10 月 7 日，在班加罗尔的 Cypher 2026 大会上，印度公司 Soket AI Labs 开源了一个叫 Loop 的 harness——专门用来跑那些要持续几小时、几天甚至几周的长任务智能体。公司创始人 Upperwal 的说法很直白：agent 早不是那个一问一答的聊窗了，它们正在真实工作上连轴转。Loop 目前是开发者预览，亮点是用 Rust 写成，主打轻量和可在本地跑，瞄准的是「成百上千个 agent 跑在一台小机器上」这类主权与成本敏感的场景。
把长任务拆成共享记忆的 agent 群组
Loop 的核心思路是，把一个目标拆成一队 agent，这些分身共享记忆，还能像 Git 一样把会话 fork 出去单独试错。需要隔离时，从 rootless 容器一路到 microVM 都给到选项，按任务风险挑隔离强度。它支持 Model Context Protocol，技能与模板能转成斜杠命令复用。对外连通模型靠一个 base URL，开发者可以把不同模型接进来。这些设计合在一起，指向一个很朴素的目标：让长任务智能体不再依赖笨重的云端运行底座，而是能落在一台普通机器、甚至气隙环境里，同时保持零信任与可审计。
基准称它又快又省，但数字要打问号
Soket AI 在自家初步基准里称，Loop 的总运行时接近另一个极简 harness Pi，性价比则走在 OpenCode 与 Goose 前面；它录得的中位任务耗时在一众对比对象里最低，峰值内存与 CPU 占用也更低，并由此推断单台小系统就能跑上千个 agent。不过这些对比是厂商自测，没有第三方复现，和本站报道过的其他 harness 基准一样，只能当作方向性信号，不能当成定论。更该被记住的是它选择的技术路线：用 Rust 把运行底座做轻，用 fork 化的会话把长任务变成可续跑的状态，用共享记忆把一群 agent 黏成一支团队。
主权与国防，是它的真靶子
Loop 的路线图里写得很清楚：沙箱化人格、多智能体系统、分级记忆、远程 agent、可信远程沙箱、agent 群聊，目标场景直指网络安全、国防、银行、金融与法律这类对确定性要求高的行业。这类工作负载往往要求气隙部署、零信任执行、可审计，还得扛得住长任务。Soket AI 还顺手预告，正在训练一个 260 亿参数的模型并计划开源，连同数据集与训练栈一起放出；它已经攒了近 30 万亿训练词元，其中大头在数学与代码，以及近 20 亿条推理轨迹。这条 Math Code Reasoning 的线，解释了它为什么先把 harness 开源、再用开源社区反哺模型。
它和本站此前覆盖的区别
把 Loop 放回近半年的长任务智能体演进里看，位置很清楚：它不跟你争「哪个编排框架更花哨」，而是把「长任务到底该在哪跑、怎么跑得轻、怎么跑得主权可控」当作主战场。这和本站此前覆盖的断点续跑底座（崩溃后从最近存档恢复）、MicroVM 内的内存回收是同一股潮流的不同切口——一个管容错、一个管内存、Loop 管轻量与本地可跑。当然，它眼下是开发者预览，真实吞吐与多 agent 协作的可靠性还要等社区踩出来。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。
对想在企业内网、国防或主权云里跑 agent 的团队，Loop 这类「轻底座」比「重平台」更有吸引力：不绑架你的云账单，也不强迫你交出数据。当长任务智能体从演示走向生产，决定胜负的很可能不是谁模型更强，而是谁的底座能既轻又可信地连轴转。