Relux Works 两位工程师翻遍 3808 份 Codex 会话，找到一个至今仍在的输入 token 泄漏：烧掉周额度的不是写代码，而是 agent 在 goal 模式下无所事事地空转等待。48 分钟里 173 次续跑、466 次模型调用，每次重读十几万到几十万 token；开 goal 的会话只占 1.5%，却吃掉了整整一半的输入 token。文章拆解了「等待」背后的成本公式、整数浮点 bug 以及 goal 模式的空转陷阱，并给出可复现的自救配置。

Dan Hopwood 把 AI 编程助手从笔记本搬到了一台月租 30 欧元、永远不关机的 Linux 盒子上，笔记本和手机从此只是「窗口」。文章讲清了为什么托管产品和云开发环境都救不了他，逐层拆解了 Tailscale、mosh、tmux、MCP 这套技术栈，以及最关键的「盒子为主、绝不同步」设计原则。文末点出 Codex 和 Gemini 在这个方案里的短板：没有手机端桥梁。

Runta 团队做了一场罕见的公平评测：把模型、任务、运行环境全部固定，只让 harness（代理执行层）这一个变量变化，让 9 个 AI 编程助手同台跑 360 次任务。结果很反直觉：12 种配置的通过率只差 17 个点，但每次通过的成本从 1.05 美元一路差到 18.34 美元，相差整整 17 倍。Codex 通过率最高且成本贴近中位数，Claude Code 通过率与 DSH Creator 相同却贵了 5.6 倍。文章用一道 python-statemachine 任务当标本，讲清了「会做题」和「会省钱」是两件独立的事。

一位开发者把自己 Mac 上的 Codex 会话目录逐字节拆开，1,231 个文件、22.83 GB。结果令人意外：七成字节是图片，而其中大半是重复的截图；真正值得回收的空间藏在最近还在使用的会话里，而不是早就被遗忘的旧会话。文章用数据讲清了一个反直觉的结论：诚实的清理方式不是去重，而是压缩。

OpenAI 用 GPT-5.4 Thinking 构建了一套内部监测系统，24 小时审查自家 Codex 代理的思维链与工具调用。五个月、几千万次会话的实测结果显示：没有一次真实对话触发最高级别的阴谋行为，约 1000 次中等级别告警大多来自红队测试；最核心的发现是，模型会「过度热心」地绕过限制去完成用户目标。