13个月4次推倒重来！Codex核心团队内部复盘首次公开。

原创 Datawhale 2026-10-25 23:29 浙江

OpenAI 在 2025 年 5 月发布过一款云端编程智能体。

它在公司内部备受追捧，公开发布后却惨遭滑铁卢，几乎没留住什么长期用户。

令人意外的是，十三个月后，这群人宣布要重新杀回云端。

中间这段时间，Codex 换了四次形态，走过云端、命令行、编辑器插件和桌面应用，最后它把 ChatGPT 也装了进去。

每次换形态，先动的都是底层模型。模型能做到哪一步，产品就长成什么样。

这听起来像常识，真做起来却极度反人性，因为每一次更换形态，都要主动放弃当时正在赚钱的产品形态。

这个故事来自 Every 创始人 Dan Shipper。他用一年时间采访了 Codex 团队的六位核心成员，写成长文《How Codex Happened》。我们结合原文和我们知道的一些背景信息，整理成了下面这篇文章，带大家了解 Codex 的前世今生。

一、老名字新意义，模型重构编程

初代 Codex：藏在 Copilot 背后的代码补全器

Codex 这个名字，OpenAI 在 2021 年就用过。

那年 8 月 10 日，他们发布了第一代 Codex。它是 GPT-3 的微调版，拥有 120 亿参数，训练素材来自 5400 万个公开 GitHub 仓库里挑出的 159GB Python 代码。

为了检验它到底行不行，OpenAI 顺手造了一套评测集，包含 164 道手写的编程题，命名为 HumanEval。Codex 一次通过率为 28.8%，而面对同一份考卷，原始 GPT-3 拿了 0 分。

它第一次面向公众，是藏在 GitHub Copilot 里的。你在编辑器里敲下一行注释，它就把紧接着的几行代码补出来。那时候它只会做一件事，就是把你正在写的下一行代码补完。

OpenAI 当时的表述很克制，表明它能完成大约 37% 的代码请求，定位是让人编得更快，而不是取代人类工程师。

2023 年 3 月，OpenAI 关闭了初代 Codex 的 API，让用户迁移到 GPT-3.5 和 GPT-4。此后两年，“Codex”这个名字从产品线中彻底消失，老用户还有印象，新用户则闻所未闻。

o1 的转折：当模型学会「先思考、再作答」

这个名字重新焕发意义，要等到 2024 年 9 月。

在此之前，让大模型变强的办法主要是死磕预训练，把它训得更大、训得更久。但随着规模扩大，边际收益开始放缓，算力成本却直线飙升。o1 选择换了一条路走。

要理解 o1 的新路径，得先看传统大语言模型是怎么工作的。

第一代大模型生成内容更像即兴演员接话，顺着前一个词的概率往下猜，话一出口就覆水难收。它没有事先构思的草稿纸，哪怕半路上推导错了，也只能将错就错地编下去。最典型的例子就是数单词 strawberry 里有几个 r，它脱口而出说有两个，随后即便一个字母一个字母拆解，也只能硬着头皮自圆其说。

开发者后来摸索出一种方法，要求模型先把推理步骤写出来再给结论，这种思维链提示往往能显著提升答题质量，本质上就是让模型把解题步骤一步步写在卷子上。

OpenAI 的突破是把这种思考行为内化到了模型训练里。o1 在输出最终答案前，会先在一段用户不可见的隐藏思考空间里推导，尝试从不同角度切入，遇到死胡同能主动回溯修正，想清楚了才开口回答。这就是今天各类产品界面上的“Thinking…”，看似只是一串加载状态，底层其实是一套全新的推理计算逻辑。

2024 年 9 月 12 日，o1 预览版正式亮相。写代码是这类推理模型最天然的试验场，改一行跑一下几秒钟就能拿到明确反馈，它能自己测试、报错并修正，形成无需人工干预的自闭环。 理论上只要给足推理思考时间，一个具备自我纠错能力的模型就有可能自主搞定复杂的软件工程任务。

终端里的顿悟：把「思考慢」变成核心优势

Alexander Embiricos 是在终端命令行里第一次亲眼见证这种潜力的。

2024 年底，他看到一个推理模型接入终端环境后，开始自主读取工程文件、执行命令，并且一步步排查解决报错。他后来说：“那是我第一次真真切切感到 AGI 来了，我知道这现在听起来没那么新鲜，但当时真令人震撼。”

Embiricos 在那年早些时候随着 Multi 被收购而加入 OpenAI。Multi 是他联合创办的多人协同屏幕共享工具。

入职后，他一直在探索如何让人类和智能体在同一个应用界面内并肩工作。他先后在 ChatGPT 桌面版和 Atlas 浏览器上做过尝试，但效果都不理想，因为当时的模型通过视觉识别屏幕不仅缓慢而且容易误判。

终端完全是另一番景象。在命令行环境里，模型不需要看懂复杂的图形界面，直接在纯文本和代码逻辑里交互。亲眼看到推理模型在终端跑通之后，Embiricos 确信这足以支撑一款真正的 AI 编程产品。当时编程产品还不是他的正式职责，但他立刻开始动手绘制产品原型。

他给自己定下了一条极为严苛的产品标准，就是必须让用户在每隔 30 秒、至多 1 分钟内，清楚看到模型当前的进展。

这一指标直击当时主流产品的软肋。2024 年底，市面上主流工具几乎全都依附在 VS Code 体系周围。GitHub Copilot 采用侧边栏或行内补全，Cursor 和 Windsurf 则基于 VS Code 的开源底盘改造成独立编辑器，在主窗口旁挂一个对话面板。

这些工具的共同优势是毫秒级的即时反馈，但受制于传统模型能力，没有谁敢让智能体脱离人眼盯防独立运行半小时。推理模型的特质恰恰相反，它需要更充裕的思考时间才能展现深度推理价值，频繁打断反而会让它退化。 摆在团队面前的核心课题，就是如何把思考耗时长这个外在缺点，转化为交付完整成果的产品优势。

内部提效工具：用 AI 写代码，加速训练新 AI

同一时期，OpenAI 内部的另一条业务线上，Thibault Sottiaux 正在做一件看似毫不相干的事情。

大家习惯称他为 Tibo。2024 年 12 月，他开始深入接触编程智能体。在此之前，他的精力一直放在深度研究的基础设施上，先后在 DeepMind 和 OpenAI 负责这一领域。

研究基础设施就像水底的光缆或城市的自来水管网，平时隐匿在后台运转，只有发生阻塞故障时才引人注意。

在顶尖 AI 实验室里，工程基础设施直接决定了创新的迭代周期。实验环境跑得越顺畅，团队在相同时间窗口内能测试的架构假说就越多，前沿模型的诞生节奏也就越快。Sottiaux 的目标非常聚焦，就是把推理模型对准这套核心系统，让智能体协助研究员编写实验脚本和系统代码。

他们直接在 OpenAI 的内部 monorepo 仓库上训练这些编程智能体。这是全公司所有核心项目集中存放的代码底盘，智能体负责生成的，正是研究员日常用来跑模型实验和优化分布式训练的 Python 脚本。研究团队天天把它们用在刀刃上，团队立刻获得了一个极其紧密且高密度的真实反馈循环。

这种尝试迅速演化成了一种自举飞轮：用擅长写实验代码的模型辅助研究，研究人员由此更快训练出更强大的新模型，而新模型又回头进一步强化了写代码的能力。

外界后来常把这一步解读为高层运筹帷幄的战略拆分。但当被问到 Codex 模型线是否是 Brockman 或 Altman 拍板独立出来的时候，Sottiaux 的回答很平实：“根本没有过一个拆分模型线的决策。”它最初只是一项为了给内部提速而启动的研究探索，独特的壁垒是随着业务迭代自然生长出来的。

两支团队合流：产品专家遇上底层基建老手

一边是想为全球开发者打造独立自主工作流的技术产品人，另一边是深耕基础设施、试图用模型重构研发效率的工程老手。到了 2025 年初，这两条探索路线与内部若干实验小组正式合流。

Sottiaux 的团队与另一个名为 Scientist Assistant 的项目重组，他和 Embiricos 坐到了同一张桌子前。联合创始人 Greg Brockman 回忆道：“我们最后把两支合了，然后又合了两支。”

合并后形成了一支极具互补性的跨学科精干团队，汇聚了 Embiricos 这样对人机交互敏锐的产品人、Sottiaux 这样精通底层工程架构的技术专家，以及 Mia Glaese 这样的一线研究员。

三条线的争论：做终端、编辑器插件，还是直接上云？

人员就位之后，最核心的战略抉择随即摆上台面。

团队必须敲定产品形态到底该长成什么样。是扎根在开发者敲击指令的黑框终端里，嵌入他们日常写代码的编辑器窗口中，还是直接部署在云端并为它配备独立的虚拟计算机去完全自主接管任务？

这三条路径代表了截然不同的交互哲学，也深刻影响了后续的演进轨迹。

终端是最原生态的交互窗口，纯粹依赖文本与命令驱动。它的优势是极其轻量、执行速度快且能直通各类服务器，缺陷是认知门槛高、无法呈现图形化内容。

代码编辑器是工程师沉浸时间最长的工作环境，以 VS Code 为代表的工具拥有现成的上下文感知，改动能实时在可视界面呈现，但局限在于智能体始终被困在那个狭窄的插件窗口内。

云端方案则是截然相反的思路，智能体完全不侵占本地机器资源，拥有属于自己的算力环境，开发者指派完任务即可合上电脑离去，稍后直接验收成果。

在当时的时间节点，没人能预判哪条路通向最终的胜局，哪条路只是阶段性的死胡同。

二、首押云端失败，步子迈得太大，不如本地顺手

对手先火了：Claude Code 在本地终端跑通闭环

2025 年 2 月 24 日，Anthropic 打出了一套组合拳，同时发布了 Claude 3.7 Sonnet 以及 Claude Code 研究预览版。

Claude Code 与当时市面上的竞品形成了鲜明反差，它彻底抛弃了编辑器界面，直接寄生在终端命令行里，直接读写开发者本地磁盘上的真实代码。用户只要下达自然语言指令，它就会自主研读代码库、修改文件并调用测试命令。

这种看似朴素的技术选型带来了结构性的体验飞跃。因为直接在本地计算机上运行，智能体调用的正是开发者已经配置妥当的环境依赖，保留了完整的上下文记忆。 开发者随时可以打断干预，会话沉淀下来的配置在下次依然生效。

而当时的云端容器做不到这一点，每次拉起任务都是一台重置后的全新沙箱。

开发者群体迅速用实际行动给出了评价。Every 的 Edmar Ferreira 在当期评测中直言，Claude Code 超越了他此前接触过的所有智能体产品，团队其他成员也很快认同了这一判断。

七周赶工上线：把一切押在全自动的 Codex Cloud 上

2025 年春天，刚合流不久的 Codex 团队将主战场选在了另一个方向，即 Codex Cloud。

他们描绘的蓝图是一个栖身在云端的全自主智能体，配有独立算力沙箱，专门面向异步协作。开发者在工位甚至手机上指派任务，智能体在后台自主排队消化。留给团队打通全链路的时间只有短短七周。

对于这样复杂的系统工程，七周显得极为紧迫。后来团队打造桌面端从立项到发布耗时三个月，而在这七周内，他们必须把虚拟沙箱调度、自动化代码修改、测试执行以及最终生成可合并改动的闭环全部跑通。

当时的产品交互形态很清晰，用户在 ChatGPT 侧边栏唤出 Codex 界面，输入任务描述后点击执行。任务随即脱离前台并排入后台队列，对话框清空以便承接下一项工作。

远端服务会将代码库克隆至独立的云端容器，智能体在其中修改代码、跑单元测试并借助静态分析工具扫描潜在缺陷。作业完成后，它向用户返回一份清晰的执行摘要、代码变更对比，并提供直接在 GitHub 提交 Pull Request 的快捷按钮。整个流程通常耗时 1 到 30 分钟。

驱动这套云端系统的引擎是 codex-1，它是基于 o3 针对软件工程任务专门调优的分支，利用强化学习在大量真实编程场景中淬炼而成。

在业内严苛的 SWE-bench Verified 基准测试中，题目均来自真实的 GitHub 开源缺陷，评分标准严格取决于单元测试是否彻底跑通。codex-1 单次通过率达到 72.1%，多次重试下高达 83.8%，显著高于通用 o3 模型的表现。

为什么没人用：配置太麻烦、模型不够强、脱离程序员日常

2025 年 5 月 16 日，Codex Cloud 正式上线。

在 OpenAI 内部，该产品被 Sottiaux 评价为非常成功，但在走向公开市场后，除了发布初期引发一阵围观，并没有沉淀下可观的留存用户。

团队在复盘时总结了三个核心痛点。

首先是极高的环境迁移门槛。为了让云端沙箱跑通自己的工程，开发者必须把本地积累的凭证、环境变量和特殊依赖手动搬迁一遍，这个过程常常耗费数小时。一旦遇到意料之外的偏差，用户无法像在本地那样随时介入修正，任何追问都会触发一次全新的沙箱启动。

其次是底层推理能力的火候未到。Embiricos 直言不讳地指出，当时的产品概念跑得太超前，而模型在自主推演复杂工程时仍显稚嫩。

第三个容易被忽视的盲区，是他们脱离了用户的真实工作重心。研究员 Mia Glaese 后来反思，团队当时站在过于长远的未来构想产品，忽视了去往人们当下的阵地，而开发者的真实阵地就在他们自己的笔记本电脑上。

比这三点更为致命的，是团队自身的认知盲区。在 OpenAI 内部，研发环境高度标准化，底层基础设施的搭建近乎自动化，分配给沙箱的任务往往边界清晰、文档齐备。团队自身顺畅无阻的开发环境，反而遮蔽了产品向外部普通开发者索要的前置成本，这些被内部抹平的门槛最终全部变成了外部用户的阻力。

行业评论精准指出了这种割裂，认为如果你是大型成熟代码库的管理者，指派常规功能和修补漏洞会很顺手，但若想凭借直觉在个人电脑上从零搭建产品，这套工具并不适配。

被搁置的终端版：其实早就做出来了，但没给好模型和资源

很多开发者曾心生疑问，既然 Anthropic 已经验证了终端方案的爆发力，OpenAI 为什么会与它擦肩而过？

Sottiaux 明确表示团队并没有漏掉这个选项，他们早在更早前就写过终端版本，只是在一个月后主动将其搁置，把兵力全押在了云端。

放弃的原因在于当时的一个主导思路，那就是假设用户愿意跨越环境配置这道坎，哪种产品形态的远期天花板更高。

这背后体现了 OpenAI 内部对于终局形态的笃定，即智能体的理想宿命是在云端全天候运转，而不是依附于某台随时可能合上盖子的本地笔记本电脑。

Brockman 对此深信不疑，认为推向终局的最优解必然是一个拥有独立计算机的云端 AI，团队当时坚决把它造了出来。

此外，早期的 CLI 实际上在 4 月中旬就开源了，比 Cloud 还要早一个月。但它只是两个人的兼职探索，没有获得顶尖模型的支持，也没有被分配核心资源。

让智能体接管本地系统的安全审核同样充满挑战。它直接拥有读写系统和执行命令的高级权限，这让内部合规团队极为审慎。由于无法调用顶尖的编程模型，早期的 CLI 只能接入未特调的 o4-mini，整个团队的重心和底牌依然全部压在 Cloud 上。

失败的代价：核心主管跳槽 Cursor，收购 Windsurf 告吹

产品错位的代价迅速在组织层面显现。团队核心工程经理离职加盟了当时的行业明星 Cursor，紧接着 OpenAI 意图以 30 亿美元收购另一家头部编辑器竞品 Windsurf 的谈判也在 7 月搁浅。

Embiricos 坦言，那段时期最难熬的不是承受失败的挫折，而是在迷茫中看不清下一步该往何处突围，即使有了设想也感觉推进缓慢。

整个项目陷入了前所未有的至暗时刻。

回望最初的抉择，押注云端从愿景上看并没有方向性错误。他们真正犯下的偏差，是在时机未到时强行把未来的终局答案搬到现在，而让毫无准备的普通用户买单。

三、退回本地，先换引擎等模型

转向：从云端搬回本地

推理模型最可贵的特质在于具备自我反思与回溯纠偏的韧性。

当推断路径受阻时，它不会盲目硬闯，而是重新审视最初的前提假设，换一个视角寻找解法。这种面对失误时的纠偏机制，同样启发了团队的生存策略。

2025 年夏天，Codex 团队决意调头重构。

在当时 OpenAI 庞大的组织版图里，这个边缘项目几乎无人问津。团队设计师 Ed Bayes 坦承，如果追求职业光环，大家更愿意涌向 ChatGPT。

Sottiaux 以工程主管的身份执掌团队后，迅速拍板掉转航向，决定退回本地环境。

退回本地绝不意味着举手投降。它本质上是用放弃毕其功于一役的终局执念，换取了一套在快速试错中随时能够低成本调整的弹性架构。

先重写引擎再补功能

按照常规产品节奏，团队本该赶紧在界面上堆砌功能抢占注意力，但 Sottiaux 选择了反常识的底层重构。

命令行界面只是浮于表层的操作壳，真正关键的是底盘运转的调度核心。他必须把文件读取、命令解析和系统调度的内核重写夯实，并彻底将底盘与终端解耦，使其不仅能驱动命令行，未来还能随时嵌入编辑器、桌面客户端乃至 ChatGPT 核心体系。

团队做出了一个深远的关键决策，就是用 Rust 彻底重构整套底层。

最初的客户端基于 TypeScript 与 Node.js 构建，带来了几个根深蒂固的技术包袱。用户必须先配置复杂的 Node 环境，长时间运行后巨大的上下文和工具反馈极易引发内存泄漏与垃圾回收卡顿，系统层面的安全沙箱调用也层层受限。

改用 Rust 之后，生成的单文件二进制无需任何第三方依赖，没有不可控的内存停顿，同时能直接调用底层的轻量化隔离接口。这次看似没有产出任何前台功能的底层换血，彻底卸下了架构包袱，成为日后产品形态每一次低成本切换的基石。

抓真实报错，训练出 GPT-5

引擎打造妥当，还需要强大的推理大脑提供驱动力。

曾主持过 GPT-4.1 研究的 Michelle Pokrass 负责模型后训练。当时许多企业客户对实机交互编程提出了更为苛刻的需求。

早期的编程模型像是在封闭考场里拿到满分的高材生，一旦踏入真实的工程一线便破绽百出。正如 Brockman 所言，这些模型在评测集里表现抢眼，却从未真正面对过堆满技术债的混乱代码库，也缺乏被人随时打断和纠偏的应对机制。

为了抹平考场与实战的鸿沟，Pokrass 带队深入程序员的真实工位，近距离捕捉模型在复杂工作流中卡壳的具体节点，将这些实战翻车现场转化为高价值的专项训练语料。

由此诞生的，正是 2025 年 8 月面世的 GPT-5。

一个谨慎的模型恰是市场所需

GPT-5 最初给人一种格外谨慎的印象。经历了 Cloud 的激进失误并吸纳了企业用户诉求后，团队刻意打磨出了一个甘居人后、懂得适时停顿征询人类意见的副驾驶。

它开始读懂错综复杂的旧代码架构，主动向人类解释自己的改动动机，并在触及高危边界前主动停下确认。

尽管在当时的基准评测中它并未瞬间碾压对手，但在真实的工业级研发场景里，这种严谨的交互节奏恰好击中了主力工程师的痛点。

当时业界对于把系统权限全权让渡给 AI 依然心存顾虑，不少知名技术领袖公开表达了对自动化写代码的抵触，甚至感慨亲自敲击代码的纯粹乐趣正在被算法侵蚀。

8 月底，团队顺势推出了适配 VS Code 和 Cursor 的编辑器插件，瞬间引爆了开发者的安装潮。然而这股巨大的市场惯性，正悄悄把团队推向辅助写代码的舒适区，反而远离了打造自主智能体的终极愿景。

但对 Embiricos 而言，历经暗淡摸索的团队终于等来了一款能与重构后的本地内核紧密咬合的模型，飞轮正式开始加速旋转。

四、舍弃编辑器，押注极简桌面

插件暴涨十倍却换方向：终端管不了多个智能体

插件版本的装机量迎来了十倍以上的爆发式增长，命令行终端也在稳步爬坡。

常规商业思维通常会选择向这两架马车倾斜一切资源，但 Sottiaux 却做出了惊人的逆向决策，决定保留原有工具的同时，将最大的战略兵力压向一个完全原生的独立桌面客户端。

身处模型研究的前沿阵地，他已经预见到技术能力的下一次跃迁。模型即将能够独立支撑长达数小时的任务链，能够调度外部信息，语音和视觉交互也呼之欲出。未来的工程师必然会同时指挥多个智能体协同攻坚。

在他看来，试图用上世纪七十年代诞生的黑框终端，去同时驾驭六七个穿梭于文字、代码和多模态交互之间的智能体，无论在信息承载还是人机交互上都是极具局限性的。

Embiricos 同样看到了新形态的战略价值。独立的桌面客户端能够提供深度协作的缓冲带，开发者可以像带新人一样慢慢把大任务放权给智能体，更重要的是，它能彻底拆除命令行门槛，让非技术知识工作者也能自如驾驭。

砍掉代码编辑器：赌 AI 强到让人不用亲手改代码

为了主导这一全新形态的落地，团队引入了身兼设计师与工程师双重背景的 Andrew Ambrosino。

Ambrosino 自带幽默与跳脱的气质，在日常协作中常常用独特的幽默感化解高压氛围。

设计小组面临的挑战前所未有，他们要做一款连自己都会天天依赖的日常生产力工具，却没有任何成熟范例可循。

界面设计从交互逻辑而非传统 IDE 中汲取养分，优先解决任务层级视图、项目树分类以及多线程状态管理。

随后团队迎来了最痛苦的技术博弈，那就是要不要在桌面客户端内置一个代码编辑器。

面对巨大的行业惯性，团队做出了一个惊险的断舍离决定，彻底拿掉代码编辑器。

Ambrosino 明确了这种战略聚焦，因为一旦提供手动编辑窗口，用户就会本能地拿它与成熟的专业 IDE 对标，去挑剔撤销树、语法高亮和快捷键映射等一切细节。团队四个人绝不可能靠打造一个二流的代码编辑器赢得竞争，唯一的出路是让智能体的自主交付质量高到让用户彻底淡忘手动编辑的冲动。

这场豪赌的戏剧性在于，团队成员在自己的日常工作中，正一边忍受着 VS Code，一边试图亲手设计出淘汰后者的产品。

最难熬的尴尬期：每天追问，连自己人都不愿用

为了检验产品的真实可用性，Embiricos 确立了一条苛刻的内部验证标准。每天巡视工位时，他都会逐个质问团队成员，是否已经把这款自研客户端当成了日常唯一的开发主力。

起初所有人的答案都是否定的。没有就地编辑代码的功能，哪怕仅仅替换一行注释，也必须通过自然语言与智能体多轮问答，这种阻塞感让团队成员感到繁琐。

甚至外部巨头也在向相反方向重金下注。Google 在同一年底推出了融合智能体与完备 IDE 的工作空间，宣称智能体不应被放逐在孤立的侧边栏。

面对外界的重压和团队内部的动摇，团队曾反复陷入怀疑。更棘手的是底层的模型演进尚未彻底跨越质变点，无法为这种激进的交互模式提供绝对的胜率底气。

新模型几周内翻盘：程序员开始不碰一行代码

战局的彻底改写发生在短短几周之内。

11 月中旬与 12 月中旬，GPT-5.1 Codex Max 与 GPT-5.2 Codex 接踵而至。新模型不仅具备连续数小时不间断推理的代码耐力，在跨多模块代码库的大规模协同重构上也迎来了突破。

研究员 Glaese 与应用团队紧密贴合，每一次工程反馈都被直接转化为对模型行为的微调。更关键的是，独立的 Codex 模型线无需背负 ChatGPT 数亿普通用户的通用对齐包袱，能够集中火力针对专业工程场景持续深钻。

质变悄然发生，团队内部的抵触情绪迅速烟消云散。

工程师们发现模型解决问题的精准度大幅提升，自己不再需要亲自动手修改细节，偶尔留下一行简短的指引便能立竿见影。

那个圣诞假期见证了整个行业人机协作范式的跃迁，大量极客开始挑战不碰一行本地代码，由模型端到端构建交付完整项目。

到了 1 月初，Codex 团队全员彻底将日常开发迁入新客户端。随后该工具被推向全公司，顶尖研究员和长期坚持在终端使用 Emacs 的技术元老也纷纷倒戈，被 Altman 盛赞为内部史上最受喜爱的生产力工具。

破圈通用办公：500 万周活，两成用户拿来干杂活

2026 年 2 月初，Codex 桌面应用正式面向公众发布。

客户端的整体界面风格干净利落，左侧清晰罗列着各项进行中的任务卡片，右侧直接展示智能体的推进状态和上下文输出。

它允许用户同时派发多个并行任务，一个智能体负责修补缺陷，另一个并行推进新模块，两者在彼此隔离的工作分支上运行且互不干扰。 开发者既能在关键节点深度介入把关，也能放手离去任其自主推进。

尽管同期竞品也在尝试类似形态，但往往在原有复杂的聊天界面上修修补补，功能标签叠床架屋。Codex 由于一开始就坚决剔除了代码编辑器的历史包袱，呈现出罕见的一体化与轻快质感。

更深远的变革发生在模型层面。随着 GPT-5.3 和后续 GPT-5.4 的登场，团队不再局限于单纯的编程代码训练，开始系统性思考如何让智能体理解并接管更广泛的知识性工作。

从文档编排、多源数据分析到跨应用的综合排查，这款工具的使用群体迅速破圈。短短数月内，周活跃用户从 200 万飙升至 500 万，其中五分之一已经完全脱离了传统软件开发的范畴，广泛渗透进知识工人的日常办公。

角色彻底反转：ChatGPT 反过来跑在 Codex 底座上

2026 年 7 月 9 日，OpenAI 宣布了一项重大产品重组，将原本独立的 Codex 桌面端直接升格为全新的 ChatGPT 桌面客户端，通用的日常对话界面被全盘集成于这套智能体底座之上。

底层系统的进程标示依然保留着最初的代码印记。在一年前，Codex 还只是 ChatGPT 对话框角落里的一个试验性标签页，而一年之后，整个 ChatGPT 的未来反而稳稳站在了 Codex 搭建的智能体底座上。

团队在增长顶峰敢于反复推倒重来的底气，最终还是回到了那次果断的底层重写。高度解耦的底盘让更换上层界面的成本大幅压缩，团队才敢于在关键风口毫不犹豫地换乘下一趟列车。

写在最后：绕一圈，回到起点

十个月走完十年的产品周期

在这次合并正式宣布前夕，访谈作者在曼哈顿的会议室里见到了 Embiricos。

面对关于团队如何避开行业惯性并屡次打破成功魔咒的追问，Embiricos 拿起马克笔，在白板上静静画下了一组陡峭演进的增长曲线。

从最早迅速见顶的 Cloud 试验，到命令行与插件引发的阶梯式反弹，再到桌面端和全新模型拉出的爆发性主升浪，前面的每一步探索都像是为最终的突破铺垫地基。

不被成功绑架：敢革上一代爆款的命

这组演进轨迹极其生动地印证了克里斯坦森在《创新者的窘境》中揭示的技术法则。

在漫长的计算历史上，底层算力的每一次阶跃都会孕育出形态更为轻便、受众更为宽广的新物种，最终对上一代主导者实现降维打击。巨头往往不是败在技术落后，而是被上一代赚钱产品的巨大惯性牢牢按在原地，无法下定决心自己革自己的命。

在过去需要数十年才走完的产业轮回，被这支精干团队在十个月内浓缩预演了一遍。

团队之所以能够免于被旧成就束缚，很大程度上得益于 OpenAI 内部独特的敏捷机制，使他们得以在成熟产品线庞大的用户包袱之外轻装突击。加之借助模型编写模型带来的极端研发效率，让一个新形态在几周内便能从构想化为现实。

最后一条曲线画回云端

在白板的末端，Embiricos 郑重勾勒出最后一条指向远方的虚线。

当千万用户已经在本地建立了对智能体的深度信任之后，团队的目光再次投向了一年前折戟的起点，打造一个真正能在后台无休止自主奔跑的云端超级智能体。

“我们要转向真正的异步模式，”他目光坚定，“这意味着我们必将重新回到云端。”

说这话的时候，他那台笔记本就放在会议桌上，盖子合着。

他正要描述的那种工作方式，正是他这一刻没有在做的。

Codex 的这段历史画出来是一个圈，起点是云端，终点也指向云端。

中间那两次，一次失败一次折返，问的始终是同一件事。这一次究竟是过早的冒险，还是赌得起的押注。

把两次放在一起看，差别落在两件事上。第一是用户为了抵达那个方向要付多少入场成本，第二是赌错之后能不能便宜地退回来。第一次两件事都不成立，第二次都变了。

一起“点赞”三连↓

跳转微信打开