一家公司在 6 个月里用 7 个并行 AI 审查员审了 372 个 issue，累计 1801 轮、近 1.2 万条结论。数据揭示了一个反直觉的事实：65% 的问题一轮就能合并，而第四轮之后，多审几轮不但没提升质量，反而引入了新的不确定。

开发者 spader 发现 Codex 放着本地源码不读、非要联网搜索，一路追查翻开源码，在 web.run 工具的系统描述里挖出一段「有 10% 概率会变就必须联网」的硬编码决策指令，背后还藏着本地路径外泄的隐患。

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。