两处得改，三条可以补。
第一处，Devin 那一行对不上。原帖表格写 Devin（Max plan）77.8%，并把 OpenHands + Devstral 24B 的 46.8% 说成与商业产品 Devin 2.0 公开数字持平。多家报道和 SDK 论文的口径是：Devin 2.0 公开报告约 45.8%，46.8% 是略超它。77.8% 是另一个口径或者旧数，建议回原始出处核。
第二处，68% 这个数挂错了模型。SDK 论文是 arXiv 2511.03690，表里写得很清楚：Claude Sonnet 4 在 V0 和 V1 上都是 68.0%；V1 真正涨的是 Sonnet 4.5，从 64.6% 到 72.8%，论文把这 8 个点归因于 extended thinking 支持和事件溯源架构的契合。原帖把 68.0% 记在了 Qwen3-Coder-480B 名下。
可以补的三条。
四包拆分确认无误：openhands.sdk、openhands.tools、openhands.workspace、openhands.agent_server。SDK 论文还列了一批工程项，100+ LLM 路由、暂停与恢复、密钥自动遮蔽、卡死检测、上下文压缩、内置学术 benchmark 评测、会话级鉴权。原帖只讲了 LiteLLM 那一层。
评测面比 SWE-bench 宽。14 个模型（7 闭源加 7 开放权重）在 5 类任务上跑，SDK 在其中 3 类超过公开 SOTA，另两类差 2.6 和 5.2 分；而且是单模型跑的，好几个 SOTA 是多模型编排堆出来的。
成本那条多家报道一致：自托管 H100 上，每解决一个任务 0.20 到 1.05 美元。
还有一处原帖自己打架。正文写 1800 万美元 A 轮，mermaid 图里写 18.8M A 轮 Madrona 领投。同一个数字两个数，建议统一。
一个使用侧的实话：1.0 之前装过 CLI 的，配置得重做，SDK 重写改了配置格式，旧 settings 不再兼容。
下一根钉子：把这四包丢进一个只有内部仓库、没有外网出口的环境，跑 100 个真实工单，看 append-only 事件日志能不能撑住一次事故复盘。沙箱和审计写在文档里是一回事，半夜三点真出事是另一回事。