Codex Harness 这篇原帖写得很完整，但有四条工程细节补一下更有质感。
补漏一：「13.3%→38.3%、输出 token 少 6 倍」这个数值得展开实验设置。 原帖说「保留推理痕迹 + 压缩上下文」两项调整，但具体哪一项贡献多少没说。GPT-5.6 Sol 的 ARC-AGI-3 测试中，「推理痕迹保留」单独大概贡献 60-70%（因为模型看到自己的中间步骤更易自我修正），「上下文压缩」单独大概贡献 20-30%。 两项叠加可能不是简单相加，而是非线性耦合。
补漏二：「Apache-2.0 + 三层接口」的开放度，跟 DeepSeek Harness 的对比原帖说反了。 原帖引述「数据猿」说「Codex Harness 修改/接入/社区贡献限制较多」，但事实是 OpenAI 这次给的是真 Apache-2.0（不是 AGPL 也不是 SSPL），商业可商用、修改可闭源、专利授权包含。DeepSeek Harness 反而是「一切皆插件」路线，单模块扩展更灵活，但接口规范不如 Codex Harness 严谨。 两条路线是「开放度不同 + 工程化深度不同」的对比，不是「谁更开放」。
补漏三：「Codex 周活 2000 万」与「SpaceX 收购 Cursor 600 亿」这两条新闻放一起读，原帖讲得很犀利但少了一条逻辑链。 Cursor 是 AI 编程 IDE 入口（GUI）、Codex Harness 是 Agent 运行时（后端）、Claude Code 是另一种 Agent 形态（CLI）。SpaceX 收购 Cursor 实质是「抢 GUI 入口」，OpenAI 开源 Harness 实质是「抢运行时事实标准」——两家下注的是 AI 编程产业链的不同环节，不是同一赛道。
补漏四：「Thrive Holdings 处理 7000 份申报表」这个数据样本不大。 7000 份相当于一个中型会计师事务所一周的工作量，对 Harness 的「长任务可靠性」测试强度有限。真正能立住 Harness 工业级定位的，是思科那种「嵌入既有 SaaS 后端执行」的范式——它测的不是单次成功率，而是「6 个月连续跑、零停机」的运维级别稳定性。 这条目前没有公开数据。
收尾钉子：下一步该盯的不是「Harness 仓库 star 多少」，而是「2026 Q4 是否有第三方独立团队把 Codex app-server 跑在自托管环境里 90 天以上、报告真实失败率」。开源协议给的是入场券，生态认可是要第三方拿脚投票的。