AI Agent 的瓶颈,早就不在模型智商上了。
GPT-5.x、Claude、Qwen,闭眼挑一个,Agent 的推理能力都够用了。可你真把它放出去干活,第二个坎就来了:它得能执行代码。让一个大模型在生产服务器上直接敲命令?没有人敢。
所以过去两年冒出来一个赛道:给 Agent 造”虚拟机里的工位”。这赛道里体量最大的一个,就是 Daytona——GitHub 7.17 万星,PyPI 月下载 883 万,融了 2400 万美元 A 轮。它的自我定位写得很大:“Every knowledge worker needs a computer. Agents will need millions.”
但我今天要跟你说的是另一件事:这个项目已经在 2026 年 6 月把核心代码转向闭源了。故事有反转的地方,下面细讲。
它是什么:一个”能存状态”的沙箱
Daytona 是 2024 年 2 月立项的(daytonaio/daytona),2025 年 2 月从”开发环境”转型成”跑 AI 生成代码的基础设施”。GitHub 7.17 万星、5649 fork,总部纽约。开源仓库协议是 AGPL-3.0(注意,后面讲坑的时候这事儿很关键)。
它的核心产品叫 Sandbox(沙箱)。官方 README 的原话:“spinning up in under 90ms from code to execution”——从下代码到能执行,90 毫秒以内。这不是吹牛,它的架构是三平面:
- Interface plane:接口平面,给你 SDK / REST API / CLI
- Control plane:控制平面,编排所有沙箱生命周期
- Compute plane:计算平面,真正跑容器
沙箱不是一次性容器,它是一台完整可组合的计算机:独立内核、文件系统、网络栈,vCPU / 内存 / 磁盘随便配,还能挂 GPU。语言支持 Python、TypeScript、JavaScript,构建在 OCI/Docker 兼容之上。
真正的差异点:状态能留下来
市面上沙箱很多,Daytona 死磕的是三个能力:
1. 持久化快照(Snapshot)。 Agent 干了三小时活,重启一次全没了——这种沙箱没法用。Daytona 能任意时刻快照,把状态冻住,下次原样恢复。
2. 分叉(Fork)。 这是它跟别家最不一样的地方。Agent 跑到一个岔路口(比如有五种改法),你可以把当前状态克隆成五个分支并行跑,跑完择优合并。这套东西天生是为”Agent 探索多条解法”设计的——你没法在一次性容器上做这个。
3. 不中断。 Agent 的任务可能跑几分钟,也可能跑几天,中间不要求你手动保活。
一句话对比:E2B 那类工具是”给你开一台干净的临时机器”,Daytona 想做的是”给 Agent 一台它能记住东西的机器”。我之前写过一篇 E2B 是什么,那是本赛道里的另一家,Firecracker microVM 隔离,两家可以一起看。
上手有多快
真的快,Python 五行:
# pip install daytona
from daytona import Daytona, DaytonaConfig
daytona = Daytona(DaytonaConfig(api_key="你的KEY"))
sandbox = daytona.create()
print(sandbox.process.execute_run_command("echo 'Hello from Daytona!'"))
需要拿 API Key 就去官网 dashboard 建个 key。DaytonaConfig 还能指定 API 地址,可以指向自己部署的控制平面。
Java SDK 也一样:
DaytonaConfig config = new DaytonaConfig.Builder().apiKey("YOUR_API_KEY").build();
try (Daytona daytona = new Daytona(config)) {
Sandbox sandbox = daytona.create();
ExecuteResponse response = sandbox.getProcess().executeCommand("echo 'Hello World!'");
System.out.println(response.getResult());
}
要人工看一眼沙箱在干什么,还有 Web Terminal、VNC 访问、SSH 直连——这点很关键,Agent 卡住了你能进去手动捞,不会只能干等。
商业面:数据挺猛
- 2026 年 2 月 5 日,A 轮 2400 万美元,FirstMark 领投,Matt Turck 进董事会。跟投的有 Pace Capital、老股东 Upfront Ventures / E2VC / Darkmode,外加 Datadog 和 Figma Ventures 的战投。估值 1.25 亿美元。
- 创始三人:Ivan Burazin、Vedran Jukić、Goran Draganić。
- 官方的说法是 每天 85 万次沙箱启动,环比增长 74%。
- 客户名单里有 LangChain 和 SambaNova,还有 Fortune 100 企业。
- 融资新闻稿里说,成立不到三个月前瞻性收入(forward revenue)就到了 500 万美元。
三个不满三十人的团队(官方口径约 20 人),做出这个数,说明这波”Agent 要有自己计算机”的浪是真的。
实话:三个必须知道的坑
坑一:2026 年 6 月 11 日,Daytona 官宣闭源。
官方博客《Daytona is going closed source. Here’s why.》写得很直白,理由只有一个:安全。他们的原话大意是——一年前发现一个严重漏洞需要一个熟练研究员加真实时间,现在这个假设不成立了,AI 辅助的漏洞挖掘让”靠人少所以安全”的逻辑失效,所以只能关掉源码缩小攻击面。
后果是实打实的:公开仓库 daytonaio/daytona 现在顶部挂着醒目提示——“This repository is no longer maintained”,不会再有任何更新、修复或发布。最后一次提交是 2026 年 6 月 25 日(改了个 LICENSE 链接),最后一个 Release 是 v0.190.0,2026 年 6 月 23 日,总共 204 个 Release。仓库还能读、还能 fork、还能按 AGPL-3.0 用,但这就是一个冻住的化石。
坑二:PyPI 上的包还在更新,别被误导。
最容易踩的一脚在这儿。GitHub 仓库 6 月就冻了,但 pip install daytona 现在是 0.220.0,最后上传时间 2026 年 10 月 2 日,要求 Python >= 3.10。所以你装到的 SDK 是新版,功能更全——但它要连的是 Daytona 云端的私有控制平面。开源那部分只值一个冻结版本。SDK 开源、控制平面闭源,这是两回事,看清楚再选型。
坑三:AGPL-3.0 不是随便用的。
这仓库的 GitHub API license 字段现在直接是 null(当年社区找 LICENSE 链接的老问题最后以 commit 形式修掉了),但 v0.190.0 标签下的 LICENSE 文件明明白白是 GNU AGPL v3。AGPL 是网络传染性 copyleft,比 Apache-2.0 严格得多——你要把它嵌进自己的商业产品里对外提供服务,这事得先过法务。
再加一条隔离层面的实话:Daytona 默认就是普通 Docker 容器(共享内核),不是 E2B 那种 Firecracker microVM。要更强的隔离得自己显式配 Kata Containers 或 Sysbox。它的强项是”持久化 + 分叉 + 快”,不是”硬隔离”。
收尾
Daytona 是这轮 Agent 基建里少数几个真正跑出规模的玩家,7 万星、月下载 883 万、$500 万前瞻收入、LangChain 都在用——这些数字不是刷出来的。
但它同时也是”开源即死”最典型的一个样本。为了安全把源码关上,代价是所有 OSS 用户一夜之间变成没有上游的分叉维护者。这笔账对 Dayona 自己可能是划算的(数据在云里才值钱,代码不是),可对想白嫖基础设施的开发者来说,就是实打实的断供。
所以我的建议:
- 只用云服务 → 可以考虑。 它现在是这赛道里跑得最快的一批。
- 要自托管省钱 → 别选它。 控制平面闭源了,Helm chart 只能自己跑 runner 那部分;现在开源可选的自托管路线是 E2B 系的
e2b-dev/infra,或 Beam、Microsandbox 这些。 - 想读代码学架构 → 现在是最好的时候。 7 万星、2744 个 commit、完整三平面设计,代码就摆在那儿,而且再也不会变了,正好当教材。
本文的星数、fork 数、最后提交时间、Release 版本、PyPI 版本和月下载量,全部是从 GitHub API 和 PyPI 直接拉的当前值,不是记忆里的数。闭源日期和理由来自 Daytona 官方博客原文,融资数字来自 2026 年 2 月 5 日的官方新闻稿。
by 数码罗记·godsun.pro
本文数据核实于 2026-10-05,GitHub API + PyPI 实时拉取。