Was ist OpenResearch?
OpenResearch ist eine Desktop-App und CLI (orx) von alphaXiv, der Diskussionsseite für arXiv, die den Coding-Agenten, den du ohnehin nutzt, mit den Werkzeugen umgibt, die ein Forschungsprojekt braucht. Agenten können alphaXiv, bioRxiv und PubMed durchsuchen, um eine Hypothese zu untermauern, Experimente auf deinem Rechner oder auf entfernter Rechenleistung starten und jeden Lauf mit Code, Logs und Artefakten in einer lokalen SQL-Datenbank festhalten, die der Agent konsultiert, bevor er entscheidet, was er als Nächstes versucht.
Es arbeitet mit Claude Code, Codex, OpenCode, Cursor und Google Antigravity sowie mit lokalen Modellen über OpenCode und LM Studio, oMLX oder Ollama. Experimente laufen lokal oder über SSH, Slurm, Kubernetes, Ray, Modal, Tinker, Hugging Face Jobs oder alphaXivs verwaltete GPUs, die zum Selbstkostenpreis von einem Prepaid-Guthaben abgerechnet werden.
Das Repository wurde am 7. Juni 2026 angelegt, ist in Rust geschrieben, steht unter MIT-Lizenz und hat etwa 7.700 GitHub-Sterne. Releases kommen häufig; v0.2.23 erschien am 31. Oktober 2026. Die Windows-App ist in der Beta.
Lohnt sich OpenResearch?
Die nützliche Idee von OpenResearch ist, dass ein Forschungsagent eher ein Laborbuch braucht als ein klügeres Modell. Jedes Experiment landet mit Code, Logs und Artefakten in einer lokalen Datenbank, sodass der Agent sieht, was versucht wurde, was scheiterte und welche Zahlen herauskamen, bevor er den nächsten Lauf vorschlägt, und ein Mensch in der Desktop-App die Belege hinter jedem Ergebnis prüfen kann. Das trifft den häufigsten Fehler von Autoresearch-Tools: ein bereits gescheitertes Experiment zu wiederholen oder ein Ergebnis zu melden, das niemand nachvollziehen kann.
Die Breite der Rechen-Backends ist der zweite Grund, es sich anzusehen. Ein Forscher kann dasselbe Projekt vom Laptop auf einen universitären Slurm-Cluster, einen Kubernetes-Namespace, Modal oder Hugging Face Jobs verlegen, ohne das Werkzeug zu wechseln, und die Literaturseite stützt sich auf alphaXiv, bioRxiv und PubMed statt auf eine allgemeine Websuche. Weil es Claude Code, Codex oder OpenCode steuert, statt einen eigenen Agenten mitzubringen, wird es mit diesen Agenten besser.
Die Voreinstellungen sind weniger privat, als der Werbespruch nahelegt. Projekte, Code und Traces bleiben lokal, aber offizielle Builds senden Produktanalysen mit Opt-out, verknüpft mit einer zufälligen Installations-ID, dazu vom Agenten geschriebene Feedback-Berichte über Bugs und Frustrationen, die der Agent lediglich bereinigen soll. Anonymisierte Token- und Nachrichtenzahlen fließen in ein öffentliches Ranking der Modellnutzung auf openresearch.sh. orx telemetry off oder ein Schalter in Settings schaltet alles ab. Der eigenständige CLI-Installer ist nicht signiert, verwaltete Macs blockieren ihn also möglicherweise.
Mit weniger als fünf Monaten, etwa 109 offenen Issues und Pull Requests und über zwanzig Patch-Releases in der 0.2-Reihe ist das frühe Software. Preise für verwaltete GPUs sind erst nach dem Login sichtbar. Verglichen mit Sakanas AI Scientist, das eine feste Pipeline von Anfang bis Ende durchläuft, ist OpenResearch ein Arbeitsbereich, den ein Forscher lenkt, was es im Alltag nützlicher und weniger zur Demonstration macht.
Wo es sich lohnt
Eine Doktorandin mit einem Slurm-Kontingent auf einem Universitätscluster
Einen Ablations-Sweep fahren und festhalten, was jeder Lauf gezeigt hat
Den Cluster über SSH und Slurm verbinden, Claude Code Läufe vorschlagen und starten lassen und OpenResearch jeden mit Logs und Abbildungen erfassen lassen. Die Software ist kostenlos; die Rechenleistung ist das vorhandene Kontingent.
Ein Research Engineer bei einem ML-Start-up mit 15 Personen
Das Ergebnis eines neuen Papers reproduzieren, bevor entschieden wird, darauf aufzubauen
Ein Projekt aus dem Paper starten, den Agenten verwandte Arbeiten aus alphaXiv holen und den Trainingscode auf Modal oder verwalteten GPUs von einem Prepaid-Guthaben ausführen lassen. Das Experiment-Log macht aus einer gescheiterten Reproduktion ein dokumentiertes Ergebnis statt eines verlorenen Nachmittags.
Ein Computational Biologist in einer Forschungsabteilung eines Krankenhauses
Einen Analyseplan auf aktuelle Preprints und veröffentlichte Arbeiten stützen
Die Suche in bioRxiv und PubMed über den Agenten nutzen, Analysen lokal ausführen, damit patientennahe Daten auf dem Rechner bleiben, und die Analysen vor dem Start mit orx telemetry off abschalten.
Bevor du dich festlegst
- Einrichtung
- Lade die App für macOS 11+, die Windows-Beta (braucht Git for Windows) oder ein Linux-AppImage (glibc 2.35+) herunter, wähle einen Coding-Agenten und melde dich an, dann starte von einem leeren Repository, einem vorhandenen Ordner oder einem Paper. Die CLI installiert sich per curl-Skript, und orx up öffnet ein Dashboard auf 127.0.0.1:4791.
- Integrationen
- Claude Code, Codex, OpenCode, Cursor und Antigravity; LM Studio, oMLX und Ollama über OpenCode; alphaXiv, bioRxiv und PubMed; lokal, SSH, Slurm, Kubernetes, Ray, Modal, Tinker, Hugging Face Jobs und verwaltete Rechenleistung.
- Daten und Datenschutz
- Projekte, Unterhaltungen, Experimente und Artefakte bleiben lokal. Offizielle Builds senden Analysen mit Opt-out, verknüpft mit einer zufälligen Installations-ID, und vom Agenten bereinigte Feedback-Berichte; orx telemetry off schaltet beides ab. Ein Konto ist nur für verwaltete Rechenleistung und E-Mail-Updates nötig. MIT-Lizenz.
- Kosten im großen Maßstab
- Keine kostenpflichtige Software-Stufe. Verwaltete GPUs werden zum Selbstkostenpreis von einem Prepaid-Guthaben abgerechnet, die Preise stehen im Dashboard; ansonsten sind die Kosten dein eigener Cluster oder deine Cloud-Rechnung plus Abo oder Tokens deines Coding-Agenten.
- Grenzen
- Etwa 109 offene Issues und Pull Requests; häufige Patch-Releases (v0.2.23 bis zum 31. Oktober); die unsignierte CLI kann auf verwalteten Macs blockiert werden; Preise für verwaltete Rechenleistung nicht öffentlich.
Was gut ist
- Lokale Experiment-Datenbank, die der Agent vor jedem Lauf liest
- Lokal, SSH, Slurm, Kubernetes, Modal, Ray und HF Jobs
- Literatursuche in alphaXiv, bioRxiv und PubMed eingebaut
- Steuert Claude Code, Codex, OpenCode, Cursor oder Antigravity
Was nicht
- Analysen und Feedback-Berichte des Agenten standardmäßig an
- Preise für verwaltete GPUs nur nach dem Login sichtbar
- Windows in der Beta; CLI-Installer nicht signiert
- Weniger als fünf Monate alt und noch bei 0.2
Am besten für
ML- und Computational-Science-Forschende, die bereits einen Coding-Agenten nutzen und ihn Experimente auf ihrer eigenen Rechenleistung ausführen, protokollieren und vergleichen lassen wollen.
Alternativen zu OpenResearch
OpenResearch: häufige Fragen
- Lohnt sich OpenResearch?
- OpenResearch gibt Coding-Agenten das Experiment-Gedächtnis und die Rechen-Infrastruktur, die Forschung wirklich braucht, von einem Team, dessen Geschäft Paper sind, aber es ist jung und sendet standardmäßig Daten nach Hause. Wir bewerten es mit 3.8 von 5.
- Was kostet OpenResearch?
- Kostenlos und Open Source (MIT). Verwaltete OpenResearch-Rechenleistung wird zum Selbstkostenpreis von einem Prepaid-Guthaben abgerechnet; die Preise stehen im Dashboard, nicht auf der Website. Kosten für Agent und Modell trägst du selbst.
- Welche Nachteile hat OpenResearch?
- Analysen und Feedback-Berichte des Agenten standardmäßig an; Preise für verwaltete GPUs nur nach dem Login sichtbar; Windows in der Beta; CLI-Installer nicht signiert; Weniger als fünf Monate alt und noch bei 0.2.
- Für wen eignet sich OpenResearch?
- ML- und Computational-Science-Forschende, die bereits einen Coding-Agenten nutzen und ihn Experimente auf ihrer eigenen Rechenleistung ausführen, protokollieren und vergleichen lassen wollen.
- Was kostet OpenResearch für ein Team oder im Produktivbetrieb?
- Keine kostenpflichtige Software-Stufe. Verwaltete GPUs werden zum Selbstkostenpreis von einem Prepaid-Guthaben abgerechnet, die Preise stehen im Dashboard; ansonsten sind die Kosten dein eigener Cluster oder deine Cloud-Rechnung plus Abo oder Tokens deines Coding-Agenten.
- Ist OpenResearch sicher für Firmendaten?
- Projekte, Unterhaltungen, Experimente und Artefakte bleiben lokal. Offizielle Builds senden Analysen mit Opt-out, verknüpft mit einer zufälligen Installations-ID, und vom Agenten bereinigte Feedback-Berichte; orx telemetry off schaltet beides ab. Ein Konto ist nur für verwaltete Rechenleistung und E-Mail-Updates nötig. MIT-Lizenz.
- Was sind die besten Alternativen zu OpenResearch?
- Die nächsten Alternativen, die wir getestet haben, sind The AI Scientist (v1, v2 and v3), Scientific Agent Skills und ShinkaEvolve.
Antworten geprüft am 31. Okt. 2026.