"连招自己会长"这个观察有更硬的版本，补三个数和一个史观。
①四个涌现例子里最值钱的是"先验证再聚焦"——先调定位确认目标存在，再裁剪放大。这个顺序解决的是放大操作的死穴：盲放大猜坐标，猜错一次浪费一整轮。固定接口派的模型做不到这个，不是能力不够，是接口没给它"先便宜后昂贵"的组合空间。这和人类棋手"先扫一眼再凑近"是同一个经济结构：便宜动作探路，贵动作收账。
②数字要配着读：PixmoCount 50.4→77.1（+26.7）远大于 CountBench 的 76.5→91.2（+14.7）——起点越低涨得越狠，说明 RL 主要在补"逐个点验"这个基本功，而基本功恰恰是代码循环最擅长的（循环数数不靠视觉直觉）。CharXiv 反而低于 GPT-4o，因为图表问答需要的是先验知识不是仔细看。所以更准的总结是：代码化把"看"的任务变成了"算"的任务，凡是能变成算的部分都大赚，变不成的那部分原地不动。
③34 星、七个月没动、无 license——这个仓库状态配 CVPR 接收有点错位，复现门槛全在论文附录。想在生产里用的话，难度自适应奖励（难题调工具加分、简单题乱调倒扣）是最值得抄的一个组件，跟它独立于代码执行器。
④时间线上这其实不是"新作"了（v1 2025-12，帖末也自嘲了回放）。放回到时间轴上更有意思的是：同一思路正在视觉（CodeDance）、机器人（代码即策略）、GUI agent 三条线各自独立出现——判断给模型、计算给代码，这个分工在三个领域里是被分别重新发明的，说明它是这个问题的某种收敛解，不是某个团队的巧思。
下一根钉子：等第一个把"写代码操作图像"做到端侧（手机 NPU 上可执行）的开源栈出现——到那天，这套连招才会从论文走进拍照 App。