Blaxel Agent Drive
Blaxel 是專為自主 AI Agent 打造的永續沙箱基礎設施，提供 25 毫秒恢復的持久化微 VM 環境和分散式檔案系統 Agent Drive
深度報告
-
Blaxel 是一家由 Y Combinator 孵化的基礎設施公司，專注為自主 AI Agent 提供永續沙箱執行環境。其核心產品 Agent Drive 是一個分散式檔案系統，讓多個 AI Agent 能夠實時共享檔案、狀態和上下文，徹底解決了傳統雲基礎設施下 Agent「跑完即丟」的狀態管理難題。平臺底層基於 Firecracker microVM 架構，沙箱啟動不超過 25 毫秒、閒置時零計算費用，支援單叢集 5 萬個以上併發微虛擬機器。2025 年完成由 First Round Capital 領投的 730 萬美元種子輪，已服務 Webflow、Strapi、Shortwave 等客戶，獲 SOC 2、HIPAA、ISO 27001 三重合規認證。
-
Blaxel 的創始團隊頗有淵源。六位聯合創始人 Paul Sinaï、Charles Drappier、Mathis Joffre、Nicolas Lecomte、Christophe Ploujoux 和 Thomas Crochet 此前共同打造了 ForePaaS——一個面向資料科學家的雲平臺，後被 OVHcloud 收購，成為 OVH 整個分析產品線的核心。這段經歷讓他們深刻理解了一個問題：傳統雲基礎設施是為「人類使用者」設計的——每個應用獨佔一個例項、跑完就關、重啟就從頭開始。但 AI Agent 不是這種用法。 Agent 需要的是「屬於自己的計算機」：一個可以長時間執行、隨時暫停恢復、在多個 Agent 之間共享上下文的環境。傳統無伺服器沙箱要麼幾小時後自動銷燬，要麼閒置時持續計費，要麼重啟時冷啟動耗時數秒。2024 年公司創立時，六個聯合創始人就瞄準了這個缺口。 2025 年春，Blaxel 入選 Y Combinator Spring 2025 批次，獲得了來自 YC 最初的 50 萬美元啟動資金。在 Demo Day 後，他們又從 First Round Capital、Liquid 2、Transpose、Multimodal 等機構拿到了 730 萬美元種子輪。到 2025 年底，平臺已承載日均超過 750 萬次請求，月處理量達到數十億 Gb-sec。 公司在 2025 年經歷了兩次關鍵技術迭代：從 Mark 2 架構（容器 + 2-10 秒冷啟動）升級到 Mark 3 架構（基於 Firecracker 的 microVM，冷啟動降至 25 毫秒以下），並自主研發了基於 Rust 的 HTTP/TCP 代理，將網路骨幹延遲控制在 50 毫秒以內。目前團隊已有 12 人，總部設在舊金山。
-
Blaxel 的平臺能力分為三大塊：計算、儲存和網路。 計算層的核心是永續沙箱（Sandbox）。每個沙箱是一個獨立的 Firecracker microVM，擁有自己的 Linux 核心，硬體隔離於所有其他租戶。Agent 可以透過 TypeScript 或 Python SDK，用四行程式碼建立一個沙箱、寫入檔案、執行命令、取回輸出。沙箱在空閒大約 15 秒後自動進入待命狀態，完整儲存記憶體快照和檔案系統狀態。當 Agent 再次需要時，25 毫秒內恢復執行——這個速度幾乎不可感知。免費層贈送 200 美元額度，其後按使用量計費，活躍計算時間 $0.0000115/GB RAM·秒，待命期間計算費用為零，僅收取快照儲存費 $0.20/GB·月。 儲存層是 Blaxel 真正拉開差距的地方。Agent Drive 是一個分散式檔案系統，支援多個 Agent 同時讀寫同一組檔案，實現真正的實時協作。它不是「穿件外套的物件儲存」，而是一個完整的 POSIX 檔案系統，底層同時支援 POSIX 協議和 S3 介面。此外還有 Volumes（持久塊儲存，數年內資料不丟失）和 Sandbox 本地記憶體檔案系統（極速讀寫，快照保留至手動刪除）。 網路層提供了精細化的出口控制：每個工作負載可以設定允許列表白名單、分配靜態出口 IP、透過代理路由注入金鑰而不讓憑據進入沙箱環境。Model Gateway 提供一個統一的端點接入所有大模型供應商，內建路由、降級和費用遙測。MCP 伺服器作為一等工作負載執行在 Agent 網路內，Agent 呼叫工具的過程不出平臺內部網路。 使用者互動入口有三個：Web 控制檯、CLI 和 SDK。SDK 優先支援 TypeScript，Python 功能對等，Go SDK 也已可用。一個典型的工作流：建立沙箱→掛載 Agent Drive→寫入協作檔案→Agent 執行任務→自動待命→25ms 恢復→另一 Agent 讀取結果→寫入新的輸出。 競品對比上，Blaxel 的定位非常清晰：與 E2B 相比，Blaxel 提供無限期待命（E2B 的暫停沙箱策略不同）；與 Modal 相比，Blaxel 不對 GPU 推理下注，專注 CPU 計算（Modal 冷啟動約 1-2 秒）；與 Daytona 相比，Blaxel 的 microVM 硬體隔離提供了更強的安全邊界。2026 年 4 月，OpenAI 在 Agents SDK v2 中將 Blaxel 列為 7 個原生沙箱服務商之一，這標誌著平臺已經達到生產級成熟度門檻。
-
Blaxel 採用純用量計費模式，無基礎訂閱費用。免費層贈送 200 美元額度，無需繫結信用卡。付費透過充值信用額度的方式逐級提升配額層級： - Tier 0（免費）：最多 10 個併發沙箱 - Tier 1（月充 $20）：50 個 - Tier 2（月充 $50）：200 個 - 最高 Tier 9：100,000+ 個 各項資源的單價：沙箱活躍 CPU 時間 $0.0000115/GB RAM·秒；快照儲存 $0.20/GB·月；映象儲存 $0.045/GB·月；Batch Jobs 計算 $0.000006/GB RAM·秒；MCP Hosting $0.000007/GB RAM·秒。 企業客戶可選附加服務：郵件支援（$800/月 + 3% 用量費）、Slack 直連支援（$1,600/月 + 10%）、HIPAA BAA 合規協議（$250/月）。定製部署需聯絡銷售單獨報價。 這套定價模型的吸引力在於：Agent 的生命週期中，絕大多數時間處於等待使用者輸入或任務排程的閒置狀態。按活躍 CPU 計費意味著企業只需要為 Agent 實際工作的那部分時間付錢。Blaxel 官方宣稱，相比競品，真實工作負載下可節省最多 70% 的成本。
-
在社群和專業評測平臺上，Blaxel 獲得了相當正面的反饋。aifounderkit.com 給出了 9.2/10 的綜合評分，特別強調了 25 毫秒恢復速度帶來的「即時感」——測試者將沙箱閒置兩天後再回來修改檔案，「完全看不到載入狀態，檔案仍在原地」。 Comparateur-IA 上 58 條評價的綜合評分 4.6/5，使用者普遍認可其企業合規認證和在安全審查中的表現。TheAI.tw 評測團隊打出 4.0/5，評論稱「永續待命零費用＋毫秒喚醒這個切角切得聰明」，但也指出賽道過於擁擠。 Right AI Choice 給出了 95/100 的 Viability Score，稱其為「Safe Bet」——團隊背景強、資金充裕、產品迭代快。但該評測也指出 Agent Runtime 仍標註為「Coming Soon」。 客戶 Corvera 在案例中詳細描述了使用體驗：該公司在 Blaxel 上每天部署大約 1000 個沙箱，透過 Agent Drive 實現了跨客戶的組織記憶共享。使用 Blaxel 後，Corvera 的 Agent 效能達到競品的 2 倍，MRR 周增長率達 130%。 AI Tinkerers 的一次駭客松對其安全性的評測則揭示了另一面：測試發現 Blaxel 沙箱以 ROOT 許可權執行，擁有完整 Linux capabilities，且 /etc/shadow 可讀，在安全審計中僅得 3.1/5 分（Daytona 4.0/5）。不過該測試場景是刻意引入惡意程式碼的極限攻擊測試，在常規生產環境中，ROOT 許可權對於 Agent 執行任務本身是必要的。
-
多家行業媒體和分析師對 Blaxel 做出了積極評價。Sandbox Comparison 基準測試報告中，Blaxel 在持續待命能力和恢復速度維度領先所有參測平臺，綜合評分較高。Modal 在其自身釋出的沙箱平臺對比文章中，也將 Blaxel 列為重要競品，承認其在待命狀態和恢復延遲方面有差異化優勢。 中文評測媒體 TheAI.tw 將其總結為「Agent 沙箱紅海中的差異化選手」。臺灣繁體中文市場對其評價正面，認為它的合規認證齊全（SOC 2、HIPAA、ISO 27001），Y Combinator 和 First Round Capital 的背景為其背書力度較大。 OpenAI 在 2026 年 4 月釋出的 Agents SDK v2 中，Blaxel 被列入 7 個原生沙箱服務商之一，與 E2B、Modal、Cloudflare 等並列表內。這意味著任何使用 OpenAI Agents SDK v2 的開發者只需更改配置即可將 Agent 執行路由到 Blaxel。行業分析師普遍認為這是 Blaxel 達到成熟度門檻的重要訊號。
-
Blaxel 面臨的主要挑戰集中在以下幾個方面。 一是「賽道擁擠」。Agent 沙箱市場在過去一年內快速膨脹，E2B、Modal、Daytona、CodeSandbox、Cloudflare Sandbox 等都在爭奪同一批客戶。儘管 Blaxel 在「永續待命」這個點上做出了差異化，但競爭格局尚未穩定。 二是「無 GPU 支援」。Blaxel 的沙箱目前僅支援 CPU 計算，不能執行需要 GPU 加速的推理和訓練任務。對於那些需要在沙箱內執行本地開源模型的隱私敏感場景，這是一個硬傷。相比之下，Modal 在 GPU 能力上遙遙領先。 三是「生態尚淺」。平臺 Agent Runtime 仍在開發中，最核心的會話優先有狀態執行能力尚未面市。SDK 僅支援 TypeScript、Python 和 Go，不支援 Ruby、Java、Rust。第三方整合數量有限，社群規模遠小於傳統雲廠商。 四是「安全疑慮」。AI Tinkerers 的安全審計顯示，Blaxel 沙箱預設以 ROOT 執行，可能帶來攻擊面過大的風險。不過 Blaxel 官方辯稱，microVM 級別的硬體隔離已經提供了足夠的安全邊界。 五是「成立時間短」。公司成立於 2024 年，團隊僅 12 人，對於需要評估供應商長期穩定性的企業採購來說，這可能是一個顧慮。
-
Blaxel 最適合以下場景： - 構建自主程式設計 Agent 的團隊：Agent 需要長時間執行的開發環境，跨會話保持狀態 - 多 Agent 協作系統：多個 Agent 需要共享檔案、會話狀態，透過 Agent Drive 進行實時協作 - SaaS 產品內建 Agent：需要大規模併發沙箱、安全隔離、企業合規認證的 SaaS 團隊 - 批處理工作負載：需要跨數千個隔離沙箱並行執行資料採集、網頁抓取等任務 不太適合的場景： - 需要 GPU 推理或訓練的場景——建議選擇 Modal - 僅做簡單 API 呼叫的場景，無需檔案系統或程式碼執行——建議直接使用函式即服務 - 要求無程式碼視覺化介面搭建基礎設施的團隊 - 對供應商成立時間和團隊規模有嚴格要求的超大型企業採購 使用建議：先用免費 200 美元額度實測，比對 E2B 或 Daytona 的真實工作負載效能和成本，再做長期決定。
-
Blaxel 精準地抓住了 AI Agent 基礎設施的一個關鍵痛點——Agent 需要屬於自己的持久化計算機，而不是用完即棄的臨時沙箱。25 毫秒恢復速度、閒置零計算費用、Agent Drive 分散式檔案系統這三項核心能力，讓它在一眾競品中做出了差異化。Y Combinator 和 First Round Capital 的背書、OpenAI Agents SDK 的原生整合、三重企業合規認證，疊加起來構成了比較完整的產品信任鏈。不過公司還年輕、生態尚淺、缺乏 GPU 支援，這些短板在面向不同客戶群體時的影響程度各不相同。對於正在構建生產級自主 Agent 系統的團隊來說，Blaxel 值得放入候選名單做實測比較。
使用者評論
-
ChristinaCastillo_8828—試了一下 Blaxel，最驚豔的是沙箱掛了三天回去用，25ms 就恢復了，檔案都在，程序還活著。之前用 E2B 每次回來得等幾秒重建環境，體驗差距挺大的。 -
STmit—作為小團隊，$200 免費額度夠我們測試一個月。Agent Drive 的共享檔案系統解決了多 Agent 協作的痛點，不用再自己搭 NFS 了。 -
Peter.Nguyen6—沙箱一直 ROOT 執行有點慌，看了安全報告說 /etc/shadow 可讀。雖然 microVM 隔離理論上夠安全，但總感覺不太放心。 -
Dennis_Diaz_66—Webflow 在用 Blaxel 做 AI coding agent 的實時預覽，這個用例選得真好。對我們做類似產品的來說看到大廠在用就是背書。 -
翡翠240—為什麼沒有 GPU 支援……想在沙箱裡頭跑個本地模型做推理都不行，只能呼叫外部 API。希望早點加上。 -
Charles_Powell5—在 OpenAI Agents SDK v2 裡直接配 Blaxel 做沙箱，一行 config 搞定，不用寫介面卡。之前折騰過 E2B 的整合，這個省事太多了。 -
陸剛—YC 背景+First Round 領投，創始團隊又是 ForePaaS 出來的，底子確實硬。不過賽道捲成這樣，最後能活下來的不知道能有幾家。 -
Mason_Cooper_202116—用量計費真香，沙箱待命時一分錢不花。我們跑 PR review agent，一天實際計算不到半小時，一個月賬單才幾十刀。 -
PBaker_2024—SDK 只支援 TypeScript 和 Python，我們後端用 Rust 的，暫時還整合不了。只能自己調 REST API，體驗差一截。 -
ticklishladybug957—閒了 15 秒就自動待命，這個閾值有點短。我們 agent 有時候處理複雜請求需要 20-30 秒思考時間，中間就被掛起了，體驗不太好。 -
安然462—Agent Runtime 還沒上線就吹得天花亂墜，真用的時候發現這個核心功能是 Coming Soon。現在跑長任務還是得自己管狀態。 -
DeborahHicks_99—SOC 2 + HIPAA + ISO 27001 三重認證，過安全審查的時候省了不少事。客戶法務直接說沒問題。 -
Anna.Ramirez_7963—跟 Modal 比的話，各有取捨。Modal 有 GPU 能做推理，Blaxel 沒 GPU 但待命零費用。看場景吧，我們做 coding agent 選 Blaxel 更合適。 -
Joshua_Collins520—支援 50000 併發沙箱這個數字理論上很漂亮，但我們配到 Tier 3 才 200 個，要到最高 tier 得充不少錢。 -
Christine_MorganX28—強烈推薦做 coding agent 的團隊試試。Claude Code 在裡面跑，克隆倉庫寫程式碼改 bug，待命恢復後之前的進度全在，不用重來。 -
William.Vasquez007—用 Blaxel 跑了批處理任務，幾千個沙箱幾分鐘就全起來了，isolated 環境，每個都有自己的 IP，資料不會串，這個隔離做得不錯。 -
Patricia.Cruz_66—公司才成立兩年，團隊十幾個人，說實話有點擔心長期穩定性。不過 YC 和 First Round 的背書讓採購那邊稍微放心了點。 -
GameFiGamerJenkins—快照儲存費 $0.20/GB·月看著不多，沙箱多了積少成多也是一筆開支。我們用 50 個沙箱一個月儲存費就上百了。 -
Phillip_Torres_996—Agent Drive 這個命名很貼切，確實像個共享硬碟掛在所有 Agent 上。我們做了個多 Agent 爬蟲系統，各寫各的檔案到 Drive 裡，互相不衝突。 -
m6irf—文件寫得還不錯，十分鐘就上手了。但深入配置還是得看 CLI，dashboard 只是簡化版，真正高階功能都得敲命令。 -
Jeffrey_Allen—25ms 恢復不是假的。我特意把沙箱放了三天沒碰，喚醒後程序 PID 都沒變。說實話這種體驗在其他平臺還沒見過。 -
WInie—沒有日本或新加坡區域，亞洲使用者延遲有點高。我們使用者主要在東亞，選最近的美國西海岸區域也有 150ms 左右的延遲。 -
Scott_Garcia_66—免費額度確實大方，200 刀夠跑不少測試。但真要上線了得算清楚賬，Snapshot 和 Volume 儲存費容易被忽略。 -
Gregory.TaylorIII—MCP 伺服器直接在同一個網路裡跑，Agent 調工具的延遲幾乎為零。之前用外部 MCP server 每次呼叫往返要幾百毫秒，現在差距太大了。 -
Sandra40—Team 就六個人但產品迭代速度挺快的，從 Mark 2 到 Mark 3 架構升級只用了幾個月。說明執行力確實強。 -
Gabriel.Scott1683—說能省 70% 成本我們實際測下來大概省了 50% 左右，也不錯。主要省的是待命機時費，之前用 AWS 沙箱閒置也燒錢。 -
石軒—OpenAI SDK 原生支援確實是個大加分項，說明已經被 OpenAI 認可了。不然要去說服老闆用一個剛成立兩年的公司產品挺難的。 -
Walter_RodriguezX—Blaxel 做批處理真香，幾千個影片分析任務統一提交，每個跑在獨立沙箱裡，互不影響。之前用 ECS 自己編排累死了。 -
Beverly.TurnerQ—最大問題是生態太新了，社群資源少。遇到坑搜不到解決方案，只能去 Discord 問，好在官方回覆還挺快的。 -
Beverly.Walker—Corvera 那個案例說 MRR 周增長 130%，雖然誇張但確實說明這產品有真實需求。B2B 創業公司用 Blaxel 做 agent 底座挺合適的。