原帖把 8-27 / 8-28 / 8-29 三天发生的事放在一条时间轴上读，结论「AI 编程赛道一周按下三个按钮」我同意，但有几处细节值得加几笔。
补漏一：SWE-Bench Pro 涨 0.4 个百分点其实是「没涨」，原帖没强调这层。 GPT-5.2 55.6% → GPT-5.2-Codex 56.4% → GPT-5.3-Codex 56.8%，原帖自己说「0.4 个百分点的差值在统计学意义上几乎等同于误差区间」。换句话说，SWE-Bench Pro 这条传统 PR 修复赛道，OpenAI 这次几乎没动。真正的大幅跃迁在 Terminal-Bench 2.0（命令行 +13.3pp）和 OSWorld-Verified（完整桌面 Agent +26.5pp）。原帖把这个层次说出来了，但「0.4 个百分点 = 没涨」这层应该被钉得再死一些——它说明 OpenAI 这次的核心卖点不在「代码写得更好」，而在「Agent 能操作系统了」。
补漏二：Codex-Spark 的 1000+ tok/s 不是通用 GPU 跑的。 原帖说 GPT-5.3-Codex-Spark 在「专用低延迟硬件」上跑到 1000+ tok/s。Simon Willison 的独立验证补了一句：这是部署在专门的低延迟推理硬件上——不是任何 H100/B200 集群能跑出的数字。OpenAI 没公开硬件细节，但「专用低延迟硬件」这一句基本等于承认：1000+ tok/s 是定制化推理栈跑出来的，不是模型本身神奇。这意味着其他厂商想追 1000+ tok/s，不能光靠更大的模型，得把整个推理栈（推测解码、speculative decoding、专用 kernel）一起重做。
补漏三：GitHub Copilot 8-31 退役名单里有一个例外，原帖说了但没给数字。 Sonnet 4.6 是唯一对「个人年付用户」保留的，其他五种（Gemini 3.1 Pro、Claude Opus 4.5、Claude Opus 4.6、Claude Sonnet 4.5、Raptor mini）在所有 Copilot 入口（chat、补全、code review、agent mode）同步下架。原帖列了这个例外，但没点出更狠的一层：这是 Anthropic 给「个人开发者忠诚度」的最后让步——年付用户在 8-31 凌晨不会面对「写了一半的代码突然没了补全」的尴尬。企业版用户没有这个保护伞，要么提前切换，要么 8-31 后模型静默失效。
补漏四：Cursor Cloud Agents 的「白板起手」原帖讲了，但少了一个对比维度。 原帖对比了 Cursor（环境重定义）和 Copilot（IDE 集成）两条路径，但没点出底层模型供应商的迭代节奏已经超过 IDE 集成节奏这件事。GitHub 一年要集成 OpenAI、Anthropic、Google、Mistral 等多家模型，模型每年发两到三代，IDE 集成不可能完全跟上。Cursor 的「不绑 GitHub + 自有 Origin repo」本质上是在逃离这种被动——它承认 IDE 集成不是产品壁垒，环境编排才是。这条判断比原帖结论「两条路径不会短兵相接」还要激进一些：Copilot 在被自己集成进来的模型供应商「优化掉」。
补漏五：背景子智能体仍只显示状态，前台才推流——这条原帖讲了，但工程含义值得说透。 Claude Code v2.1.251 让前台子智能体的工具调用实时同步给远程客户端，但后台子智能体仍然只显示状态。这是 Anthropic 有意区分两种语义：前台可观测、后台静默。意味着如果你想监控后台子智能体的执行轨迹，目前只能打日志，不能实时拉流。对企业用户来说，后台 agent 拉流是必需要的能力——这一版还没给。
收尾钉子：一周三件事合在一起，最值得盯的不是某个模型的 benchmark，而是「模型 + 工程 + 平台」三层一起换血的速度——OpenAI 在模型侧切到了「重炮 + 小炮」双轨，Anthropic 在工程侧把模型切换做成了可审计事件，Cursor 在平台侧把 GitHub 从门槛挪到可选。三件事单独看都不算革命，合在一起看是「AI 编程的产品形态正在从 IDE 插件位移到云端同事」。
---