三年前紅到發紫的 Open Interpreter，今天悄悄變了一個人。它不再只是「叫 AI 幫你操作電腦」，而是把整個底層用 Rust 重寫，fork 了 OpenAI 的 Codex，專門去榨乾便宜的開放模型。
一句話結論：2026 年的 Open Interpreter 是一個用 Rust 重寫、fork 自 OpenAI Codex 的開源 coding agent，專為 Kimi K3、DeepSeek、Qwen 等平價開放模型優化。它本身免費，重點是讓你用每百萬 token 只要 3 美元起的模型，跑出一個接近 Codex／Claude Code 等級的終端 coding agent。
這篇會講清楚：它到底改了什麼、為什麼今天要配上剛發表的 Kimi K3、實際能省多少 token 費（文中有一個現成的試算機）、怎麼裝、跟 OpenAI Codex CLI 和 Claude Code 比適合誰。所有價格與版本以 2026 年 7 月為準，AI 工具更新很快，看到時請再確認官方最新資訊。
Open Interpreter 是什麼？為什麼突然又爆紅？
先講它的前世。2023 年的 Open Interpreter 是一個現象級開源專案：你在終端機用自然語言下指令，它就讓大型語言模型在你本地電腦上寫 Python 或 shell 指令、直接執行，幫你改檔案、跑資料、批次處理。那時它靠「讓 AI 真的動手操作你的電腦」這個賣點衝到超過五萬顆星，是很多人第一次見識到「AI agent」四個字。
今世完全不同。2026 年 7 月中，官方倉庫（GitHub 上搜 openinterpreter/openinterpreter，此時約 6.6 萬顆星）整個換血，定位改成一句話：「一個為低成本模型優化的 coding agent」。舊的 Python 版本退役、搬到社群維護的分支繼續活著；主線改用 Rust 重寫，而且直接 fork 了 OpenAI 的 Codex。這不是小改版，是把同一個名字拿去做一件新的事。想知道當年那種「AI 直接操作你電腦」的體驗，可以看我們寫過的 Desktop Commander，概念一脈相承。
這次到底改了什麼？三個關鍵動作
改動可以拆成三件事，每一件都指向同一個目標：把「頂級 coding agent 的體驗」跟「便宜模型的價錢」綁在一起。
- 用 Rust 重寫、fork 自 OpenAI Codex：OpenAI 自己也把 Codex CLI 用 Rust 重寫過（追求零依賴、一行安裝）。Open Interpreter 直接站在這個基礎上，繼承 Codex 那套已經打磨過的 agent 骨架，再往「跑得動便宜模型」的方向調。
- 專為低成本／開放模型調校 harness：所謂 harness，就是包在模型外面那層「怎麼餵提示、怎麼呼叫工具、怎麼收尾」的骨架。同一個模型換一套 harness，實戰表現可以差很多。Open Interpreter 的核心價值就是幫 Kimi、DeepSeek、Qwen 這類開放模型配一套「榨得出最高分」的 harness。
- ACP 相容、Codex 相容：它支援 ACP（Agent Client Protocol，一種讓 agent 接進編輯器／客戶端的標準），可以在相容 ACP 的編輯器裡直接把它當後端啟動；同時保留 Codex 相容性，原本用 Codex 的人幾乎無痛遷移。想在一個終端同時管多個這類 agent，可以參考 herdr 這種多工工具。
而今天（2026 年 7 月 17 日）它推送的頭條，就是把這套邏輯落到一個具體模型上：Kimi K3 來了。官方用 Rust 重新實作了 Moonshot 建議的 Kimi Code harness，用一個 Codex 式的介面，把 K3 的效能榨到最高。Kimi 與 Moonshot 的模型現在預設就走這套新 harness。
Kimi K3 是什麼？為什麼值得配它？
Kimi K3 是中國 Moonshot AI（月之暗面）在 2026 年 7 月 16 日發表的新旗艦，也是這次 Open Interpreter 重生的最佳拍檔。重點規格與數字如下，理解了就懂為什麼「便宜」這件事在 2026 年突然變得有底氣。
| 項目 | Kimi K3（Moonshot） | 對照：西方旗艦 |
|---|---|---|
| 架構／規模 | 新架構 MoE，約 2.8 兆總參數 | 多為兆級 MoE |
| 上下文 | 100 萬 token | GPT-5.6／Sonnet 5 亦達 1M |
| API 價格（每百萬 token） | 約 $3 輸入／$15 輸出 | GPT-5.6 Sol $5／$30；Opus 4.8 $5／$25 |
| 前端 coding 盲測 | Arena 上被開發者偏好，勝過 Fable 5、GPT-5.6 Sol | — |
| 開放權重 | 官方稱 7 月 27 日釋出權重 | 多為閉源 |
把兩件事疊起來看就有意思了：一個在前端 coding 盲測贏過頂級西方模型、價格卻只要人家一半到六分之一的開放模型，配上一個專門把它效能榨到最高的免費 agent。這就是 Open Interpreter 這波重生想吃的位置。月之暗面之前的 Kimi K2.7-Code 已經證明了這條路走得通，K3 只是把火力再拉高一級。
用便宜模型跑 agent，一個月到底省多少？
省不省，講數字最實在。coding agent 最吃 token——它會反覆讀檔、貼上下文、來回試錯，重度使用者一個月燒掉幾千萬 token 很正常。下面這個試算機，輸入你每月大概的 input／output token 量，馬上比出同樣的量跑在 Kimi K3、Claude Opus 4.8、GPT-5.6 Sol 上的月費差距。
💸 coding agent 月費試算機
價格以 2026 年 7 月公開資訊為準（Kimi K3 $3/$15、Opus 4.8 $5/$25、GPT-5.6 Sol $5/$30），僅供估算，實際帳單依供應商為準。
要注意：便宜的是「單價」，不是「總量」。開放模型跑 agent 若一直開高強度思考、反覆重試，token 也會爆。真正把帳單壓下來，除了選便宜模型，還要控制上下文與呼叫次數——這方面可以搭配 pxpipe 或 OmniRoute 這類把 token 帳單砍下來的工具一起用。
Open Interpreter 怎麼裝、怎麼用？
它是終端工具，安裝很輕。以下是最小可用流程（實際指令請以官方 README 為準，這裡講清楚每一步在做什麼）。
- 安裝：macOS 與 Linux 用官方提供的一行安裝指令；Windows 有對應的安裝方式。裝完在終端機輸入啟動指令，就進入一個對話 session。
- 接上你的模型：要跑 Kimi K3，就用 Kimi／Moonshot 的 API key；預設會走它為 Kimi 調好的新 harness。想換 DeepSeek、Qwen 也是設定對應的供應商即可。
- 切換 harness：它保留了切換 harness 的指令，Kimi 系模型用新的、需要相容舊 Python CLI 行為時可切回退役 profile。
- 接進編輯器（選用）：因為支援 ACP，你可以在相容 ACP 的編輯器裡把 Open Interpreter 設成啟動的後端，讓它在編輯器內幫你改多檔專案，而不只是在裸終端機打字。
- 下第一個任務：用自然語言講你要它做什麼（例如「幫我把這個資料夾的 CSV 合併去重、輸出成一份報表」），讓它規劃、寫碼、執行、回報。
如果你連模型都想跑在本地、完全不付 API 費，可以搭 Ollama 在自己電腦上跑開放模型，再把 agent 指過去——不過本地小模型的 coding 實力，跟 Kimi K3 這種雲端旗艦還是有差距，這點要有心理準備。
跟 OpenAI Codex CLI、Claude Code 比，該選哪個？
差別主要在「綁不綁模型」跟「省不省錢」。簡單一張表看定位。
| 工具 | 模型綁定 | 最適合 | 成本傾向 |
|---|---|---|---|
| Open Interpreter（2026） | 開放：Kimi K3／DeepSeek／Qwen 等 | 想用平價開放模型跑 Codex 級 agent | 最省，看你接哪個模型 |
| OpenAI Codex CLI | 綁 OpenAI 模型 | 已在 OpenAI 生態、要官方支援 | 中至高 |
| Claude Code | 綁 Anthropic 模型 | 吃 Claude 的多檔改碼實力 | 高（Opus 尤其） |
覺得被單一廠商綁死不舒服？這正是 2026 開源 coding agent 圈子的主旋律。除了 Open Interpreter，還有 opencode、Cline、Cohere North Mini Code 都在做「不綁死你」這件事。想一次看清這些專案的全景，可以翻 2026 GitHub 熱門 AI 專案精選。
適合誰？不適合誰？
適合：每月 token 燒很兇、想把帳單砍一半以上的重度使用者；喜歡開放模型、不想被單一廠商綁死的人；已經習慣 Codex／終端 agent 流程、想無痛換一個更便宜後端的人。
不太適合：完全沒碰過終端機、只想要一個聊天視窗的新手（那用網頁版模型更省心）；工作全是最硬的大型舊專案跨十幾個檔除錯——這種場景頂級閉源模型多出來的理解力，有時還是值那個貴價，可參考我們對 Claude Sonnet 5 與 Opus 4.8 定價的分析，判斷什麼時候該花那個錢。
有什麼要注意？
- K3 權重還沒開：官方說 7 月 27 日才釋出權重，在那之前你只能透過 API 用它，無法自己完整下載、離線跑。
- 它是 Codex 的 fork：好處是繼承成熟骨架、遷移順；但也代表整體工作流跟 Codex 高度相似，期待全新介面的人會覺得「就是 Codex 換了引擎」。
- 舊 Python 版要認清：你如果找的是 2023 那個「純自然語言操作電腦」的 Open Interpreter，它已搬到社群維護的分支，主線這個是新定位。
- agent 會執行程式：它會在你電腦上真的跑指令，重要目錄先備份、敏感操作先看它的計畫再放行，別全自動放生。
新手的三步行動清單
- 先去申請一組 Kimi／Moonshot 的 API key，充值一點點（幾美元就能跑很久）。
- 照官方 README 裝好 Open Interpreter，接上 K3，丟一個低風險的小任務試水（例如整理一個資料夾）。
- 用上面的試算機估你的月費，跟你現在付的 Claude Code／Codex 帳單比一比，再決定要不要把主力搬過來。
一句話收尾：Open Interpreter 這次重生，賭的不是「更強的模型」，而是「同樣的活，用零頭的錢做完」。當開放模型的 coding 能力追上來，貴的就不再是唯一選項——這對每個月被 token 帳單嚇到的人來說，是實實在在的好消息。
常見問題（FAQ）
Q：Open Interpreter 免費嗎？
agent 本身開源免費，你付的是背後模型的 API 費。接 Kimi K3 這類便宜模型，整體成本可以壓得很低；接本地模型（如透過 Ollama）甚至可以不付 API 費。
Q：它跟 OpenAI Codex 什麼關係？
2026 版 Open Interpreter 直接 fork 自 OpenAI 的 Codex，繼承它的 agent 骨架，再改成專門榨乾便宜／開放模型的效能，並保持 Codex 相容。
Q：一定要用 Kimi K3 嗎？
不用。K3 是今天主推、也是效能／價格最亮眼的選擇，但你也能接 DeepSeek、Qwen 或其他開放模型，用切換 harness 的方式調到最合適。
Q：新手適合直接上手嗎？
如果你完全沒用過終端機，建議先從網頁版模型熟悉 AI，再來玩這種終端 agent。它會在你電腦真的執行程式，需要一點基本操作意識。
免責聲明：本文為資訊整理與工具介紹，非投資或採購建議。文中價格、規格、版本與釋出時程均以 2026 年 7 月公開資訊為準，AI 工具與模型更新快速，實際情況請以官方最新公告為準。使用任何 agent 執行程式前，請自行評估風險並做好備份。
延伸閱讀：站內相關文章
- 微博悄悄開源 3B 小模型 VibeThinker：奧數打贏 Gemini 3 Pro，還塞得進你的電腦
- Hugging Face 直接開源一個 ML 工程師：10 小時把模型分數從 8.5% 衝到 32%，打趴 Claude Code 跟 Codex
- Moonshot 悄悄把 GPT-5.4 壓回去了：Kimi K2.6 開源，300 個 AI 員工連續幹 12 小時
延伸閱讀：其他 coding agent。
- OpenAI Codex harness——官方開源的 agent 引擎，同一個模型分數翻 3 倍。
- Cline——VS Code 裡的開源 AI 編碼 agent。
- Claude Code vs Cursor vs Codex——用一個月之後為什麼三個都沒刪。
- codebase-memory-mcp——給 AI agent 裝程式碼記憶，省 99% token。
發佈留言