SandboxBench – 沙箱供应商中立基准

帮 AI agent 开发者快速比较不同代码沙箱的启动延迟与成本

痛点

每周都有新的代码沙箱供应商出现，但开发者无法客观比较它们的启动延迟、冷启动时间和单位成本。有人直接提问：是否存在一个第三方基准，明确说明不同沙箱的架构、延迟和费用？还有人对越来越多 Jev 替代品表示同样困惑，找不到统一评测列表。

方案

搭建一个持续运行的开源基准测试服务，对主流沙箱与运行时环境进行标准化任务测量，包括冷启动、启动延迟、吞吐和单位成本，输出可筛选的对比面板和公开 API。所有测试脚本开源，供应商可提交适配器参与评测。

用户

AI agent 开发者、DevOps 工程师、需要选择代码执行环境的团队。

MVP

选定 5～8 个主流沙箱（如 E2B、Modal、Daytona 等）；设计一组标准测量任务并记录延迟与成本；提供可排序的公开对比网页；支持供应商提交适配器的简单 PR 流程；将测量结果以 JSON API 暴露。

变现

基础对比免费；付费提供历史趋势、自定义私有基准与 CI 集成；或按 API 调用量计费。

为何现在

沙箱赛道正在快速膨胀，缺乏中立第三方评测，开发者决策成本高，独立开发者可以靠持续自动化测量建立可信度。