近日，科技媒体Every的联合创始人兼CEO Dan Shipper发表了一篇题为《How Codex Happened》的深度长文，详细记录了OpenAI编程智能体Codex在过去一年半中从低谷实现逆转的完整历程。

为了撰写此文，Shipper花费数月时间，采访了六位Codex的核心参与者，包括OpenAI总裁兼联合创始人Greg Brockman、Codex负责人Thibault Sottiaux（即Tibo）、前产品负责人Alexander Embiricos、研究员Mia Glaese、设计师兼工程师Andrew Ambrosino，以及设计师Ed Bayes。Shipper本人也是这一过程的见证者：Every长期在新模型发布前获得测试权限并发布“Vibe Check”评测，在GPT-5发布前夕，他本人就坐在OpenAI的办公室里。

这篇报道的形式独具特色。Shipper将其称为“智能体原生”稿件：六场采访的完整文字稿全部附在文中，点击任意引语即可跳转至原始对话，读者还能让自己的智能体交叉比对文字稿、提炼产品经验，甚至挖掘出作者遗漏的洞见。据Every介绍，这篇报道本身也是借助Codex采写完成的。

文中包含了许多值得关注的细节。如今ChatGPT的桌面应用在Mac系统中显示的自身名称仍是com.openai.codex，这表明Codex从内部“吞并”了ChatGPT。外界曾认为Codex拥有独立模型线是高层的远见决策，但Tibo却直言并不存在这样一个决定。

在不到一年的时间里，团队先后尝试了四种产品形态：云端、终端、编辑器侧边栏，以及一个完全没有代码编辑器的桌面应用。为了验证这个“不让人亲手修改代码”的应用是否可行，Embiricos每天进办公室都要逐一询问同事：你今天是否把它作为主力工具使用？

结果令人惊讶。据Every报道，今年6月Codex周活跃用户超过500万；7月，Codex桌面应用直接成为新版ChatGPT桌面应用；如今，Codex与ChatGPT for Work合计周活跃用户超过4000万，Tibo也已晋升为OpenAI所有核心产品与平台的负责人，统管ChatGPT、Codex和API。以下，我们将沿着Shipper的叙事脉络梳理这个故事。

故事始于2025年夏天。Every提前一个月获得了GPT-5，日常使用体验不错，但将其放入Codex中编写代码时，效果却平平：它速度快、也聪明，但总是过早停下，似乎不敢超越被允许的边界，更像一个结对编程的伙伴。而当时的Every已经改变了工作方式：使用Claude Code将整个任务交给Opus 4，然后离开，等待一个完整功能甚至整个应用完成。

在OpenAI Mission Bay办公室的会议室里，Shipper将这些观察告诉了Embiricos：使用Claude Code时可以放手让它自由运行，但GPT-5却显得犹豫不决。当说到“我们其实已经不怎么看代码了”时，Shipper自己都感到脸红，毕竟他面前的人正是负责开发自主编程智能体的。当晚离开时，Shipper心中产生了一个念头：OpenAI或许正在为一种即将消亡的工作流打造完美的工具。

要理解Codex的逆转，Shipper将时间回溯到推理模型的诞生。早期的大模型像即兴演员，只能一个词一个词地边想边说。2024年9月，OpenAI推出o1预览版，将“先逐步推理再作答”的能力训练进了模型本身：同一个模型，多思考一会儿，就能在难题上表现更好。编程是最大的受益领域。编写代码天然是一个闭环：修改、运行，几秒钟内就能知道结果是否正确，模型可以自我测试并修正。理论上，只要思考时间足够，推理模型能独立完成任何编程任务。Codex这个名字本身也经历了多次“开端”：最早的Codex是2021年基于GPT-3微调、支撑初代GitHub Copilot的模型。o1之后，OpenAI内部多支团队从不同方向重新追逐这个梦想。

一条线索来自Embiricos。他于2024年随自己联合创办的编程协作工具Multi被收购而加入OpenAI，先后在ChatGPT桌面应用和Atlas浏览器上尝试人机协作，但当时的模型读取屏幕又慢又笨。直到2024年底，他看到推理模型被接入终端，自己读取文件、运行命令、处理报错，这是他第一次真切地“感受到AGI”。另一条线索来自Tibo，也就是如今统管OpenAI核心产品的人。

Shipper在OpenAI的员工餐厅采访了Tibo。在Shipper笔下，Tibo一头光亮的棕发侧向一边，戴着细框金属眼镜，鼻梁以上像建筑师，鼻梁以下则完全是程序员模样：一脸棕色胡茬，身穿印有“Research and Deployment Co”的深棕色连帽衫，手中还拿着一块意式辣香肠披萨。他在团队中的人气可见一斑：同事Ambrosino曾在社交媒体上发布一条内容仅为“tibo”的帖子，收获了上千个赞。在中国，他甚至被称为“重置之神”。

比外表更值得关注的是他的履历。Tibo职业生涯的大部分时间都在为研究员搭建基础设施，先后在DeepMind和OpenAI工作。所谓研究基础设施，是AI研究员运行、评估、复现和部署实验所依赖的共享代码。在很多人看来，基础设施就像科技世界的水管，必不可少但无人关注，直到出现故障。作为日后掌管Codex的人，这样的背景似乎有些意外。但在AI领域，研究基础设施恰恰是许多关键进展发生的地方：缩短一次实验的时间，就能多运行几次实验，更早获得更好的模型。

这种“为造模型的人造工具”的思路，成为他进入编程智能体领域的起点。2024年12月，Tibo开始开发编程智能体，目标是帮助OpenAI更快地编写基础设施和进行研究。他的团队在OpenAI的单一代码仓库上训练内部编程智能体，研究员每天都在使用，反馈回路极短。至于具体使用了哪些训练技巧，他和各大实验室的同行一样守口如瓶。当Shipper追问“你们是如何决定将模型线拆分出来的”时，Tibo平静地回答：没有这样的决定，起初只是一次研究探索，目的是提升自己的速度。研究员使用这些模型进行实验，制造出更强的模型，再用于更好的实验，工程师称之为“自举”。

2024年末，编程成为OpenAI的公司级目标，多支团队在攻克同一个问题。Brockman表示，真正悬而未决的是“产品形态”：智能体应该待在终端、编辑器，还是云端一台属于自己的电脑上？Sam Altman曾表示，OpenAI某种意义上是在押注一系列创业公司，只是它们都在公司内部。这种并行探索在一些内部人士看来混乱且浪费，但Shipper认为，在前沿不断移动的AI领域，这几乎是必需的：能补全一行代码的模型适合自动补全，能思考30秒的适合做侧边栏问答，能工作一小时的则需要全新的形态。随后，各支团队开始合并，按Brockman的说法，是“合并了两个，然后又合并了两个”。新的Codex团队将Embiricos这样的产品型人物、Tibo这样的工程高手和Glaese这样的研究员放在一起，产品经理提出“要是模型能做到这个该多好”，研究员就将其变为现实。

2025年2月，Anthropic发布Claude Code研究预览版。它直接在电脑终端中工作，使用用户已有的文件和工具，可以随时打断，开发者迅速接受了它。Codex团队则押注云端，用大约七周时间开发出Codex Cloud，并于2025年5月16日上线：在ChatGPT中描述任务，Codex在一台隔离的云端机器上修改代码、运行测试，最后返回一个提交PR的按钮。它在OpenAI内部很成功，但在外部却反响平平。开发者需要花几个小时在云端重建自己电脑上的软件、权限和配置；任务无法中途纠偏，连追问一句都需要启动一台新的云端电脑。OpenAI内部标准化的开发环境，掩盖了这些要求对普通用户的高门槛。Embiricos承认，当时模型也不够聪明；Glaese反思道，团队带着面向未来的愿景，却没有“去用户所在的地方”，即他们的笔记本电脑上。

实际上，团队并未跳过终端路线。Tibo透露，他们内部做过终端原型，但一个月后就放弃了，转而全力押注云端。在OpenAI，智能体的理想形态一直被认为是在云端为你自主工作，即使合上笔记本也不停下。Brockman的说法是：正确的形态，是一个拥有自己笔记本电脑的云端AI。然而，现实是团队的工程经理跳槽去了Cursor，OpenAI据报道以30亿美元收购Windsurf的交易也在7月告吹。Codex团队第一次迷失在了荒野中。

推理模型的强大之处在于能回溯：发现走错了路，就重新审视假设，换一条路。Codex团队接下来做的正是这件事。当时的Codex被设计师Bayes形容为OpenAI的“偏僻角落”，想成为光鲜的设计师，你应该去做ChatGPT。Tibo此时接手团队，方向大幅调整：转向本地。他没有急着给CLI堆叠功能，而是用Rust重写了智能体本身，将读文件、运行命令的底层机制与终端界面解耦，使其将来可以运行在编辑器、桌面应用、云端乃至ChatGPT中。

模型方面，Michelle Pokrass带领团队让GPT-5更擅长真实世界的编程。Brockman的比喻是，OpenAI的模型能在编程竞赛中拿高分，却从未见过混乱的代码库。Pokrass的团队坐在程序员身边观察，将模型出错的地方变成训练任务。这也解释了Shipper那晚感受到的“犹豫”：被云端版烫过手的OpenAI，做出的正是一个谨慎的协作者，而这恰恰是当时大多数工程师想要的。GPT-5发布后推出的VS Code与Cursor扩展，到10月使用量增长了十多倍。对Embiricos来说，重建的本地智能体终于有了能驱动它的模型：“终于可以开打了。”

按照常理，接下来应该加强CLI和编辑器扩展。但Codex团队却将下一笔最大的投入押在了原生桌面应用上。Tibo看到，模型能完成的任务越来越长，人们很快会同时运行多个智能体、整天与它们待在一起，再用一个上世纪70年代的纯文本窗口来管理一切，显得荒唐。Embiricos则看到了云端版未能实现的工作流：先与智能体紧密协作，再像带新同事一样，逐步摸清哪些任务可以放手。Ambrosino加入后，这个四人小团队从聊天应用而非VS Code汲取灵感，并做出了最冒险的决定：不内置代码编辑器，想修改任何代码，都得让智能体去改。他的理由是，一旦允许用户敲代码，大家就会期待撤销、搜索、快捷键等编辑器的一切功能。Codex不能靠成为一个蹩脚的编辑器取胜，只能让智能体好用到大家不再想念编辑器。

尴尬的是，他们还在用VS Code开发这个VS Code替代品。Embiricos每天绕桌一圈追问“你在主力使用它吗”，起初答案都是否定的。有同事抱怨，为了替换一句话还得专门写提示；Ambrosino自己也承认“不能编辑文件”是他最怀疑的决定。11月Google推出集成完整编辑器的Antigravity时，团队成员面面相觑：没有分叉VS Code，是不是犯了大错？模型同样是瓶颈。Ambrosino认为，以11月时的模型质量，应用做得再好也无法发布。转机接连到来：11月19日的GPT-5.1 Codex Max能连续编写好几个小时代码，12月18日的GPT-5.2 Codex更擅长在大型代码库中修改。由于Codex模型线独立于ChatGPT，团队可以快速迭代，不必担心影响8亿ChatGPT用户。到1月，整个团队都改用Codex应用；到2月，知名研究员Noam Brown说自己“完全切换”了，Brockman这位终端和Emacs的老用户也换了过来，形容回到旧工作流“像回到了过去”。Altman后来称它是OpenAI有史以来最受内部喜爱的产品。

可云端版当初也在内部大受欢迎，这一次会不同吗？2026年2月2日，Codex macOS桌面应用发布。你可以让一个智能体修复bug，另一个开发新功能，各自在独立的代码副本上工作。Shipper坦言，这些功能并不算开创性，Claude桌面应用早已能做到，但他认为，Claude应用是从聊天到代码再到Cowork逐步叠加起来的，略显拼凑；Codex应用则没有历史包袱，干净、快速、彻底以智能体为中心。因为不放编辑器，用户能做的几乎所有事，智能体都能代劳。几天后发布的GPT-5.3 Codex是另一个转折：据Glaese介绍，Codex模型线首次开始超出编程专项训练，面向更广泛的知识工作。Shipper自己也从几乎只用Claude转向大量使用Codex；3月初GPT-5.4到来后，Codex成为他的主力工具。此后数字一路攀升：3月19日周活跃用户突破200万；4月加入内置浏览器，并能预览文档、幻灯片和表格；6月周活跃用户超过500万，约五分之一是知识工作者；7月9日，Codex桌面应用正式成为新的ChatGPT桌面应用。

当初，Codex Cloud只是ChatGPT中的一个标签页；如今，ChatGPT运行在Codex之上。Bayes回忆，走出宣布合并的全员大会时，他意识到“角落里的几个人”已经成了“ChatGPT的未来”。报道结尾，Shipper回到了今年6月与Embiricos在曼哈顿的又一次会面，后者已转任OpenAI企业产品负责人。Embiricos在白板上画出Codex的增长曲线：云端版短暂上扬后迅速走平；GPT-5之后的CLI更陡；编辑器扩展更高；最后是5.3 Codex与桌面应用，让前面的曲线都相形见绌。第一笔，已经像白板底部的一道划痕。Shipper觉得，这像极了Clayton Christensen《创新者的窘境》中的示意图：硬件进步推动计算从大型机走向个人电脑再到手机，每次飞跃都催生更简单的形态、更大的市场。这场花了半个世纪的更替，在OpenAI内部被几个人用10个月演了一遍。按Christensen的理论，赢下上一条曲线的团队几乎赢不下下一条。Shipper认为Codex躲过这一宿命，一是因为OpenAI被刻意组织成一组并行押注，给了Codex在ChatGPT体量之外独立迭代的空间；二是用Codex构建Codex改变了产品开发的“物理规律”，几个人几周就能做出新形态供大家测试。用Tibo的话说：现在说服别人需要的口舌少多了。白板上还有最后一条曲线。数百万人已经信任运行在自己电脑上的智能体，下一步是回到那个曾经失败的愿景：一个在你走开后仍持续工作的智能体。Embiricos说，他们要转向异步，这意味着要重新回到云端。Shipper注意到，这一次，Embiricos的笔记本电脑就放在会议桌上，盖子合得严严实实。本文来自微信公众号“机器之心”（ID：almosthuman2014），作者：关注AI的，36氪经授权发布。