AVM 的设计带有理论目标：token 感知检索、多 Agent 隔离、只追加语义。但没有测量的理论只是猜测。本文呈现 AVM 在多个维度上的严格性能评估，目标是理解它在哪里出色、瓶颈在哪里。

所有基准测试在 Apple M2 Pro、16GB RAM、macOS 24.6.0、Python 3.13.12、SQLite 3.45.0（WAL 模式）上运行，使用 all-MiniLM-L6-v2 embedding 模型。

执行摘要

指标	数值	备注
写入吞吐量	468 ops/s	WAL + 异步 embedding
读取吞吐量（热）	724,000 ops/s	LRU 缓存命中
读取吞吐量（冷）	3,300 ops/s	缓存未命中 → SQLite
搜索吞吐量	2,000 ops/s	FTS5 全文
缓存命中率	95%	Zipf 访问模式
Token 节省	97%+	对比加载所有记忆

上周我们发布了 sandbox_exec——一个用 seccomp-bpf 隔离学生代码的 224 行 C 程序。当时的诚实答案是："WASM 的安全模型更干净，但 Python 生态还没准备好。"

这周我们量化了"还没准备好"到底意味着多少毫秒。答案比预想的更有意思。

测试环境

• 运行时：Wasmtime v42.0.1
• 平台：macOS arm64
• 方法：每个场景 50 次运行，5 次预热，取均值
• 对比基准：sandbox_exec 包装 Python 3.x