一句话看懂：Tura 是一个开源 agent 运行时（runtime harness），它把 ReAct 式多轮工具调用压缩成单轮宏命令图执行，在 DeepSWE 基准上比 Codex CLI 最多减少 69.1% 的 LLM 轮次和 77.5% 的 token，同时把可验证通过率从 63.3% 提升到 65.0% 或 80.0%（取决于配置）。
事件核心：发生了什么
该项目由 Tura-AI 在 HN 上发布，核心痛点是：传统工具调用型 agent 每执行一次工具就要重新进入模型，反复携带系统提示词和不断增长的上下文，既费 token 又拖慢速度。Tura 的做法是向模型暴露一个名为 command_run 的宏工具，让模型一次性构建多步执行树，由运行时接管后续确定性执行，从而把原本需要五轮 LLM 往返的任务压缩到一轮。
公开数据来自 20 个 DeepSWE v1.1 任务和完整 benchmark 报告（25 个高难度任务、6 种 agent/模型配置、270 次会话）：Direct 模式比 Codex CLI 少用 77.5% token，通过率 65.0% 对 63.3%；Balanced 模式把省下的预算投入推理和验证，通过率达 80.0%，仍少用 31.1% token。目前公开信息显示，这些结果尚未覆盖 Anthropic、Gemini、OpenAI-compatible、本地模型等更多 provider。
为什么重要
它提示了一个区别于“堆模型能力”的优化路线：通过运行时架构减少模型往返次数，直接解决 coding agent 规模化时最大的成本瓶颈——token 消耗和
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
