# Codex 开始 28 天冲刺，口碑倒向 Opus 5.5，Grok 4.7 拿下双榜 Date: 2026-10-05 Language: zh Canonical: https://code-echo.pages.dev/2026/10/05/ai-twitter-hots --- # AI Twitter/X 热点 Digest · 2026-10-05（周一） ## 今日要点 1. **Codex 进入「28 天冲刺」**：Tibo 宣布未来 28 天每天要么发一个对大多数用户有感的改进、要么全员 reset；同日 Theo 发长帖称 coding 模型口碑已明显倒向 Opus 5.5，OpenAI 的压力摆在台面上。 2. **模型与基准**：Grok 4.7 在 VulcanBench Frontier v4 与 Artificial Analysis Cyber Index 上被热转为第一；论文侧则集中在「验证器比多采样更值钱」。 3. **工程方法论**：pstack 0.15.9 推 /correct（把反复纠正固化成架构与检查）；DHH 让 agent 把 Campfire 移植到 5 种技术栈，引出「代码不再给人读时，语言怎么选」的争论；「终端时代结束了吗」与 Karpathy 的输出形态讨论继续发酵。 --- ## 1. Codex：28 天，每天一个改进或一次 reset **要点**：@thsottiaux（OpenAI，ChatGPT / Codex 负责人）先发「we're locking in」：只做简化、更高效率换更多用量、突破性功能和新模型，因为反馈很明确——大家要更简单。随后升级为承诺：**未来 28 天，每天要么 ship 一个对大多数 codex/work 用户明显有用的改进，要么发一次全员 reset**。他还在回复里确认接下来是 **6.1 Sol ultrafast**（而非 Astra 6.1）。同日 Lenny 放出与 Tibo 的长访谈：model picker 可能会消失、loops/graphs 只是过渡阶段、互联网上大多数操作很快会由 agent 完成。 **为何值得看**：这是在 Theo 等人公开唱衰 OpenAI coding 体验的同一天给出的回应——用「每日交付 + 兜底 reset」把迭代节奏直接押在时间线上。 - 28 天承诺：https://x.com/thsottiaux/status/2106845241357824205 - Locking in：https://x.com/thsottiaux/status/2106610099720720811 - 6.1 Sol ultrafast：https://x.com/thsottiaux/status/2106607456130592861 - Lenny 访谈：https://x.com/lennysan/status/2106772428861149683 - DevDay 只是第一天：https://x.com/romainhuet/status/2106868228840665329 ![Lenny 访谈 Tibo](/images/twitter-hots/2026-10-05/01-codex-28-days.jpg) --- ## 2. Opus 5.5 vs GPT：Theo 的「口碑反转」长帖 **要点**：@theo 对比两个时间点——**7 月**：Anthropic 代码模型最强但差距不大，慢、贵、「claudeisms」多、$200 订阅一天就能用完，选 OpenAI 很合理；**9 月**：差距明显拉大，**Opus 5.5** 快、意外便宜、文字也好读，$200 订阅几乎用不完；反观 OpenAI 模型不开 fast mode 很慢，$200 计划几小时就烧完，$500 档配 UltraFast 烧得更快。他还给出「vibe 打分」：Opus 5.5 代码 9 / 可读性 8.5 / 价格 8 / 理解意图 9，GPT-6 Astra 代码 7.5 但理解意图只有 3。中文圈同步调侃：Tibo 问「Codex 还缺什么」，点赞最高的回复是「Opus 5.5」。 **为何值得看**：头部独立开发者的模型偏好会直接影响 harness 默认选项与订阅流向；这也解释了第 1 条 Codex 为何急着「锁定」。 - 7 月 vs 9 月：https://x.com/theo/status/2106847019319062819 - Vibe 打分：https://x.com/theo/status/2106847949963800615 - 「缺的是 Opus 5.5」：https://x.com/tualatrix/status/2106560368126673226 ![Theo 长帖](/images/twitter-hots/2026-10-05/02-opus-vs-gpt.jpg) --- ## 3. Grok 4.7：Frontier v4 与 Cyber Index 双榜第一 **要点**：@morganlinton 转述 **VulcanBench Frontier v4**：Grok 4.7 在各 effort 档的综合分都高于 GPT-6.1 Sol、Opus 5.5、GPT-6 Astra（被 Elon 转发）。另一条热传称 **Grok 4.7 xHigh** 位列 **Artificial Analysis Cyber Index** 第一（由 CWE-Bench-AA、DeepsecBench-AA、CyberGym-E2E-AA 组成）。需要注意的是，Frontier v4 图表脚注写明：Grok 4.7 跑在 Cursor 里且没有 max 档，评审模型也与其他选手不同（Muse Spark 1.3 + GPT-6.1 Sol），而且它平均耗时最长。 **为何值得看**：榜单是今天模型话题的最大流量入口，但跨 harness、跨评审的比较口径差异很大，看分数之前先看脚注。 - Frontier v4：https://x.com/morganlinton/status/2106737322255622550 - Cyber Index：https://x.com/XFreeze/status/2106773576258851087 - Elon 转述：https://x.com/elonmusk/status/2106787000682426513 ![Frontier v4 图表](/images/twitter-hots/2026-10-05/03-grok-4-7.jpg) --- ## 4. pstack 0.15.9：别微操 agent，去改「环境」 **要点**：@poteto 发布 **pstack 0.15.9**：新增 **/correct** skill——如果你总在为同一类错误纠正 agent，它会找出模式，并用架构、类型和检查把问题从根上消除；**/architect** 加入「agent 友好架构」设计说明；新增基于 Brendan Gregg 方法的 **/benchmark-checklist**。同日 @dotey 长文整理 Lauren Tan（@poteto）与 Matt Pocock 的访谈：她一个月合并约 2500 个 PR 却不逐个 review，靠的是「验证 skill + 代码规矩 + 夜间自动检查合并、早上抽查回滚」，而且 2500 个 PR 里多数是维护性工作。 **为何值得看**：把「人工纠错」转化为 lint、类型和架构约束，是规模化 agent 产出时最可复制的一条经验。 - pstack 0.15.9：https://x.com/poteto/status/2106542593656111276 - 访谈长文解读：https://x.com/dotey/status/2106635352609865925 - 演讲与 Q&A：https://x.com/poteto/status/2106893179605876927 ![pstack 0.15.9](/images/twitter-hots/2026-10-05/04-pstack.jpg) --- ## 5. DHH：AI shed + 让 agent 把 Campfire 移植到五种技术栈 **要点**：@dhh 主张每个开发者都需要一个「**AI shed**」：一台常开、挂在 tailscale 网络上的机器，大部分 agent 都跑在上面。他还让 agent 把 Campfire 分别用 **Elixir、Go、Rust** 实现并优化，后来又补上了 **Laravel 和 Django** 版本：在 HTTP 吞吐上 Rust 远超 Rails，但 Rust 版代码量是 Rails 的 10 倍以上。他的问题是：「如果你已经不读代码了呢？」@rauchg 回应称 Vercel 当年把 Turborepo 从 Go 迁到 Rust 时，ROI 在内部争议很大，因为写代码的是人；现在这笔账已经变了。 **为何值得看**：当代码主要由 agent 编写、由 agent 阅读，「对人友好」和「对业务最优」开始分家，语言与框架的选型逻辑随之改变。 - AI shed：https://x.com/dhh/status/2106755814421565495 - Campfire 三语言：https://x.com/dhh/status/2106810173683851564 - Laravel / Django 版：https://x.com/dhh/status/2106872067039838324 - Rauch 回应：https://x.com/rauchg/status/2106863842450133114 ![Campfire 吞吐对比](/images/twitter-hots/2026-10-05/05-dhh-campfire.jpg) --- ## 6. Agent 界面之争：终端时代结束了？输出该长什么样？ **要点**：前一天「终端是 coding agent 的错误界面、Codex 桌面版是目前最好的 agentic UI」的观点继续发酵：@omarsar0 称直接用 CLI 跟 agent 交互早就过时，CLI 只在后台跑，前台是常驻 agent 管理多个专用会话；@jerryjliu0 认同 ChatGPT/Codex 是深度工作的最佳界面（统一且支持 forking），但认为 Claude Code CLI 已经是 CLI 能做到的极致；中文圈有人推荐多 agent 图形界面 Paseo。另一条线是 Karpathy 关于「如何读懂 LLM 输出」的帖子（建议用 HTML、图示、解说视频）收获 5 万赞后，omarsar0 展示了自己的「通用界面」：类 Notion 页面嵌入 artifacts、可视化解释，人与 agent 通过评论协作；Karpathy 回应称，99% 以上正在关注 AI 的人入场不到一年。 **为何值得看**：coding agent 的主战场正从「哪个 CLI 更好用」转向「人怎么高效审阅与指挥大量 agent 输出」。 - CLI 已死：https://x.com/omarsar0/status/2106594883590910345 - Codex 界面 vs Claude Code CLI：https://x.com/jerryjliu0/status/2106844101635379533 - Paseo 多 Agent GUI：https://x.com/fankaishuoai/status/2106712940388991225 - 通用界面：https://x.com/omarsar0/status/2106801689495826520 - Karpathy 回应：https://x.com/karpathy/status/2106806571321966793 ![omarsar0 的 agent 协作界面](/images/twitter-hots/2026-10-05/06-agent-interface.jpg) --- ## 7. 论文周报：验证器 > 多采样，harness 也能「进化」 **要点**：@omarsar0 / @dair_ai 集中推了三篇 harness 相关论文。**Google VeriHarness**：多条 rollout「一致」可能掩盖共同错误，于是让同一基座模型充当验证器，对分歧点查工作区证据、对共识点主动找遗漏，在 5 个长程基准上选择效果最好。**NVIDIA Mid-Harness**：终端 agent 应先采样多条 shell 命令、验证后再执行，算力花在验证器上比多采样更值，用 GPT-5.6 Sol 当验证器后 TerminalBench-Lite Pass@1 从 50% 提升到 68%。**Microsoft ScholarEvolve**：依据已发表的研究（而非失败日志）进化 harness 模块，在模型固定的前提下 AppWorld 和 Tau2 均有明显提升。 **为何值得看**：继「把 harness 训进模型」之后，研究焦点转向验证器与 harness 本身的自动改进——对自建 agent 的团队可以直接借鉴。 - VeriHarness：https://x.com/omarsar0/status/2106700905051746803 - Mid-Harness：https://x.com/dair_ai/status/2106700907106943107 - ScholarEvolve：https://x.com/omarsar0/status/2106619582463312315 ![VeriHarness](/images/twitter-hots/2026-10-05/07-verifier-papers.jpg) --- ## 8. LangChain：coding agent 成本连续两个月下降 **要点**：@hwchase17 透露 LangChain 内部 coding agent 花费连续第二个月显著下降，并给出三步：① **成本可见**：全部用量追踪进 LangSmith，已对接主流 coding harness；② **成本控制**：在 LLM gateway 上设置用户级额度上限（要提额得找 VPE）；③ **优化 harness**：更多工作迁到自家开源云端 agent harness **OpenSWE**，借助模型路由等手段降本。 **为何值得看**：从图表看，用量在 7 月见顶后回落——agent 花费正从「随便用」进入有治理的阶段，这三步具有通用性。 - 降本三步：https://x.com/hwchase17/status/2106695651169800418 ![LangChain coding agent 月度成本](/images/twitter-hots/2026-10-05/08-langchain-cost.jpg) --- ## 9. Cline：因滥用暂停免费 DeepSeek-V4.1-Flash **要点**：@cline 宣布，由于出现异常严重的滥用，**暂停免费 DeepSeek-V4.1-Flash 推广**，目前正在调查与缓解。此前几天 Cline 正以免费开源权重模型配合 Desktop 新功能拉新。 **为何值得看**：「免费 frontier 开源模型」是 coding IDE 的常用获客手段，但被薅之后能否持续，是这类活动的现实约束。 - 暂停公告：https://x.com/cline/status/2106828852353974713 ![Cline 暂停公告](/images/twitter-hots/2026-10-05/09-cline-deepseek.jpg) --- ## 10. Vitalik：本地 Qwen 3.8 Flash Next 编排，远程 frontier 只当工具 **要点**：@VitalikButerin 做了个隐私实验：用健康与出行数据生成个性化饮食和运动建议，由本地 **Qwen 3.8 Flash Next** 负责编排，远程 frontier 模型只作为 tool call 调用。三层隐私：由本地模型代写查询（避免 PII 与文风泄露）、用 zkAPI 隐藏支付身份、用 Tor 隐藏网络身份；再用一个 skill 文件教本地模型如何构造最少暴露数据的请求。不足之处：Tor 不适合逐请求去关联；本地模型 20–30 TPS 仍然偏慢（要 100+ 才算快）；给得越少，远程模型能帮的也越少。 **为何值得看**：中国开源小模型在「本地编排 + 云端大模型当工具」的架构里担任主控，这是隐私敏感场景的一种可落地范式。 - 隐私实验：https://x.com/VitalikButerin/status/2106537633056969024 ![Vitalik 本地编排架构](/images/twitter-hots/2026-10-05/10-vitalik-qwen.jpg) ---