编码智能体如今比拼的是“让人低成本地掌舵”，因为限制产出的是人的监督注意力，而不是生成能力。

对每一次编码智能体更新，默认的读法都是“模型更聪明，活干得更快”。OpenAI 最新的 Codex 更新指向的却是另一处：人花在盯着、纠正、重新批准智能体上的那些分钟。

10 月 15 日，OpenAI 发布了 Codex CLI 0.163.0。现在可以在 Codex 回复到一半时发一条追加消息让它改向，即时中断默认开启。互不依赖的只读查询可以并行执行；恢复一个会话时，会一并恢复它原有的权限和网络授权。这些改动没有一项让模型变聪明，每一项都在降低监督它的成本。

为什么要把一次发布花在这上面？因为测量结果一再指向人。在 METR 2025 年的试验中，16 名资深开源开发者在 246 个真实任务上，允许使用 AI 时反而多花了 19% 的时间，事后却以为自己快了 20%。

METR 2026 年 2 月的跟进研究估计，回访开发者提速约 18%，但区间宽到包含变慢的可能。METR 自己称这是很弱的证据，并指出开发者同时运行多个智能体时，计时变得不可靠。

METR 另一份基于 5,305 条 Claude Code 使用记录的分析，把节省时间的“软上限”定在 1.5 到 13 倍之间，并发的智能体越多，节省越大（这是相关，不是已证实的因果）。

你可以同时启动四个智能体，却只能一个一个地纠正它们。生成可以并行，你用来纠正它的注意力不能。

所以产品竞争转向了中断延迟、可恢复的权限和并行查询：一个人能同时维持的智能体越多，厂商得到的越多。二阶效应是双向的：恢复会话时沿用权限，让监督更省事，也让一次过宽的授权影响得更久。

最强的反方：自主能力在上升。METR 的“时间跨度”趋势显示，智能体能独立完成的任务越来越长。在边界清楚、有测试的工作上，你可以启动后走开，这时模型能力确实是主导。但 METR 也报告智能体在更混乱的任务上表现更差，而真实代码库里的活大多是混乱的。

如果你同时运行不止一个智能体，可以试一周：记录每次运行的中断次数，以及得到一个可采纳改动所需的分钟数。如果监督时间占大头，先解决它，再考虑为更大的模型付费。这不是产品推荐。

如果到 2027 年年中，有独立研究显示：只靠升级模型，每个可采纳改动的耗时就同步下降，而每个任务的人工干预次数不变，我们就修正这个判断。