ANTE 一个运行在终端里的 Coding Agent 。使用方式类似 Claude Code / Codex ，但它从头用 Rust 编写，下载包约 15 MB ，解压后是一个没有 Node.js 、Python 等运行时依赖的单文件程序。ANTE 可以管理 llama.cpp 的安装、GGUF 模型发现、内存预估、加载进度和服务生命周期。模型下载完成后，不需要账号、API Key 或网络，模型请求和输出都留在本机。已经在使用 Ollama 、LM Studio 、vLLM 或其他 OpenAI-compatible 服务的话，也可以直接接入。当然，它也支持 OpenAI 、Anthropic 、Gemini 、DeepSeek 、OpenRouter 等在线模型，可以在同一个客户端里切换本地和云端模型。一些跑使用 Terminal-Bench 2.1 评测 ANTE 的 agent harness 。测试采用 89 个任务、每个任务 5 次，共 445 次 trial ；每次评测固定公开发布的 ANTE 版本，并提供原始 Harbor run 。目前公开结果包括：- ANTE + DeepSeek V4 Flash 0731 max：82.7% ± 1.79 SE ，通过 368/445 次 trial ，完整评测推理成本约 68.41 美元。- ANTE + 本地 Qwen3.6 27B Q4_K_M：56.2% ± 2.36 SE 。模型下载约 17 GB ，完全在本地运行。- ANTE + GLM 5.2：74.6% ± 2.06 SE 。- ANTE + MiniMax M3：62.1% ± 2.33 SE 。完整结果、具体版本和原始运行记录都在这里： https://antigma.ai/eval我们还测过 20 个相同任务在 Docker 中并发运行时的资源占用。相同 workload 下，与 Claude Code 相比，ANTE 测得约：- 7 倍更低的峰值内存占用- 9 倍更低的平均 CPU 占用- 5 倍更少的磁盘 I/O完整数据在： https://docs.antigma.ai/benchmarks/compare_table/怎么试目前支持 macOS 和 Linux ，Windows 建议使用 WSL：curl -fsSL https://ante.run/install.sh | bashante进入后使用 /offline-mode ，可以安装本地推理引擎、选择已经下载的 GGUF ，或者从推荐列表下载模型。不喜欢 curl | bash 的话，也可以直接从 GitHub Releases 下载：https://github.com/AntigmaLabs/ante/releasesGitHub 仓库已经开放文档、协议、Rust SDK 、部分基础组件和完整 eval pipeline ；核心 harness 目前仍以预编译 binary 发布，完整开源进展记录在仓库的 issue #21 。相关链接：- GitHub： https://github.com/AntigmaLabs/ante （希望大家感兴趣的话可以点个 Star⭐️）- 官网： https://antigma.ai- Evaluation： https://antigma.ai/eval- 文档： https://docs.antigma.