from glac import Sandbox
sbx = Sandbox.create() # its own microVM
res = sbx.run("python3 -c 'print(6*7)'") # res.stdout
sbx.files.write("/tmp/plan.md", "step 1") # files in and out
snap = sbx.snapshot(name="step-1") # memory and all
copies = sbx.fork(3) # 3 copies from now
sbx.sleep() # next call wakes it代理空等，卻照樣付費
等模型回答時，代理的電腦閒著沒事。沙箱閒置 30 秒後就休眠，休眠時不使用 CPU。
沙箱的一生
代理工作時執行；閒置 30 秒後休眠，裡面的一切都保留；由下一個指令、檔案操作或請求喚醒；可在執行中完整保存，並分叉成最多 64 個副本。
代理能得到什麼
彼此隔離：每個代理一個 microVM、網路規則，以及在送出途中才填入的機密。
從中斷處繼續：休眠時，它保留記憶體、行程、磁碟和網路位置。
成果長久保存：磁碟區在沙箱結束後依然存在，並跟著代理到下一個工作地點。
人可以隨時介入：終端機、連到任何連接埠的連結，或用你自己的金鑰 SSH 連線。
代理開箱即用：Claude Code、Codex 或 OpenCode；模型的金鑰由你提供。
各種存取方式：API、glac CLI、五種 SDK 和一個 MCP 伺服器。
閱讀文件
示意預覽
實測，而非承諾
在沒有其他負載的裸機上測得的中位數：這是最佳情況，我們也明白標示。 我們如何測量
服務開放後，你可以在自己的沙箱上看到這個數字：需要喚醒沙箱的回應，會在 Server-Timing 標頭中註明喚醒花了多久。
curl -si https://api.glac.ai/v1/sandboxes/web/run \
-H "Authorization: Bearer $GLAC_API_KEY" \
-H "Content-Type: application/json" \
-d '{"command": "true"}' | grep -i server-timing
# server-timing: wake;dur=<milliseconds>用到的產品
一個月的費用試算
一百個代理執行一個月，按定價計算。 估算你自己的用量
使用情境
- 100 個代理，每個配一個 2 vCPU、4 GiB 的沙箱。
- 每個每天醒著一小時，共 30 天：總計 3,000 小時。
- 醒著時，CPU 有十分之一的時間在忙，其餘時間在等模型；記憶體使用 2 GiB。
- 其餘時間都在休眠，每個保存約 1 GB：記憶體映像和它自己的那層磁碟。
- 傳送 10 GB 到網際網路。
按定價計算的一個月
- CPU21.6億 CPU 毫秒 × $0.01 / 百萬$21.60
- 記憶體6,000 GiB 小時 × $0.008$48.00
- 傳出流量10 GB × $0.004$0.04
- 休眠保存100 GB 月 × $0.02$2.00
改用付費版，這個月是 $73.60：月費 $5，加上超出內含額度的 $68.60，按同樣的價格從餘額扣除。
給你的代理一台電腦
取得金鑰，然後用命令列或 Python 建立沙箱，只要幾分鐘。