随处能跑三件事其实是同一个设计决策：只有轻到能成千上万地铺开，智能体才谈得上自组织。

对于关注本地化部署、注重数据不出机器，或者单纯受够了动辄数百 MB 客户端的开发者，这个只有 15MB 的选项值得关注一下。

来源：Hacker News / GitHub（AntigmaLabs/ante）

PostgreSQL 诞生于磁盘 I/O 是主要瓶颈的年代，而如今很多数据集能直接塞进内存，分析负载的瓶颈早变成了 CPU 和内存带宽。pgrust 的查询引擎单独就贡献了约 10 倍的提速。作者用「求前 5 亿个数的和」这个简单查询来量化差距：同样的活，原生 Postgres 在关掉并行后跑了约 20 秒，而一段朴素的 Rust 循环只要 358 毫秒，快了约 55 倍。

差距的根源在 PostgreSQL 使用的「火山模型」（Volcano model）执行器。它要求每个计划节点都实现一个 next() 方法、一次只返回一行。作者照着这个模型写了个迷你版，耗时 1.3 秒——比原生 Postgres 快，但仍远慢于裸循环，因为每行都调一次函数的开销实在太大。

第一招是批处理。把 next() 改成一次返回 1024 行，绝大多数函数调用开销被抹掉，耗时从 1.3 秒降到约 480 毫秒（2.7 倍）。关键是批处理缓冲区分配在栈上，运行时不再频繁申请内存。

第二招是算子融合。既然顺序扫描和求和总是一前一后出现，就把两个节点合并成一个，省掉中间拷贝，直接回到 358 毫秒（3.6 倍）的裸循环水平。作者坦言这算「作弊」，因为写死了特定查询，但 pgrust 真正的通用解法是 JIT 编译——为每条查询现场生成最优代码，从而对任意查询都能做算子融合。

第三招是 SIMD。在 aarch64 架构上用单指令多数据指令一次处理多行，耗时进一步压到 135 毫秒（9.6 倍），比裸循环还快近 3 倍。代价是浮点加法不满足结合律，求和顺序改变会带来微小误差——这也是编译器默认不敢擅自上 SIMD 的原因。

整套基准跑在 AWS c8g.4xlarge（Graviton4、16 vCPU）上，使用 PostgreSQL 18.4、关闭并行、数据预热进共享缓冲、取 5 次运行的中位数。作者总结，正是批处理、算子融合、SIMD 这些底层优化，让 pgrust 的分析查询达到数百倍于 Postgres 的速度。

来源：malisper.me

根子在底层。Cursor 是 VS Code 的衍生版，扛着 Electron 框架，里面打包了 Chromium 和 Node.js——光是把文本文件打开就要启动一整套浏览器内核。它自己又往上叠了 AI 功能、后台索引和项目分析，还没让你跑 agent，资源已经吃一大块。Zed 完全不同：用 Rust 写成，界面走自研的 GPU 加速框架 GPUI，启动、开项目、搜代码的响应都明显更快，日常占用内存也更少。

想从 Cursor 切过来，先做好三件事

1. 直接下载安装 Zed，首次启动选”从 VS Code 导入设置”，快捷键、主题、插件偏好一次带过来，不用从头配；
2. 把 AI 接上：打开 Agent Panel，填自己的 API Key，或连 OpenRouter、Amazon Bedrock，本地模型走 Ollama / LM Studio 也行。Claude、GPT、Gemini 这几个前沿模型都在，想要更强外部能力还能通过 Agent Client Protocol 挂载 Claude、Codex、Gemini CLI 等；
3. 确认常用语言支持：Zed 已内置或通过扩展覆盖 Python、JavaScript、TypeScript、Rust、Go、Java、C++、C#、PHP、Ruby 等数十种语言的 LSP，终端、调试器、任务、原生 Git、SSH 远程、开发容器都自带，多数工作流不用再找替代插件。

它也有短板

说白了，Zed 的 AI 还追不上 Cursor。Cursor 的 Agent 更懂大代码库、会自己攒上下文，还有 Plan Mode、专用子 agent、能脱离编辑器跑的云 agent；Zed 的原生 agent 偶尔得多给点引导。插件市场也比 VS Code/Cursor 小一圈，特别冷门的扩展得自己凑。

我的判断是，个人开发者值得花十分钟换过去试试，流畅度提升立竿见影；但如果你在团队里、得守公司统一工具规范，Cursor 或 VS Code 仍是更稳妥的选择。你被 Cursor 的卡顿劝退过吗？

来源：XDA Developers