TrueFoundry 開源 TrueForge：中立廠商 Agent Harness，成本最多比 Claude Managed Agents 低 75%

AI 技術堆疊中的 agent 層正快速整併，而 TrueFoundry 剛做出了迄今最激進的開放策略。2026 年 8 月 19 日，這家企業級 AI 基礎設施公司發布了 TrueForge——一套 MIT 授權、開放原始碼的 agent harness，讓你能在自己的基礎設施上、用任何模型執行生產級 AI agent。五天後，這次發布已成為一場開發者社群活動的核心——由 WeMakeDevs 主辦的 The Agent Harness Hackathon 於今天（8 月 24 日）登場，一路舉辦到 8 月 30 日。

TrueForge 到底是什麼

撥開行銷話術，市面上多數「agent 平台」的本質都一樣：一個模型、一組工具，再加上一個協調兩者之間循環的 harness。harness 決定上下文如何組裝、工具何時被呼叫、子代理（subagent）如何生成、程式碼執行如何沙箱化，以及人類審批如何注入流程。Anthropic 的 Claude Managed Agents 把這套循環打包成付費的封閉服務；TrueForge 則是 TrueFoundry 的回應：自己在自己的基礎設施上執行同樣的循環，模型任你選——包括開放權重模型。

根據 GitHub 儲存庫的說明，TrueForge 負責完整的作業循環：模型呼叫、MCP（Model Context Protocol）工具整合、技能（skills）、沙箱、審批流程與上下文管理。它明確標榜廠商中立：不綁定單一模型供應商，harness 本身是可以檢視、可以 fork 的程式碼，而非黑箱 API。這個專案可與 TrueFoundry 的商業產品 AI Gateway 搭配使用——後者負責路由、支出治理與合規等企業級需求——但 harness 本身可獨立運作。

基準測試數據：相同準確率，便宜 30-75%

真正吸引目光的是成本。TrueFoundry 發布了名為 Enterprise-Bench 的正面對決基準測試：14 項生產級 agent 任務，端到端完整執行。核心結論是 TrueForge 在搭載 Opus 4.8 時，任務完成率的平均值與 Claude Managed Agents 相當，但以牌價計算的成本低了約 30%——每跑一次 8.50 美元對 11.80 美元。

更激進的 75% 數字則來自更換底層模型。根據第三方報導，TrueFoundry 用較便宜的模型（DeepSeek 等級）執行同一套 harness 時，每次執行成本降到約 2.90 美元——在相近解題率下，比 Claude Managed Agents 基準線低約 75%。這就是發布報導中「便宜 30-75%」區間的由來：保留 Anthropic 旗艦模型就是省 30%，善用廠商中立特性換上低成本模型，最多可省 75%。

成本差距不只來自模型定價。基準數據還顯示 TrueForge 驅動循環的方式更省：報導指出它平均每項任務約 19 次工具呼叫，Claude Managed Agents 則是 32 次，且在相同準確率下整體 token 消耗少了約 30%。更少、更精準的工具呼叫意味著更少的上下文堆疊、更少的往返，月底帳單自然更輕。

獨立評測者也開始檢驗這些說法。Wavect 的評測指出，這份 14 項任務的基準測試「在 Opus 4.8 上與 Claude Managed Agents 的平均任務完成率相當，牌價成本低約 27%」——與 TrueFoundry 自己的數據接近，不過是以牌價而非企業議價後的費率計算。Reddit 上的社群討論中，也有使用者自行比較後回報了類似的工具用量差距。

為什麼戰場從模型轉向 Harness

這次發布的戰略意義超出單一產品。隨著前沿模型價格下滑——我們先前在報導前沿價格戰時提過——agent 每次執行的邊際成本越來越取決於 harness 層：塞了多少 token 進上下文、做了幾次工具呼叫、子代理委派得是否有效率。TrueFoundry 在發布文章〈The Agent Harness Should Be Open〉中闡述的立場是：這一層屬於客戶，而非供應商。

這背後有直接的競爭邏輯。Claude Managed Agents 向客戶收取 Claude 模型使用費，外加每 agent 運行小時 0.08 美元——這個錶不管你的 agent 用工具呼叫是否精簡，照樣一直跳。開源 harness 把這個錶變成你可以剖析、可以優化的東西。而當基準測試顯示雙方在生產級任務上準確率相當時，企業問的問題就從「用哪個模型？」變成「誰掌握了循環？」

這也吻合 2026 年的整體格局：Cloudflare 的 agentic web stack、MCP 生態系的快速標準化，以及阿里巴巴、DeepSeek 等業者持續釋出開放權重模型。這些趨勢每一項都讓廠商中立的 harness 更有價值——因為每一項都增加了你可能想串接的模型與工具數量。

黑客松今天登場

時機點很關鍵，TrueFoundry 的社群策略顯然經過設計。由 WeMakeDevs 主辦的 The Agent Harness Hackathon 於 2026 年 8 月 24 至 30 日舉行——全球線上參與，並在舊金山設有實體活動日。總獎金 10,000 美元，頭獎是一台 NVIDIA DGX Spark 個人 AI 超級電腦（價值約 5,000 美元），頒給 TrueForge 的最佳應用，另有 Mac Mini 與工作機會。參賽者要打造能使用真實工具、安全執行程式碼、跨子代理委派任務的 agent——正是這套 harness 設計來傳授的技能。

對開發者來說，這是低門檻接觸一套可能成為基本盤的基礎設施的機會；對 TrueFoundry 來說，這是漏斗：黑客松參賽者成為貢獻者，貢獻者成為讓 MIT 授權專案在發布熱潮退去後仍持續存活的力量。

幾個值得留意的但書

有三點值得保持懷疑。第一，基準測試是廠商自己跑的。14 項任務作為展示樣本有意義，但不是獨立評測，而且「Enterprise-Bench」是 TrueFoundry 自己的建構。獨立重現已經出現，但都還很早期。第二，「最多便宜 75%」的前提是換掉 Anthropic 的模型——數據沒錯，但這個說法把兩種不同的比較壓縮成一個數字。第三，自架 harness 意味著自扛可靠度：沙箱、審批流程、上下文管理從此是你的營運負擔，不是供應商的。Claude 收的每小時 0.08 美元，某種程度上是保費。

即便如此，方向很明確。有公開基準測試的開源 harness，會逼迫封閉 agent 平台為自己的定價提出正當理由，也給了企業一年前還沒有的談判籌碼。TrueForge 已經以 MIT 授權上架 GitHub，等著被壓力測試——而這一週，數千名黑客松參賽者就要做 exactly 這件事。