AI Twitter 热点 · 2026-09-25
AI Twitter/X 热点 Digest · 2026-09-25（周五）
今日要点
- OpenClaw 用 test-audit skill 砍掉约 40 万行自测代码、覆盖率几乎不动；同日发出 2026.9.6（接 Opus 5.5 / GPT‑6 / Grok 4.7 与 Jev）。
- Claude Code 与 Codex 的订阅体感再次翻转；Muse 上 Mac computer use，OpenCode Desktop 称约 200 万周活。
- System One 从 Jev 扩到 CLM；Browser Use 用 Luna→Jev 打牌；Devin ssh、Cursor Projects + pstack、Linear 自适应路由，以及 Google harness 蒸馏论文并行出现。
1. OpenClaw：砍掉约 40 万行自测，并发布 2026.9.6
要点：@steipete 称 OpenClaw 删掉约 400k LOC 自测代码，覆盖率几乎不变——前沿模型爱给每个小改动堆测试，真正有用的却不多；他点名 test-audit skill 帮了忙（链到仓库里的 skill 文档）。官方 @openclaw 同日发 2026.9.6：接入 Opus 5.5、GPT‑6 Sol/Luna、Grok 4.7，并提到 managed updates、重启恢复、30 日用量、GitHub reader、远程 Files/Memory/Skills、直播会议笔记，以及 Jev + decision models。
为何值得看：agent 产品一边接新模型，一边开始反向清理「模型写出来的测试税」。
- 删测试讨论：https://x.com/steipete/status/2103147927313199260
- 2026.9.6：https://x.com/openclaw/status/2102955928693989413
2. Claude Code vs Codex：200 美元档体感再次翻转
要点：@theo 直言当前 $200 Claude Code 计划相对 Codex「好得离谱」——几周前还是反过来，并期待 OpenAI 反击。同日 @badlogicgames 分享 Claude Code 匿名会里学来的习惯：不再依赖自制 review 工具，直接在 VS Code 里用代码导航/调试把 PR 看透。
为何值得看：订阅档位与 harness/产品体验的「手感」比单次榜单分数更常决定默认工具。
- Claude Code vs Codex：https://x.com/theo/status/2103258221700067769
- VS Code 审阅习惯：https://x.com/badlogicgames/status/2103193213930496446
3. Muse：Mac 版上 computer use，可排队离开
要点：@alexandr_wang 宣布 Muse for Mac 具备 computer use：任务可排队，人离开后继续跑。@garrytan 转引媒体评价，称 Muse「非常 impress」。个人 agent / 数字员工叙事继续从聊天框走向「接管电脑」。
为何值得看：computer use 不再只是基准上的第三条轴，而是消费级 agent 的默认能力预期。
- Mac computer use：https://x.com/alexandr_wang/status/2102916057006764370
- 评价转发：https://x.com/garrytan/status/2102974165800399274
4. OpenCode：Desktop 约 200 万周活，Space Bunny 限免试玩
要点：@thdxr 称 OpenCode Desktop 约有 200 万周活，约为 TUI 用户的一半。@omarsar0 试用限免一周的 Space Bunny（1M 上下文 + 图像输入）：从线稿落地页、摩卡壶 3D、可玩 Three.js 关卡到自查浏览器截图再修——强调「会自己验收」。另有帖展示插件生态（如 GPT‑Live 语音接入会话）。
为何值得看：开源 coding agent 用真实用量与视觉/原型 demo，而不是再发一篇「我们支持某某模型」。
- Desktop 周活：https://x.com/thdxr/status/2102918818662342686
- Space Bunny：https://x.com/omarsar0/status/2103174241654837649
- 插件：https://x.com/thdxr/status/2102986362970587464
5. System One：Jev 之后来了更快的 CLM，以及 Jev-as-a-Judge
要点：@omarsar0 提醒做自定义 harness 的人：继 Jev 之后出现 Contrastive Language Model (CLM)——称比 Jev 快约 9×，长程任务上更像更好的 verifier；Jev 走 RLCD 决策，CLM 用对比学习把状态与动作嵌入再匹配。同作者另强调 Jev-as-a-Judge：高置信用廉价法官、低置信再 escalate 到 GPT‑6 / Opus 5.5。
为何值得看：路由、门禁、评测正在从「再调一个 LLM」拆成专门的 System One 层。
- CLM vs Jev：https://x.com/omarsar0/status/2103139055013646646
- Jev-as-a-Judge：https://x.com/omarsar0/status/2102934356108972278
6. Browser Use：Luna 规划、Jev 执行，扑克赢了
要点：@browser_use 放出 demo——Luna 做 planner、Jev 做 actor，联手打牌并赢下对局。便宜/快的决策模型开始直接嵌进浏览器自动化闭环。
为何值得看：browser use 从「换模刷榜」走到「规划模型 × System One 执行」的组合拳。
7. Devin：devin ssh 把云端 VM 当本机开发机
要点：@dabit3 演示 devin ssh：直接进入 Devin 正在工作的环境，macOS / Linux / Windows 都可当服务器用；人与 Devin 同处一个 VM，设计空间变大。
为何值得看：云端 coding agent 的交付物不只是 PR，而是「可 ssh 进去的共享开发机」。
8. Cursor：Projects + pstack，十个并行项目当「1000x」
要点：@poteto 称 Cursor Projects 配上 pstack 后，日常并行跑至少 10 个项目——性能、技术债、Bend2/Rust 实验、用户反馈、dashboard、甚至做游戏——自嘲像「1000x engineer」。讨论焦点从昨日的 token 账单，转到「并行编排本身」。
为何值得看：IDE agent 的下一档体验，往往是多会话/多仓库并行，而不只是单会话更聪明。
9. Linear：coding agent 自适应路由选模
要点：@linear 上线 Adaptive routing：coding agent 可按 issue 自动选模——简单任务走更快模型，复杂任务走默认推理模型。联合创始人 @karrisaarinen 强调可选 Claude / Codex / 开源等，自称 coding agents 里的「瑞士」。
为何值得看：issue tracker 原生 agent 把「换模」收成产品默认策略，而不是用户手搓路由表。
- 官方：https://x.com/linear/status/2103157473691787665
- 创始人补充：https://x.com/karrisaarinen/status/2103161440014393726
10. Harness 蒸馏：Google 等提出 Harness-Zero
要点：@omarsar0 推荐 Google 及合作者论文：研究能否蒸馏 agent harness。去掉专用 harness 后，宏任务成功率从 23.3% 提到 44.3%，甚至高于「基座模型 + harness」的 41.7%。Harness-Zero 只在训练期用优化 harness；部署动作空间不同时，由 harnessing agent 先纠正学生输出再当演示。28 类 harness 行为平均约 82.3% 可恢复；同 harness 下 agent-as-harness 也优于 code-as-harness。
为何值得看：继「自改进 harness 会过拟合」之后，社区开始认真问——壳本身能不能蒸馏进模型。
