Jcode 开源终端 AI 编码 agent，每会话仅占 10 MB 内存

Jcode 是一款面向终端的开源 AI 编码 agent，使用 Rust 编写，由 Y Combinator 提供支持。官方将其定位为 Claude Code、Cursor Agent、GitHub Copilot CLI 等同类工具的替代方案，核心卖点是极低的资源占用和对大规模并行会话的支持，使开发者可以同时运行数十个 agent 而不受内存限制。

产品定位与三大设计主张

Jcode 团队公开阐述了三个核心信念：

并行是编码生产力的最大杠杆——开发者不应等待 agent 完成，而是同时分发多个任务，吞吐量随并发数线性增长。
Harness（围绕模型的工具链、上下文、记忆与反馈机制）与模型本身同等重要，且能跨模型版本持续复利。
开发者工具必须开源——能读写代码、执行命令的 agent 必须可审查、可修改，因此 Jcode 采用 MIT 许可证。

资源效率基准对比

Jcode 的差异化优势集中在内存占用与启动速度上。官方在同一台机器上对真实启动过程采样，给出了与主流工具的对比数据：

每多开一个会话的额外内存（PSS）：Jcode 约 10.4 MB，远低于 Claude Code 的 212.7 MB（约 20 倍差距）、OpenCode 的 318.4 MB（约 32 倍差距）、GitHub Copilot CLI 与 Cursor Agent 的约 158 MB。
首次输入就绪时间（输入回显出现）：Jcode 48.7 ms，Claude Code 为 3512.8 ms（约 72 倍差距），Cursor Agent 为 1978.7 ms。
首次渲染时间：Jcode 14.0 ms，Claude Code 为 3436.9 ms（约 246 倍差距），GitHub Copilot CLI 为 1518.6 ms。

Jcode 还提供了「群 Swarm」演示，展示同时运行 20 个 agent 的场景。

评测方法的新尝试

针对现有公开 benchmark 容易泄漏到训练语料、私有 benchmark 又难以验证的痛点，Jcode 团队设计了一类新基准，官方称为「optimization task」：

题目无标准答案，从结构上避免污染；
以优化深度计分，理论上不封顶，可持续拉开模型能力差距；
评分完全确定性，同一提交永远得到同一分数；
分数轴连续而非离散 pass/fail，能区分同一任务完成度内的能力差异；
允许 agent 自由分配时间，不强制超时，鼓励长程行为；
提供参考实现作为起点，防止低水平作弊，但不影响前沿探索。

以「float-print」任务为例，团队展示了 Jcode 与 Claude Code（Opus 4.8 高思考档）随时间的得分曲线，作为 harness 层差异的实证。

安装与获取

Jcode 支持通过一行命令安装：curl -fsSL https://jcode.sh/install | bash。项目主页、文档、定价页与 GitHub 仓库均已上线，源码采用 MIT 许可证，所有性能数据与测量方法均对外公开。