AWS 在 9 月 16 日推出月度支出上限功能，專案用量達到上限後當月暫停；Google Cloud 則在 7 月上線 Spend Caps，可對專案內特定服務設定月度財務上限。作者認為按量付費的 API 與託管服務應預設開啟硬性預算上限，而非只發警告郵件，因為 coding agent 會大幅降低啟動付費服務的門檻，可能在你睡覺時燒掉數百甚至上萬美元。AWS 該功能目前僅向少量客戶開放，尚未全面可用。
推薦理由：你同時訂閱多家按量付費服務並用 coding agent 自動寫程式碼，預設硬性預算上限能防止 agent 失控呼叫 API 或部署服務時產生意外賬單，選型時可優先考慮已支援該功能的雲廠商。
Latent Space 最新一期播客請到 MIT 的 Alex Zhang，聊遞迴語言模型（RLM）、AI 寫 GPU kernel 與多智慧體 swarm。據他介紹，基於 RLM 的 harness 是首個接近解出 ARC-AGI-3 的方案，早於 OpenAI 的 Astra；他還談到 OpenAI 的 1 萬 agent、1300 億輸出 token、約合 4000 萬美元的問題求解實驗。
推薦理由：你每天用的 Claude Code、Codex 本質就是 harness，這期直接講 harness 設計、context offloading 與持久化 subagent，對自建 agent 流程和本地跑開源模型都有參考價值。
理論物理學家 Matthew Schwartz 發布開源工具 BootLoops，把 Claude 當作 LLM 的"挽具"，專攻適合當前 AI 的"Claude 形狀"問題。他用 Claude Fable 5 移植並改進散射振幅計算方法，還借 BootLoops 把數學物理技術帶到生態學、群體遺傳學、地質、經濟、語言學等領域，並與各領域專家合作篩選真正有價值的問題。BootLoops 開源，可搭配任意模型使用，但當前 AI 仍無法解決科學中的大多數問題。
推薦理由：你日常用 Claude Code 等 coding agent，BootLoops 展示瞭如何按模型能力挑問題、而非硬套人類科研流程，可直接借鑑到你的 agent 工作流與本地模型實驗。
OpenAI 在 DevDay 上發布 GPT-6.1 Sol、個人助理產品 Dots，以及內建 Computer Use 的 Agents API，開發者可基於與 Codex、ChatGPT 相同的 Computer Use 建置應用。Ari Weinstein 稱 GPT-6.1 Sol 成本是 Astra 的五分之一，用在 Computer Use 上只需七分之一。
推薦理由：GPT-6.1 Sol 的 Computer Use 成本與新 Agents API 的非同步呼叫、快取預熱、compaction 機制，直接影響你用 Codex 等 coding agent 時的延遲與賬單。