祝贺发布。一位在本地运行智能体的用户提问：你们如何处理多次运行之间的文件系统状态？他大部分智能体工作并不耗费大量算力，真正耗时的是搭建和销毁环境这一循环。他还想了解最便宜档位的冷启动耗时，因为对需要串联许多短运行的人来说，这个数字很关键。

有本地运行 agent 的人问：Agent37 如何处理两次运行之间的文件系统状态？大多数 agent 工作并不消耗大量算力，真正耗时的是环境的准备和销毁周期。另外想了解最便宜档位的冷启动时间，这个数字对需要串联许多短任务的人来说很关键。

你们身处一个竞争极其激烈的领域。这类东西做起来很有趣，很多工程师最终都会自己造。不是打击你们，但靠卖这个服务很难获取太多价值，因为资金雄厚的对手可以亏本卖这些功能，引导你去用他们利润更高、粘性更强的数据库和其他产品，这会导致一场逐底竞争。随着你们更清楚如何把这项技术推向市场，或许可以考虑更贴近人们真正需要 agent 去完成的工作：有了这项技术，你们能做好什么？例如我在医疗管理行业，我们在 Firecracker microVM 上自建了 agent 沙盒基础设施，解决的场景和 Agent37 类似。我们永远不会把它卖掉，这是我们做医疗任务的竞争优势。

同意，这个领域竞争极其激烈。光是我们这届 YC 里，可能就有 5 家以上公司在做类似的事。不过有意思的是，至少目前大家都在快速增长，这算是个好迹象。但最终随着各自专业化，我们会走向略微不同的方向。

很高兴听到你们在增长，不过我的话你们随便听听。极其便宜的 AI 听起来很棒，人们也乐于接受“免费的东西”；但你创业应该不是为了白送。除非你有其他捕获价值的模式（比如 Meta 用 Muse 免费送小型计算机），或者在底层算力上有可持续的价格优势（比如你是英伟达，能大规模自产）。卖每月 5 美元的东西给开发者，很难做成可持续的生意，毕竟 AWS、GCP、Azure、Cloudflare 早就拿着我们的信用卡了。要是我，我会想办法收更高的费用，去卖你让客户做成的工作价值，而不是底层资源的成本。

我想把本地工作从 MacBook Pro（M1 Pro / 32 GB）上挪走，因为要跑很多 Android 应用，模拟器加上其他东西快把我折腾死了。我有一堆 Daytona 额度，但在升到 tier 3 之前限制太多，基本没用。你们看起来比 https://boat.dev/ 略便宜，但存储少一些？除非我搞错了，这是和你们定价最接近的。你们两家还有别的区别吗？另外我会把你们加进我维护的沙盒服务商列表：https://engine.build/lab/agent-sandboxes。

沙盒看起来有点商品化了。到了 2026 年，你不可能靠一个只是加了点 agent 友好功能的虚拟机做出 10 倍改进。因此作为初创公司纯粹拼价格不是好主意。就像你们说的，超大规模云厂商利润率极高，但如果这成了真正的市场，他们会降价，甚至愿意亏本把你挤出市场。没有硬件创新，我看不到这能行得通。就算走定制化路线，同样没有护城河，竞争对手一堆。

最近 Travis Kalanick 在一个播客里谈过这个，讲初创公司相对于在位者的优势。我的理解是：如果初创公司拼价格，在位者别无选择，只能先让它拿到一大块市场份额。因为对手是个没名气的初创公司，在位者跟进降价成本太高。所以他们得等你足够成气候，才值得在那个维度上竞争。我认为这是获取市场份额的楔子，以后再靠别的方面竞争。

这之所以商品化，不是因为在位者拥有市场份额，而是因为拥挤的市场里有几十家供应商。所以很可能发生价格上的逐底竞争。另外我讨厌套用知名软件公司高管的建议，这不是一刀切的事。Uber 的策略和特斯拉非常不同，特斯拉又和亚马逊非常不同。

切下一块市场份额、以被收购退出为目标，也是一种合理的赢法。长远来看这对消费者也有利，最终会迫使竞争和降价，打破价格领导格局。

除非初创公司有大量免费资金，否则怎么跟在位者打价格战？现在除了在位者，没人再有大量免费资金了。初创公司拼价格通常不是获胜策略，除非有某种技术优势能改变价格曲线；靠补贴去打价格战是行不通的。

我们是后者。即使在这个价位，我们也有健康的利润率，所以其实不需要很多钱就能和在位者竞争。

你不觉得这听起来好得令人怀疑吗？一个刚创造出来的产品领域，利润率极高，还很容易参与竞争？容易竞争加上高利润，会引来大量拼价格的对手，导致商品化、利润率下降，这可不妙。

gVisor 的安全性不如虚拟机；但首页拿它和虚拟机比价格，这并不对等。

这说法公平。功能上，基于 gVisor 的沙盒必须限制网络等方面的能力来弥补安全性。但我看到的用例里，超过 80% 并不需要更多功能。

有个小抱怨：用户成功案例明显像是 Claude 写的。我取消 Claude 订阅改用 Codex，部分原因就是完全看不懂 Claude 的文风——不是说它有错，而是实在难以理解。你们自己对比下面两段看看（后者是用 GPT-6 Luna 写的）：第一段是 Hermes agent，一个客户对应一次 API 调用，返回常驻 agent，持有客户数据、身份和支出上限，启动后就在 OpenAI 兼容端点上响应，接入就像配个 base URL。第二段是 Boon，一次 API 调用为客户配置 agent，每个 agent 有独立数据和身份及支出上限，暴露 OpenAI 兼容端点，配置 base URL 即可连接。

你说得对，我也极其讨厌 Claude 的文风，写代码时看到它的回复都觉得烦。Luna 这点很有意思，我没想到 GPT 模型写作好这么多。我会再改一版这些文案。

沙盒这部分确实在商品化。更难的是 agent 在沙盒里能碰到什么。你接入 Google，agent 就能访问所有东西。沙盒保护主机，但不保护你的令牌。按任务发放有范围、短时效的凭证，这个我愿意多花钱。你们 roadmap 上有吗？

短时效令牌只能限制凭证的有效时长，有总比没有好，但在有效期内它阻止不了 unwanted 操作。实用的模式是外部 broker：guest 永远看不到真实凭证，也不能自选目标，只能走允许列表里的路径。我维护了一个这样的 broker（无耻自荐）：Plimsoll 的 broker 位于沙盒外部，自己注入上游凭证，匹配方法和精确路径（不允许 query string、目录穿越、编码技巧），并强制总调用预算和按路由上限（有些限制我还在改进）。这样即使底层 key 很粗，任务也能被授予“GET /items/* 加最多一次作业提交”。如果你们想为 key 依然很粗的服务做更窄的凭证，可以看看：https://github.com/plimsollmark/plimsoll（文档 capability-grants.md，以及 broker 演示 https://plimsollmark.github.io/plimsoll/trainers/brokering.html）。

几周前我用 Agent37 做了个原型，体验很棒。冷启动时间稍微有点烦人，但成本很有吸引力。

谢谢！很高兴听到这个。我们现在有几种不同类型的沙盒。默认类型针对成本优化，所以冷启动时间更高；但我们也在推出 performance 和 full VM，在其他指标上表现更好。

我们网络层确实用了 Cloudflare。但 Cloudflare 的沙盒比大多数都贵，我们的成本大约比它低 30 倍。

对，主要因素就是我上面列的那些。比如跳过超大规模云厂商，直接租裸金属服务器，性价比最高。AWS 有 80–90% 的利润率，所以必须直接租裸金属。第二个大杠杆是能在 pod 唤醒时把它们放到有足够 CPU/RAM 容量的宿主机上。Agent 工作流是尖峰式的，不是每个人都会一直占满所有核和内存，这让你可以做调度优化，再往下还有小优化。

挺酷，定价确实吸引人。不过沙盒服务商一大堆。你们说看 agent harness 时……通过 CPU/RAM 利用率能降成本。现在具体怎么运作？harness（假设指 agentic loop）是位于单独的 VM 里，每次 loop 运行调用一个单独的沙盒 VM 吗？

对，每个 harness 都跑在自己的沙盒里。harness 本身就是个 docker 模板，里面预装了某个 harness（比如 openclaw、hermes、claude code、opencode、pi、grok 等）。为了方便和跨 harness 统一 API，我们还开源了 Gateway API：https://github.com/agent37-platform/gateway，可以把它看作 Agent harness 的 Open Router。默认模板里也会跑这个并暴露 API，这样用任何 harness 都很容易，因为它们都说同一种 OpenAI responses API 格式。

顺便说一句，我这几天在研究怎么把一台单独的 Linux 机器做成 agent “游乐场”。我用 Mac mini 当主力机，Linux 机空出来了，想搞个本地环境：个人机器管得严一点，Linux 机上的 agent 几乎放权。这就像这些商业项目的本地托管版。但我现在是临时拼凑。这个领域似乎该由开源来填补。现在有什么选项？我买了 Codex 和 Claude Code 的 pro 计划，额度够跑几个实例，想通过 tailnet 从 Mac mini 控制它们。现在有什么现成的？

我做了几个月这个开源项目，今天刚建了产品站：https://yaac.dev/。你可以在 Linux 机上跑 agent，或者用沙盒（通过 kind 跑在 kubernetes 里），或者无容器（“完全放权”），并托管在 tailnet 上。桌面应用提供聊天或终端界面，也能通过浏览器（比如手机）访问。一个限制是它假设你用的是 GitHub repo，每个 agent 会话有自己的 clone。有问题可以发邮件给我（GitHub 里有链接），我很乐意帮忙。

我现在在 Proxmox 集群里跑几台 VM 当沙盒，和不同的推理机通信，全部自托管（所以也不用担心“额度够不够”）。

我在 Fedora 上调研了 podman，它更轻量，也不太绑定商业版 Docker。但我的结论是，连 podman 都有点超出实际需要。Opus 5.5 和 Sol 6.1 都建议直接在机器上建一个 agents 用户，把共享的开发凭证放在 ~/.config/agents 子目录里。但整套设置有很多琐碎细节：比如确保服务在开机而非登录时启动；给开发资源（我主要用 Postgres 和 Redis）加隔离，避免 agent 互相干扰；还有配置 GitHub Apps 让归属正常；以及 Claude 的“远程控制”功能对比一个能 ssh 进去的持久 tmux。我还能列举下去，但大家应该懂了。其实我挺惊讶开发者对这个讨论得不多。

自托管的云产品非常接近我想象中的商业服务。它的文档也最少，这很合理。我猜我想做的是小众场景，大多数开发者要么在本地跑，要么用云。因此商业服务显然会想支持本地，同时提供低摩擦的入口引导到他们的商业云产品。

我推荐列表里的 “byre”（我写的）：https://pleasedonotescape.com/。你可以把想要的凭证注入进去，但它碰不到主机。我所有编码 harness 都跑在里面。说到底，它是一种灵活、可复用的方式，用来为 agent 启动 Docker 容器。

谢谢资源，这种汇总很有用。快速看了一下，分类有 Local、vendor-managed、Hybrid。我在找介于本地和托管之间的东西。某种意义上，我想让那台单独的机器本身就是沙盒，而不是在本地机器上用容器或 VM 隔离出一个沙盒。这种设置有自己的约束，VM 或容器并不直接解决。

不错，正好引起我注意了。我要去注册。Cursor / GrokBot 已经给了我这个，但我想重建一套做备份，避免被锁死。这方向感觉是对的：把这些东西从桌面挪走，然后用手机跑一切。

我用你们服务几个月了，设置和使用非常简单。我是在银行不让我付钱给 Hetzner 之后注册的。我的用例是玩 hermes。用了一阵，但后来不太喜欢（整个设置被文件堆满，乱七八糟，是我的问题）。我还没完全想好以后怎么用，但确实觉得设置超级简单。唯一反馈是：上次看的时候，Google 集成的某些 connector 简直是隐私噩梦。Google 的 AI API 界面和设置糟糕透顶。如果能简化 Google AI/服务集成，又不必交出我用的所有 Google 服务的访问权限，就好了。

谢谢，很高兴听到这个。connector 方面我们提供托管的 MCP，比如 Composio、BraveSearch，甚至有个 LLM gateway（路由到 openrouter）。目前我们只是做直通，不打算在那上面做更多。因为早期客户大多只是发布 Hermes、OpenClaw、Claude Code 这类个人 agent，想要简单的白标设置。不过现在已经扩展到纯沙盒用例了。

我看到“2 vCPU 和 4GB”，下面又写“4 GB persistent disk”，还以为 4GB 是磁盘不是内存。但其实它是 4GB 内存 + 4GB 磁盘。

太棒了！我们在用 Box（现在叫 Boat dev），你们是第一个看起来更划算的服务。我们会去了解一下。祝一切顺利。

挺酷，正在试。免费档用的是什么 LLM？我很惊讶不用提供 API key 就能跑。模型自己似乎也不知道：“这次运行标为 agent37/default。这是我看到的配置模型名；它不会透露映射到哪个底层模型/供应商。”

agent37/default 模型我们用的是 OpenAI Luna。除了沙盒，我们也有托管的 MCP 和自己的 LLM gateway，让托管 agent harness 更好搭。大多数客户托管 hermes、opencode、claude code 等，需要更简单的设置，所以我们干脆提供了自己的 LLM gateway，开箱即用搭配沙盒。

另外好奇这是设计还是 bug：QM agent 说“public-web reader 额度用完了，本次会话不能直接抓取”。我想让 QM agent 读我的网站，但它说额度超了。直接抓取 URL 也设额度有点奇怪。套餐说明里提到搜索有额度（这合理），但没提直接抓取 URL 也有。补充：换 Hermes agent 再试就好了。第一次用 QM，可能得配置一下能力。

QM agent 和典型 harness 有点不同。遇到需要做更多研究的任务时，它有时会为每个用户启动一个单独的沙盒来做重活。因此它需要 workspace credits 来生成新沙盒，尤其是刚用免费 agent 的时候。

cronjob 怎么运作？比如我让 agent 设个每天检查一次邮件的 cronjob，沙盒会怎么表现？是不是有一层会拦截 cronjob 创建，并在 supervisor 上设个提醒来唤醒 VM 跑 agent 任务？

我见过有人设每 15 分钟跑一次的 cron，结果 agent 每次都跑，哪怕没事可做，不小心花掉一大笔钱。你们有没有办法先做个便宜的检查，只在真有事情需要处理时才唤醒 agent？

哈哈，这功能在待办列表里躺了一阵了，但到目前为止没客户要求过。不过用那个 harness 打个自定义 Docker 镜像来用也很容易。

我在上面另一条评论里详细回答过了，基本就是跳过超大规模云厂商，并根据可用资源更高效地放置 pod。

我还没用过沙盒，不过一周后开始的新工作打算做些实验。你们和 fly.io 的 Sprites 比怎么样（Sprites 在我待试清单最上面）？

能力上和 Sprites 类似，所以能用 Sprites 就能用 Agent37。我们还比他们便宜约 94%。Fly 资格老，品牌很响，有分发优势。但考虑到竞争这么激烈，我觉得他们最终也得占据某个细分领域，而不是只做一家通用沙盒公司。

我最近碰到同届另一家 YC 创业公司在做一样的事，好像叫 maritime。YC 同届越来越像饥饿游戏了。我也知道几家公司里这只是一个功能，比如在 DigitalOcean 里就只是个功能。

我挺想看看历届 YC 里创业公司重叠的统计。我感觉这一直都有。根据当前市场/技术前沿的位置，有些赛道非常“创业公司形状”。用类似标准迭代想法的创始人，往往会扎堆，尤其在加速器环境里。不过如果能看看随着时间推移（至少从 AI 市场爆发以来）这种现象是否更普遍，会非常有意思。

也有趣看到创业公司的朋友来评论、试图顶这个帖子，这违反指南，不过算了。

哈哈，确实变得有点像饥饿游戏了。看到同届创业公司之间重叠这么多，我是真惊讶。

兄弟，这缺乏理解和洞察，也太天真。这不是逐底竞争。LLM 才是赢家通吃的市场。竞争对手互相压价是为了最终胜出。一旦出现赢家，就会有价格回调。在你们这种情况下，把自己定位成便宜供应商本质上是个坏主意。

“一旦有赢家就会有价格回调。” 这只有在存在某种锁定，或者其他家都倒闭的情况下才会发生。两者概率都很低。我敢友好地赌一把：未来两年 token 成本不会上涨。

这是业内所有人都指望的第一种情况。我说“赢家通吃”是从公司角度说的。这会像可口可乐对百事可乐：一家公司选可乐或百事作为供应商，不会两个都选。我认为模型领域会出现双寡头。

不过这在沙盒领域还没发生。比如 Modal 很早就在做，但你看到 Daytona、E2b 和很多其他家也活得不错。和 LLM 不同，这里的切换成本并不小。

有意思，我查了一下。t4g.nano 是 2 vCPU 但只有 0.5 GB 内存，这是个权衡。据我看，随着内存增加，Agent37 大约便宜 5 倍：我们 2 vCPU / 4 GB 的机器是 $4.94/月（磁盘 2/4/6 GB），而 AWS 真正的 2 vCPU / 4 GB Graviton 机型 t4g.medium 大约 $24.50/月。

Vishnu 你好，恭喜发布。YC 里还有一家更便宜的沙盒（boat.dev）。你们和他们比怎么样，为什么比他们更便宜？

真好笑，我刚也问了同样的问题。不过我快速查了下，boat 稍微贵一点，尽管存储空间更大。

那 Maritime.sh（也是 YC 的）呢？我发誓旧金山所有人都在造一样的东西。哈哈。

讨论气氛以祝贺开场，但很快转向对赛道的质疑：较多人认为智能体沙箱已经商品化，单纯便宜和“带几个智能体特性的虚拟机”很难形成十倍差异或长期壁垒；少数人有低成本、易上手的正面体验，而真正反直觉的焦点是沙箱只保护宿主机、并不保护令牌与凭据，细粒度短期凭证才是更难的问题。

认为沙箱正在商品化，纯价格战缺乏护城河

• 同类服务已经很多，YC 同批就有团队在做同样的事，DigitalOcean 等大厂甚至只把它当作一个功能；赛道被形容为“饥饿游戏”（较多人）。
• 评论认为到 2026 年沙箱基本只是“带几个智能体友好特性的虚拟机”，很难做出十倍差异；超大规模云厂商可以亏本倾销把创业公司挤掉，没有硬件创新就很难成立（较多人）。
• 低价到底如何实现被反复追问：是否靠快照、睡眠与按需唤醒，或是智能体执行框架与沙箱虚拟机分离的架构？这折射出大家对价格优势能否持续的怀疑（较多人）。
• 有人用一句玩笑总结这种情绪：直接开一台 EC2 t4g.nano 就够了（少数人）。 > 直接开一台 EC2 t4g.nano 就够了（@pranshuchittora）

建议把能力下沉到具体工作流，而非只卖通用沙箱

• 卖通用沙箱很难捕获价值，因为大厂可以把它作为数据库等高利润产品的引流功能亏本提供；更好的路线是靠近人们真正需要智能体完成的具体工作，例如垂直行业流程（少数人）。 > 卖通用沙箱很难捕获价值，不如靠这项技术去贴近人们真正需要智能体完成的工作（@mparis）

肯定产品易用、便宜并愿意尝试或已经在用

• 已有用户表示上手非常简单，有人因银行无法向 Hetzner 付款而转用它跑 Hermes（少数人）。
• 有人已经在原型中使用，认为体验很棒、成本有吸引力，只是冷启动稍慢（少数人）。
• 准备注册或正在评估的人看重它能把智能体从本地桌面搬到云端、用手机驱动，并作为避免锁定 Cursor / GrokBot 的备份方案（少数人）。
• 相比 Boat.dev 等同类，Agent37 首次显得更便宜，因此有人愿意探索（少数人）。 > 几周前用它做原型，体验很棒，冷启动只是稍微有点烦，但成本很有吸引力（@JHM168）

指出沙箱隔离不等于凭据安全，细粒度短期凭证才是痛点

• 沙箱保护的是宿主机，不是令牌；把 Google 等账号接进来后，智能体往往会拿到过宽权限，OAuth scope 太粗且智能体以用户身份行事（少数人）。
• 评论希望提供按任务发放的细范围、短生命周期凭证，并问这是否在路线图上；仅靠 TTL 不够，refresh token 和凭证代理机制在 Google OAuth 下很难做（少数人）。 > 沙箱保护宿主机，但不保护你的令牌；按任务发放的短生命周期凭证才是我愿意多花钱的东西（@talkarimli）

认为 gVisor 隔离弱于虚拟机，与虚拟机比价并不公平

• 如果沙箱实际基于 gVisor，它的隔离性低于真正的虚拟机；官网把价格与虚拟机直接对比并不等价（少数人）。 > gVisor 的安全性其实不如虚拟机，而首页却拿它和虚拟机比价，这并不对等（@lasiotus）

有价值的补充

• 免费层到底用了哪个大模型仍不清楚，且它没要求 API 密钥，模型本身也不知道底层映射到哪个服务商（@olalonde）。
• 有人问是否基于 Cloudflare，或与 Cloudflare Agents 如何比较；也有人问为什么列出的智能体执行框架里没有 DeepSeek Harness（@asadm、@karmakaze）。
• 合规与开源方面，有人直接问签署 BAA 的周期，也有人问核心是否开源，并注意到 SOC2 仍在进行中（@ghm2180、@xinweihe）。
• 规格上，2 vCPU / 4GB 实际是 4GB 内存加 4GB 磁盘，不是只有 4GB 磁盘（@ed_mercer）。
• 工程细节上，冷启动时间、多次运行间的文件系统状态保持，以及 cronjob（定时任务）如何被拦截并在监管层唤醒虚拟机执行，是链式短任务场景的关键（@JHM168、@mohamed01121986、@pgcosta）。
• 自建替代方案中，有人用 Firecracker microVM 在医疗管理场景搭建类似基础设施，并把它当作竞争优势而不对外售卖；也有人想在本地用 Mac mini 经 tailnet 控制一台 Linux 机器做智能体实验环境（@mparis、@stillpointlab）。