عامل برنامه‌نویسی متن‌باز Mixdog؛ کاهش ۶۳ درصدی مصرف توکن با تقسیم کار میان مدل‌ها

معرفی ابزار

Mixdog یک عامل برنامه‌نویسی دسکتاپ رایگان و متن‌باز تحت مجوز Apache-2.0 برای سیستم‌عامل‌های ویندوز، macOS و لینوکس است که توسط استودیوی کره‌ای tribgames توسعه یافته است. شعار اصلی این ابزار چنین است: «عامل کدنویسی متن‌بازی که ۶۳ درصد توکن کمتری مصرف می‌کند.»

ایده بنیادین این پروژه، گردش کار مبتنی بر رهبر و تیم همکاران است؛ به این صورت که یک مدل قدرتمند وظیفه برنامه‌ریزی کلی را بر عهده می‌گیرد، در حالی که مدل‌های ارزان‌تر به‌شکل موازی کارهای جستجو، ویرایش و بازبینی کد را پیش می‌برند. کاربران می‌توانند از اشتراک‌های فعلی خود در پلتفرم‌های Claude، ChatGPT/Codex، Grok یا Muse Code استفاده کنند، یا کلید API اختصاصی خود را از سرویس‌دهندگانی چون OpenAI، Anthropic، Gemini، xAI، OpenRouter و DeepSeek وارد نمایند؛ علاوه بر این، امکان اتصال به مدل‌های محلی نیز وجود دارد.

مخزن گیت‌هاب: github.com/tribgames/mixdog · صفحه محصول: tribgames.com/products/mixdog · گزارش انتشار اولیه: dev.to.

بررسی و تحلیل فنی

نکات کلیدی

1. کارایی مصرف توکن، مهم‌ترین برگ برنده پروژه: در ارزیابی جامع روی تمام ۸۹ سناریوی بنچمارک Terminal-Bench 2.1 در ۵ نوبت آزمون (مجموعاً ۴۴۵ اجرا برای هر عامل) با بهره‌گیری از یک مدل یکسان یعنی GPT-5.6 Sol در بالاترین سطح استدلال و داوری سیستم رسمی Harbor، عامل Mixdog موفق شد تنها ۱۵۶٫۵ میلیون توکن در برابر ۴۲۱٫۴ میلیون توکن Codex CLI (معادل ۶۳ درصد صرفه‌جویی) مصرف کند. این دستاورد با نرخ موفقیت ۸۶٫۵ درصد در برابر ۸۶٫۱ درصد به دست آمد و در ۸۷ تسک از کل ۸۹ تسک، توکن بسیار کمتری سوزانده شد. همچنین در مقایسه با Claude Opus 5، این سیستم ۲ تسک بیشتر از Claude Code را با ۱۹ درصد هزینه کمتر به پایان رساند. تمامی لاگ‌ها، داوری‌ها و اسکریپت‌های ارزیابی در مخزن عمومی پروژه منتشر شده‌اند.
2. این صرفه‌جویی چشمگیر از کجا حاصل می‌شود؟ درخواست اولیه سبک‌تر (حدود ۴٫۷ هزار توکن در برابر ۱۴٫۴ هزار توکن برای دستورالعمل‌ها و مشخصات ابزارها)، رفت‌وبرگشت‌های کمتر (حدود ۱۰ درخواست در مقایسه با ۱۶ درخواست در هر آزمون)، فیلتر هوشمند خروجی ابزارها (حذف حدود ۹۵ درصد از خروجی‌های حجیم ترمینال پیش از ارسال به مدل) و تولید پاسخ‌های کوتاه‌تر و بهینه‌تر از دلایل اصلی این کاهش مصرف هستند.
3. تنظیم خودکار سطح تفکر و استدلال: یک مدل محلی کم‌حجم حدوداً ۱۵۰ مگابایتی روی پردازنده اصلی (CPU) مستقر است که در حدود ۰٫۱ ثانیه تمام پیام‌ها و گام‌های ابزار را تحلیل کرده و میزان توان استدلال موردنیاز را تعیین می‌کند؛ در نتیجه، کارهای ساده و پیش‌پاافتاده منابع سنگین و توکن‌های استدلالی گران‌قیمت را هدر نمی‌دهند.
4. انعطاف در ساختار تیم از حالت تک‌نفره تا دسته‌جمعی: امکان ترکیب مدل‌های گوناگون بر پایه نقش، تغییر روند کاری در حین گفتگو و تعیین مدل‌های جایگزین برای زمان اتمام سهمیه فراهم شده است.
5. محیط کاری کامل و همه‌جانبه: ادیتور داخلی، ترمینال‌ها، اتصال به Git و GitHub، گراف کدهای پروژه، سرورهای زبانی، بات‌ها و اتاق‌های گروهی، تعریف اهداف کلان، زمان‌بندی‌ها و وبهوک‌ها، ادامه کار با رمزنگاری سرتاسری از طریق گوشی همراه، کنترل دسکتاپ و مرورگر، مدیریت اسناد آفیس و PDF به‌همراه تولید تصویر و ویدیو در این ابزار تعبیه شده‌اند.

علت توجه کارشناسان به این ابزار

مخزن این پروژه در ژوئن ۲۰۲۶ ایجاد شده بود، اما انتشار نسخه‌های v1.4.0 و v1.4.1 در تاریخ ۲۷ اکتبر ۲۰۲۶ توجه گسترده‌ای را در محافل متن‌باز به خود جلب کرد و نام Mixdog را به‌عنوان گزینه‌ای شاخص در میان انبوه ابزارهای کدنویسی مبتنی بر هوش مصنوعی مطرح ساخت.

نحوه استفاده و راه‌اندازی

شروع به کار

1. برنامه دسکتاپ: فایل نصبی متناسب با سیستم‌عامل خود را از بخش نسخه‌های منتشرشده در GitHub دانلود کنید (نسخه‌های ویندوز ۶۴ بیتی، مک‌های اینتل و اپل سیلیکون، و لینوکس در قالب AppImage یا فایل deb).
2. رابط خط فرمان (CLI): با استفاده از نسخه‌های Node.js 22.19 یا ۲۴ به بالا، دستور زیر را اجرا کنید:

npm install -g mixdog
mixdog

1. وارد حساب کاربری خود در ChatGPT، Claude، Grok یا Muse Code شوید یا کلید API مدنظر را وارد کنید؛ یک آموزش کوتاه پنج‌مرحله‌ای سایر تنظیمات را نشان می‌دهد.
2. یک مدل شاخص را به‌عنوان رهبر برنامه‌ریزی و مدل‌های اقتصادی‌تر را برای جستجو، ویرایش و بازبینی انتخاب کنید و قابلیت تنظیم خودکار استدلال (Auto reasoning effort) را در حالت فعال نگه دارید.

نکات کاربردی

• هزینه مصرف مدل‌ها مستقیماً به سرویس‌دهندگان پرداخت می‌شود و خود نرم‌افزار کاملاً رایگان است.
• در سیستم‌های مک مجهز به پردازنده‌های اینتل، قابلیت‌های تنظیم خودکار استدلال و جستجوی حافظه معنایی در دسترس نیستند.
• رقم ۶۳ درصد صرفه‌جویی بر اساس آزمون‌های ارائه‌شده توسط تیم سازنده است؛ بنابراین توصیه می‌شود پیش از مهاجرت کامل، اسکریپت‌های منتشرشده را روی پروژه‌ها و کدهای واقعی خود ارزیابی نمایید.