OpenJarvis开源框架发布：本地运行AI代理，性能接近云端，成本降低800倍

一句话看懂

斯坦福团队发布OpenJarvis，一个完全在本地设备上运行的开源AI代理框架，性能接近云端模型，但成本仅为云端API的1/800。

详细发生了什么

斯坦福大学和Lambda Labs的研究团队于2026年3月12日发布了OpenJarvis框架。这是一个开源、本地优先的个人AI代理框架，把AI系统拆成五个可独立替换的原语：Intelligence（模型）、Engine（推理引擎）、Agents（代理循环）、Tools & Memory（工具与记忆）和Learning（学习优化器），通过一个声明式配置文件（spec）组合。

在8个基准测试（涵盖工具调用、编码、客服、深度研究等508个任务）中，最佳本地模型Qwen3.5-122B平均准确率达到80.3%，仅比云端最强模型Claude Opus 4.6的83.5%低3.2个百分点。但边际API成本从每查询0.009美元降至约千分之一美分，成本降低约800倍，端到端延迟也降低了约4倍。

OpenJarvis支持多种推理引擎（Ollama、vLLM、SGLang等）和11个本地模型（来自Qwen3.5、Gemma4、Nemotron、Granite系列），安装只需一条命令，约3分钟即可完成。它还提供8个内置代理、25+数据连接器和32+消息通道，并支持从外部目录导入技能。

中文圈视角

对国内用户意味着什么？

隐私与合规优势：OpenJarvis完全本地运行，数据不出设备，避免了数据出境和内容安全风险。对隐私敏感的用户或受监管行业（如金融、医疗），这是一个重要卖点。国内类似框架有ModelScope的AgentScope或百度的千帆Agent，但OpenJarvis的“本地优先”理念更彻底。
平替与成本：国内用户使用云端API（如OpenAI、Claude）需要梯子且成本较高。OpenJarvis搭配国产模型（如Qwen3.5）可实现类似效果，且无需API费用。对个人开发者或小团队，这能大幅降低AI应用的门槛。
中文场景适配：框架本身是英文，但支持自定义system prompt和工具。国内用户可基于Qwen3.5等中文能力较强的模型，构建本地写作助手、代码助手或知识库问答系统。不过，中文社区目前对此框架讨论较少，可能成为早期用户的优势。
硬件要求：框架在Mac Mini M4到NVIDIA DGX Spark上测试过，但运行122B模型仍需较高配置。国内用户可考虑使用国产显卡（如华为昇腾、摩尔线程），但需自行适配引擎。

几条值得记住的细节

性能差距：最佳本地模型Qwen3.5-122B与云端Claude Opus 4.6的准确率差距仅3.2个百分点，且在4/8的基准测试中持平或超越。
成本对比：本地模型每查询成本约千分之一美分，而Claude Opus 4.6为0.009美元，差距约800倍。
安装简便：一条命令即可安装，约3分钟完成，支持macOS、Linux、WSL2和Windows。
LLM引导的spec搜索：通过云端教师模型优化本地spec，可恢复13-32个百分点的性能损失，优化成本比单原语方法低7-11倍。
开源许可：Apache 2.0，允许商用和修改。

一句话总结

OpenJarvis让个人AI代理真正“离线可用”，性能接近云端但成本极低，对隐私敏感和预算有限的用户是重大利好。