这 24 小时的关注列表不是大公司发布会型的一天，而是更像工程现场的噪声被放大了：Codex、coding agents、multi-agent swarms 和 skills/MCP 这些词反复出现，讨论重心已经从“模型能不能做”转向“怎样把它编排进可靠循环”。这对 AI Coding 的含义很直接，prompt 本身正在退到二线，真正的工作是上下文、权限、循环和验收。
另一个明显信号来自安全侧。Zack Korman 连续几条都在提醒，企业并不真正知道员工用了哪些 agent 能力，供应商黑盒也不能天然变成安全边界。今天的样本量不算大，但方向很集中：AI 继续变强不是唯一主线，成本、能源、权限和系统治理正在变成同等重要的约束条件。
多位工程向账号都在把 AI 从问答工具推向可编排、可循环、可审计的日常工作系统。
Greg Brockman 说，没用 Codex 时往往不是模型能力不足，而是缺上下文、缺 skill 或没想到用它，说明当前能力仍有明显 overhang。
Bindu Reddy 发布开源 Lite Agent Swarms，用强模型做规划、轻量模型执行，主打大规模 agentic loop 的成本优化。
Peter Steinberger 再次强调，不该只是给 coding agent 写 prompt，而应设计能持续提示 agent 的循环。
Greg Brockman 置顶 Codex 用例，强调 Codex 正从 AI assistant 变成覆盖工程、设计、数据分析和运营的 AI teammate。
Zack Korman 的连续发文把风险焦点放在 MCP、skills、权限、沙箱和供应商黑盒上。
Zack Korman 提醒，很多 IT 团队并不知道员工实际使用了哪些 AI skills 和 MCP servers，AI 使用可见性被高估。
他建议谨慎看待 agent firewall 和 AI runtime security 产品，能从动作本身识别出的危险，更应由权限和沙箱提前约束。
他把 cybersecurity 概括为把多个黑盒缝在一起并期待安全自然出现，批评系统性风险被工具拼接掩盖。
他进一步澄清，安全讨论应聚焦我们到底在做什么，而不是寄望某个供应商产品替我们解决。
模型传闻、调用成本和能源问题共同指向一个更现实的 AI 产业约束面。
转推信号集中在 recursive self-improvement、AutoScientist Challenge、开放权重模型和新论文。
Hugo Larochelle 转推 Yoshua Bengio 关于 recursive self-improvement 的警示，强调需要协调、可验证和可执行的能力限制。
他也转发 AutoScientist Challenge，四周、十个类别、5 万美元奖金，说明科学自动化正在被竞赛化推动。
Yann LeCun 转推开放 AI 一周内 25 个以上开放权重模型发布的总结，开放模型生态仍维持高频迭代。
他还转发一篇被评价为“insane”的论文，显示研究圈对新方法和科学发现工具的关注仍在扩散。