dalao.ai

Tabby

可自托管的 AI 编程助手开源

关于 Tabby

主仓库自 2026-07-01 起没有新提交 提交记录

Tabby 是一个可以完全部署在自己机器或内网里的 AI 编程助手，主打代码补全：一个 Rust 写的服务端，带网页管理后台，配上 VS Code、JetBrains、Vim/Neovim 的插件，就能给团队提供类似 GitHub Copilot 的补全体验，而代码和模型都留在自己手里。开发方是 TabbyML, Inc.，联合创始人是两位前 Google 工程师 Meng Zhang 和 Lucy Gao，2023 年 10 月宣布获得 320 万美元种子轮。主体代码为 Apache-2.0，ee 目录下的企业功能另有许可。对话和知识库功能已于 2026 年 1 月在 main 分支下线，截至 2026-10-26，主仓库最近一次提交在 2026-07-01，最新正式版是 2026-01-26 发布的 v0.32.0；团队 2025 年 7 月推出了新的编程代理 Pochi。

编辑部更新于 阅读约 9 分钟

Tabby 界面截图

它解决什么问题

很多公司想让工程师用上 AI 补全，却不能把私有代码发到第三方云端，金融、医疗这类受监管行业尤其如此。Tabby 把整套补全服务部署在用户自己的机房：服务端自带推理和索引，不依赖外部数据库或云服务；对外提供 OpenAPI 接口，方便接入云 IDE 等现有基础设施；消费级 GPU 也能跑。这三点是 README 开头列出的三项主要特性（key features）。

它的做法是端到端优化，而不只是在大模型外面包一层。官方文档的原则页写道，IDE 插件做了流式返回、请求取消和自适应缓存，目标是一秒内给出补全；服务端用 Tree-sitter 解析相关代码来组织提示词。2023 年 10 月的 v0.3.0 起默认开启基于仓库检索的补全，会从同一仓库的其他文件里找相关函数和示例作为上下文；之后又陆续接入了 GitLab、GitHub 的代码与合并请求索引，以及通过 REST API 导入自有文档。

谁做的：公司主体是 TabbyML, Inc.（LICENSE 版权方），创始人是 Meng Zhang。据 WVV Capital 发布的访谈，Meng 在 Google 工作了八年多，最后四年做生成式 AI 模型；Lucy Gao 在 Google 与 Meng 同组做了四年计算机视觉，之后加入 TikTok，是最早的一批产品团队成员之一。两人在 2022 年底开始认真讨论这个方向，项目于 2023 年 4 月公开。2023 年 10 月，TechCrunch 报道公司获得 320 万美元种子轮，投资方为云启资本（Yunqi Partners）和 ZooCap；WVV Capital 于 2024 年 11 月宣布投资。

产品线在 2025 年后有了分叉。2025 年 7 月，官网上线了编程代理 Pochi，宣传为「全栈 AI 队友」；README 最新一条动态（2025-12-12）也是关于 Pochi 的。与此同时，2026 年 1 月 20 日提出、1 月 24 日 00:24 (UTC+8) 合入 main 的 PR #4425（标题为「sunset knowledge and chat features」） 关闭了 Tabby 的对话功能，移除了知识库页面和搜索页面。这次合并之后，main 分支上保留的是代码补全和代码上下文索引。

回看版本历史（按 GitHub Releases）：2023-08-31 发布第一个稳定版 v0.0.1，同年 9 月的 v0.1.1 加入 Apple M1/M2 的 Metal 推理，12 月的 v0.7.0 加入团队管理和访问控制；2024 年 3 月的 v0.9.0 有了完整的管理后台，4 月的 v0.10.0 加入团队用量报表，6 月的 v0.13.0 推出面向内部工程团队的问答引擎 Answer Engine；2025 年 2 月的 v0.24.0 支持 LDAP 登录，7 月的 v0.30.0 能把 GitLab 合并请求编入索引。2023 年 10 月拿到种子轮时，TechCrunch 记录的 GitHub 星数约为 1.1 万。README 动态列表在 v0.30 之后的下一条是 2025-12-12 关于 Pochi 的动态。

Tabby 是一个可自托管的 AI 编程助手，为 GitHub Copilot 提供开源、本地部署的替代方案。

Tabby README

核心能力

一体化服务端。用 Rust 编写，推理基于 llama.cpp，检索索引用 Tantivy；自带网页管理后台，包括用户和团队管理、使用报表、代码浏览器和活动记录。数据默认放在 ~/.tabby 目录，不需要另装数据库。仓库里还有对接 Ollama 的绑定（ollama-api-bindings），已经在用 Ollama 跑模型的团队可以直接复用。

仓库级上下文。可以接入 GitHub、GitLab 和自建代码托管的仓库，按多个分支建立索引（v0.32.0 新增），也能把 GitLab 合并请求、通过 REST API 推送的内部文档作为补全和问答的上下文。补全时还会结合本地 LSP 给出的声明和最近修改的代码。

多模型、多硬件。支持 CUDA、ROCm、Vulkan、Apple Metal 和 CPU；int8 推理要求 NVIDIA 显卡的计算能力不低于 7.0 或等于 6.1，float16 要求 7.0 以上，bfloat16 要求 8.0 以上；默认用 int8 推理，按 FAQ 的说法，CodeLlama-7B 约需 8 GB 显存；在 AMD Radeon RX 7900 XTX 上用 ROCm 跑同一个模型，监控显示也约占 8 GB，不过 FAQ 写明 ROCm 下的限制大多还没测过。单个实例只用一块 GPU，多卡要起多个实例，再用 CUDA_VISIBLE_DEVICES 或 HIP_VISIBLE_DEVICES 给每个实例分配显卡。补全模型和对话模型可以分开指定，也可以接 OpenAI 兼容的远程接口。

IDE 覆盖。官方插件支持 Visual Studio Code（兼容 VSCodium）、IntelliJ 系列和 Vim/Neovim。VS Code 插件支持多候选补全、自动生成提交信息、行内编辑，以及在侧栏用 @ 引用文件。

付费版功能。按定价页的对比表，付费版才有的功能包括 SSO、LDAP（v0.24）、自定义品牌（v0.31.0 起，仅企业版），以及强制插件遥测策略、认证域名限制等。

和同类比

GitHub Copilot：个人 Pro 每月 10 美元，官方定价页写明代码补全在各付费计划里都不限量，Free 计划每月限 2,000 次（截至 2026-10-25）。Copilot 是云服务；Tabby 的区别在于代码不离开内网，这一点对合规上不允许代码出内网的团队才是决定因素。

Continue 加 Ollama：Continue 是开源的 IDE 插件，Ollama 负责在本机跑模型，两者组合同样能做到本地补全和对话，适合个人或愿意自己拼装的团队。Tabby 本身也能把 Ollama 当作模型后端。Tabby 的优势在于集中式服务端：账号、团队、使用报表和仓库索引都在一个地方统一管理。

Cline、Aider 等编程代理：它们擅长按需求跨文件改代码、执行命令，可以接本地或云端模型。Tabby 管的是边写边补全这一层，两类工具可以同时用，并不互相替代。

Tabnine、Sourcegraph 等商业私有化方案：适合要求厂商签服务协议、愿意为私有化部署付费的大企业。Sourcegraph 定价页显示，企业版起价每年 1.6 万美元，按最低年度合同计，含 AI 功能额度（截至 2026-10-25），Sourcegraph 官方博客也说明 Cody Free 和 Pro 已于 2025-07-23 停止提供；Tabnine 已于 2026-07-30 被测试平台公司 Tricentis 收购，原定价页现在跳转到 Tricentis 的联系销售页。Tabby 的优势是主体代码开源，可以自己审计和修改，Community 版最多 5 个用户免费。

谁在用，适合谁

采用数据（截至 2026-10-25）：GitHub 主仓库 33,921 星、1,791 个复刻；VS Code 插件安装量 85,640，13 个评分，平均 4.5 分（VS Code Marketplace）；JetBrains 插件下载量 35,515（JetBrains Marketplace）。GitHub 贡献者接口中排第一的是 Meng Zhang（1,903 次提交）。

适合谁

代码不能出内网、又想给工程师配上 AI 补全的团队。服务端、模型和索引都在自己的服务器上，插件只连团队自己的 Tabby 地址。

手里有一块闲置 GPU 的小团队。文档建议，1B 到 3B 的补全模型用 NVIDIA T4、10 系或 20 系显卡，或 M1 这类 Apple 芯片；Community 版免费，最多 5 个用户。

想自己挑模型、看许可证的人。官方模型目录列出了 StarCoder、CodeLlama、DeepSeekCoder、CodeGemma、Qwen2.5-Coder 等补全模型，并逐个标注许可证；也可以加载符合规范的本地模型。

已经用 GitLab 或自建 Git 服务、需要 LDAP 或 SSO 的企业。这些集成在 v0.12 和 v0.24 之后陆续加入，v0.32.0 又补上了通用 OAuth。

不适合谁

想要 Cursor、Claude Code 那种能自己改多个文件、跑命令的代理体验的人。Tabby 的重心是补全，对话功能已在 main 分支上下线，代理能力在团队另一款产品 Pochi 里。

没有运维能力、不想管 GPU 和模型更新的个人开发者。GitHub Copilot 是订阅制云服务，不需要自己部署服务端和模型。

想用多块 GPU 共同支撑一个大模型的团队。FAQ 写明单个 Tabby 实例只用一块 GPU，多卡只能起多个实例分别服务。

需要长期稳定路线图的大型采购方。截至 2026-10-26，主仓库最近一次提交在 2026-07-01，最新正式版仍是 2026 年 1 月的 v0.32.0。

上手路径

Docker 部署的命令（需先装好 NVIDIA Container Toolkit）是：docker run -d --name tabby --gpus all -p 8080:8080 -v $HOME/.tabby:/data registry.tabbyml.com/tabbyml/tabby serve --model StarCoder-1B --chat-model Qwen2-1.5B-Instruct --device cuda。开启了 SELinux 的系统，卷挂载要加 :Z。Apple 芯片可以用 Homebrew 安装，Linux、Windows 和 WSL2 也都有对应文档。显卡配置：模型目录建议，1B 到 3B 的补全模型至少用 T4、10 系或 20 系显卡，或 M1 这类 Apple 芯片，7B 到 13B 的模型用 V100、A100、30 系或 40 系；对话模型对延迟要求不高，模型目录建议对话模型至少 1B 参数；目录里的对话模型有 Mistral-7B、Qwen2.5-Coder 系列（Apache 2.0）、CodeGemma-7B-Instruct（Gemma 许可）和 CodeQwen-7B-Chat（通义千问许可），各自的商用条件不同。

服务启动后，管理后台在 http://localhost:8080，第一个注册的账号自动成为管理员。登录后，首页会显示连接插件所需的服务器地址和令牌，之后可以邀请团队成员。插件可在 VS Code 中通过 ext install TabbyML.vscode-tabby 安装，或在 JetBrains 插件市场搜索 Tabby 安装，再填入地址和令牌。

两点说明。第一，对话功能已在 main 分支下线，只部署补全时可以省略 --chat-model。第二，启动前设置 TABBY_DISABLE_USAGE_COLLECTION=1 可以关闭向 TabbyML 上报使用统计。

定价与许可证

官网定价页的价格（截至 2026-10-25）：Community 版免费，最多 5 个用户，本地部署，包含代码补全、Answer Engine、行内对话和上下文提供器；Team 版每用户每月 19 美元，最多 50 个用户；Enterprise 版定制报价，不限用户，包括 SSO 和专属 Slack 支持。定价页还有一节 Tabby Cloud 按用量计费的说明，内容其实是 Pochi 的：按所用模型的 token 成本计费，每月送 20 美元额度。Pochi 那一节还写明，Tab 补全始终免费、不限用量。

许可证分两层。根目录 LICENSE 规定，ee 目录（包括 tabby-webserver、tabby-ui、tabby-db 等）适用 Tabby Enterprise License：生产环境使用需要遵守订阅条款，并持有对应席位数的有效企业许可，开发和测试可以免费复制和修改；第三方组件按原许可证；其余代码为 Apache-2.0。GitHub 对整个仓库的许可识别结果是 NOASSERTION，原因是根 LICENSE 把两种许可写在了同一个文件里。管理后台和网页界面本身就在 ee 目录里。

风险与局限

第一，最近的提交和版本。最近一个正式版是 v0.32.0（2026-01-26），之后发布的是一个内部用的 next-alpha 预发布版；按 GitHub API，截至 2026-10-26，main 分支最近一次提交是 2026-07-01 的 21b2904，内容是撤销一次第三方提交（把 Avian 加为模型提供方的 #4448）；GitHub Releases 上最新的正式版仍是 v0.32.0，发布于 2026-01-26 01:07 (UTC+8)。相比之下，Pochi 仓库（Apache-2.0，2025-08-20 创建，文档站为 docs.getpochi.com）在 2026-10-23 仍有推送；截至 2026-10-25，GitHub 贡献者接口显示 Meng Zhang 在 Tabby 有 1,903 次提交，在 Pochi 有 2,614 次。

第二，对话和知识库功能已下线。这两项功能已在主分支上下线，官网和定价页截至 2026-10-25 仍在介绍 Answer Engine 和行内对话。

第三，默认会上报使用统计。文档写明默认收集非敏感的使用数据，列出的字段包括补全模型和对话模型名称、设备类型、CPU 架构和核数、CUDA 设备、版本号，以及是否启用网页服务，可以用环境变量关闭。

第四，硬件和模型许可。单实例只用一块 GPU；模型目录里部分模型的许可证有限制，比如 Codestral-22B 是 Mistral 的非生产许可。

我们的判断

对代码不能出内网、人数在 5 人以内，或愿意为 50 人以内的团队按每人每月 19 美元付费的团队来说，Tabby 是一个开源、可自托管的补全方案，用一条 Docker 命令即可部署。但对话功能已在 main 分支下线，截至 2026-10-26 主仓库最近一次提交在 2026-07-01，最新正式版仍是 2026-01-26 发布的 v0.32.0。对新项目而言，它目前的定位是补全服务；可替代的方案有 Continue 加本地模型，以及商业私有化产品。

亮点

Tabby 是一个可以完全在你自己的内网里运行的编程助手。代码补全和代码搜索打包在一个带网页界面的 Rust 可执行文件里；仓库索引器会在你的代码库之上建起真正的检索层，而不是把文件一股脑塞进提示词。对话和知识库在 v0.32.0 版本里仍然提供，但已在主分支上由 PR #4425（2026 年 1 月 24 日合并）移除。

Meng Zhang 和 Lucy Gao 创办了 TabbyML, Inc.，Meng 此前在 Google 做了四年生成式 AI 模型。部署依然简单：单机，GPU 或 CPU 都行。需要注意，Tabby 默认会收集使用统计，设置环境变量 TABBY_DISABLE_USAGE_COLLECTION=1 即可关闭。

代码补全和代码搜索由一个 Rust 可执行文件提供，可以完全部署在你自己的网络里，GPU 或 CPU 都行。

资料来源

官方

  1. TabbyML/tabby（GitHub）GitHub · 访问于 2026 年 10 月 26 日
  2. Tabby READMEGitHub · 访问于 2026 年 10 月 26 日
  3. Tabby 根目录 LICENSEGitHub · 访问于 2026 年 10 月 26 日
  4. Tabby Enterprise License（ee/LICENSE）GitHub · 访问于 2026 年 10 月 26 日
  5. Tabby v0.32.0 发布说明GitHub
  6. Tabby v0.31.0 发布说明（自定义品牌，仅企业版）GitHub · 访问于 2026 年 10 月 26 日
  7. Tabby next-alpha 预发布版GitHub
  8. PR #4425：sunset knowledge and chat features（2026-01-24 合入）GitHub · 访问于 2026 年 10 月 26 日

动态与深度阅读