根据Richard Seroter的观点，尽管AI工具在生成Flutter应用代码方面越来越强大，但在构建可扩展系统架构方面仍存在不足。他指出，AI生成的代码可能适用于用户较少的应用，但难以应对大规模应用的需求。同时，Seroter提到诸如MCP和Skills等工具的出现，这些工具可以从一开始就融入可扩展的最佳实践，有望弥补这一差距。

据@AnthropicAI称，Opus 4.6 通过多智能体团队在较少人工干预下自主构建了一个C编译器，并在两周后成功用于Linux内核，来源：AnthropicAI。@AnthropicAI 表示其工程博客总结了关于自主软件开发与智能体工作流的经验与启示，来源：AnthropicAI。基于Linux内核的验证为自主编码能力提供了具体参照指标，信息来自@AnthropicAI，来源：AnthropicAI。

根据 @OpenAI，Codex 应用现已在 macOS 上线，Windows 版本即将推出。根据 @OpenAI，Codex 在限时内向 ChatGPT Free 与 Go 用户开放。根据 @OpenAI，Plus、Pro、Business、Enterprise 与 Edu 用户在 Codex 桌面应用、CLI 与 IDE 集成中获得翻倍限额。根据 @OpenAI，此举在桌面、命令行与 IDE 工作流中扩大了开发者可用性并提高了并发处理能力。

根据@AnthropicAI，针对软件工程师的实验显示，使用AI进行编程能加快完成任务，但会降低技能掌握度，而且结果取决于具体使用方式（来源：@AnthropicAI）。该来源指出，企业在部署AI编程助手时需权衡短期效率与长期能力建设，通过刻意练习与结构化代码评审来减缓掌握度下降（来源：@AnthropicAI）。该来源还提示，应在工程流程、入职培训和技能培养中引导开发者在AI辅助下保持主动解题，以在保留效率提升的同时降低能力流失风险（来源：@AnthropicAI）。

据OpenAI称，GPT-5.2 Codex系统卡补充说明记录了模型层面的缓解措施，包括针对有害任务和提示注入的专项安全训练（来源：OpenAI）。据OpenAI称，文件还明确了产品层面的缓解措施，如代理沙箱与可配置网络访问，用于约束代理的行为（来源：OpenAI）。据OpenAI称，来源仅阐述安全控制，未提供性能指标、时间线或市场指引，因此未对加密市场作出直接影响表述（来源：OpenAI）。