16万星的OpenCode彻底重写：API全部重做、Bun换Node、桌面端迁移Electron

2026 年，OpenCode 已经是一款现象级的开源项目了：GitHub 上超过 16 万颗星，每月有超过 750 万开发者在使用它。 就在这个月，他们发布了 2.0 测试版。 为什么重写？Dax 说过一句话：“我整个职业生涯里，每件事都要迭代三次才能做对。”OpenCode 0 是原型，1.x 是验证，而 2.0 是在他们完全理解了这个领域之后，一次从头开始的彻底重构。 这次重写核心工作之一就是重构整个API，做一个精心设计的，而不是像以前那样自然生长出来的东西。 并且OpenCode与Claude Code一个很大不同的地方是从Bun迁移到了Node来解决内存占用问题。早期版本的应用程序仍然捆绑了命令行界面 (CLI)，因为服务器代码仍然依赖于 Bun 特有的 API。随着迁移，他们移除了所有这些 API，并能够在 Node 环境下运行服务器。 网友：OpenCode实在太吃内存了。我真的无法理解现代软件怎么会变成这样，为什么随便一个东西都要占用 2GB 以上的内存？ Dax：能试试 OpenCode 2 吗？它的表现应该会好很多。 桌面端也是这次重写的另一个重点。1.x 的桌面端最初选择 Tauri 作为 Web UI 和 CLI 的轻量级封装，每次启动时，捆绑的 CLI 会运行 opencode serve，为 Web UI 提供本地服务器连接。但问题在于，Tauri 在 macOS 和 Linux 上使用 WebKit，这不仅在渲染 OpenCode 的应用时性能不如 Chromium，也影响了一致性体验。 而迁移到 Node 之后，直接在 Electron 内置的 Node 进程中运行服务器代码的想法就变得很有吸引力了。 这次重写带来的一个直接变化是，OpenCode 桌面版终于解决了 AI 编程中最大的效率瓶颈：排队等待。大多数用户仍然习惯等一个 AI 任务完全跑完，再启动下一个。现在完全不需要了。用户可以在多个标签页中打开各自独立的 AI 会话，同时执行两个不同的编程任务，还能为每个标签页指定不同的模型，进行并排对比。比如一边让一个模型构建 HTML 网站，另一边同时生成会员入门清单，两个模型并行工作，互不干扰。 在过去重写OpenCode的这几个月里，OpenCode 联合创始人 Dax Raad 的团队 token 消耗量暴涨了 5 倍。 “我们把token花在了哪里？我们的策略是，奢侈地过度设计一切。 哪怕是实现一个简单的读取文件的API，我们也要思考：所有可能的实现方式是什么？其他产品有哪些先例？可以用哪些不同的方式组织响应？以前你可能只能想出一两个方案，然后选个最好的，但现在我们可以非常奢侈地投入。” OpenCode 2.0 的测试版已经在这个月发布，正式版预计一个月后推出。日前，Dax Raad在Syntax.fm播客中，深入探讨了 OpenCode 2.0 的重写逻辑、为什么他认为推理利润率高到 90%、模型路由被高估了、Anthropic 和 OpenAI 正在走向完全不同的两条路。本文基于该播客视频整理，经InfoQ编辑。 太长不看版： Q：那个“不能说的模型”到底有多厉害？你们团队真的上瘾了？ A：团队 token 消耗量两个月内涨了 5 倍，不是因为它更费 token，而是因为大家都停不下来了。你终于可以信任它了，它会听你说什么，能捕捉到你遗漏的东西。它不是一个替代你的人，是一个更好的搭档。 Q：OpenCode 2.0 为什么要重写？跟 1.0 有什么本质区别？ A：我这辈子“每件事都要做三次才能做对”，0 是试水，1 是验证，2 是在彻底理解整个领域之后推倒重来。OpenCode 2.0 有三个核心变化：API 全部重做、默认以服务常驻运行、跨设备智能体网络。 Q：你们的软件为什么比别人的好用？方法论是什么？ A：“决定在乎”，真金白银地烧 token，投资底层原语。 Q：模型路由靠谱吗？ A：模型路由赛道被高估了，中间商在拼命找事做。真正有效的办法不是让路由系统帮你切模型，而是让一个贵的主模型当“指挥官”：它不亲自干活，只派发任务给便宜的子代理。新一代模型在这个“编排模式”上表现得非常好，能在一个会话里并行管理多个子代理，做完了再唤醒主模型。 Q：AI 推理到底有多暴利？本地跑模型能省钱吗？ A：Anthropic 和 OpenAI 的推理利润率在 90% 左右，也就是说盈亏平衡点可以比现在便宜 10 倍。OpenCode作为推理服务商，即便经过中间商倒手，某些开源模型还能做到 70% 的利润率。但本地跑模型省不了钱，任何让本地变便宜的效率提升，放到云端会便宜 10 倍。本地模型的意义在于隐私，不在成本。 Q：为什么 Claude Code Max 订阅不能用在 OpenCode 里？ A：Anthropic 和 OpenAI 的企业文化完全不同。OpenAI 是消费者导向，烧多少钱都愿意把体验铺到更多人手里。Anthropic 是企业导向，每一份 GPU 算力都有销售等着卖给企业客户。本质上是“漏斗”逻辑：Anthropic 希望用户从 Claude Code 进来、最后落到按 token 付费的企业方案；如果中间被 OpenCode 截胡了，用户可能就流向别的模型了。 Q：语音输入提示词是认真的吗？ A：OpenCode 整个团队已经不用键盘打字了，连 Discord 互相发消息都用语音。LLM 天然擅长理解混乱的表述，最终输出的质量反而更高。 Q：我们最终能有一个真正有意义的基准测试吗？ A：我已经完全不看基准测试了，分数涨了对实际开发能有什么影响？我更关注团队 token 消耗量的变化趋势，如果用量在涨，才说明模型真的好用。 配置远程开发环境 Wes：你发了条推文说：“我们开始租大型裸金属服务器，然后切成虚拟机分给团队每个人。这基本就是我这些年一直在用的配置，尤其对跑OpenCode服务器来说特别好用。”你是在干嘛？给每个人分配远程算力？ Dax：大概两年前，我就开始租一台非常强悍的服务器，不是云服务器，是裸金属，性能相当好。我不再用本地主力机工作，直接SSH连上去。我开着永久的好几个Tmux会话，所有工作都在上面完成。好处很明显：性能好，新硬件出来直接升级，不用倒腾旧设备。而且多设备切换极其方便，合上笔记本，跳到台式机上，直接从刚才的地方继续干。我一直很喜欢这套方案。 随着编码 Agent 出现，我觉得这东西从一个小众玩法变成了刚需。大多数人还是喜欢用本地电脑，这没问题。对编码 Agent 来说，有一个永远在跑的远程机器优势巨大。我是Vim用户，远程工作完全没问题。对很多人来说这不太现实，但有了编码 Agent，你可能不那么在意编辑器了，你只想发Prompt跟它聊天，所以这套远程机器方案对更多人变得可行了。 随着团队扩大，更多人看到我的配置后都说“我也想要一个”。这确实很合理，大公司其实早就因为实际原因在做远程开发环境了，你的应用构建方式、依赖、环境都变得非常定制化。给每个人预配好的机器直接上手，是顺理成章的事，我们只是为团队做了同样的事。但关键在于：如果你用普通的云服务器，磁盘通常很慢，CPU也很老旧。要获得能和本地MacBoo