智东西公众号文章

Codex天团深度复盘：编程顶流是如何诞生的？

一文看懂Codex的自我革命。

科技与互联网
智东西

公众号 · 153 篇文章

查看主页 →

一文看懂Codex的自我革命。
作者 |  陈骏达
编辑 |  心缘
在AI编程工具的牌桌上，OpenAI的Codex曾长期连入场资格都没有：用户寥寥，口碑平平，团队也走到了散伙边缘。然而，如今它已摇身一变，成为ChatGPT桌面版的底层系统，扛起4000万周活用户，并在CLI版本的下载量上，成功反超Claude Code。
打赢这场翻身仗，Codex仅用了不到1年。
智东西10月20日报道，近日，与OpenAI有密切联系的AI公司Every创始人Dan Shipper发表长文“How Codex Happened”，通过对OpenAI联合创始人Greg Brockman、Codex团队负责人Thibault Sottiaux（Tibo）、Codex产品负责人Alexander Embiricos、设计师Andrew Ambrosino等核心成员的采访，完整复盘了这段历史。
这篇文章给外界提供了不少做产品的经验和教训。比如，云端版Codex内部好评、外部遇冷，根源是要求用户把开发环境整套搬上云端，成本太高。Codex团队事后承认，自己的开发环境高度标准化，掩盖了对外部用户的苛刻要求，产品要“到用户所在的地方去”，不能只在自己熟悉的环境里好用。
当Codex的形态悬而未决时，OpenAI选择多路押注。员工抱怨这一选择混乱、浪费，但Altman的回应是：“OpenAI就像在投资一连串创业公司——只不过它们都在公司内部。”这种内部竞争和多赌注，让下一个产品不会被现有产品的成功杀死，有效避免了“创新者困境的出现”。
而CLI和插件增长用户大幅增长后，Codex团队又敢于押注下一个形态。哪怕内部没达成一致，Tibo仍决定把最大投入放在原生桌面应用，这最终促成了Codex更大的成功。
接下来，就让时间倒回2024年底，看看这段翻身仗究竟是如何打下来的。
以下内容为基于原文整理的精华内容：

01.
一切始于屏幕上的那句“思考中……”


今天的AI产品都有一个熟悉的界面：复杂请求发出后，回答的位置会浮出“思考中”的字样。它背后是一次计算范式的转换。
第一代大模型更像是即兴演员：必须一个词一个词当场编下去，无法计划，也无法回头。但早期用户发现，只要让模型“先一步步推理再作答”，答案就会明显变好——这就是“思维链”提示法。
OpenAI随后把这一行为直接训进模型之中：回应用户的查询之前，模型会先在“草稿纸”（推理轨迹）上推演，如果遇到死胡同可以回退，选定最终的可行路径，再开始作答。
2024年9月，OpenAI o1模型预览版发布，这是第一个具备思维链特征的模型。只要在难题上多花点时间，它就能答得更好。
而编程是推理模型最适配的场景之一：改代码、运行、看结果，几秒钟内完成一次自我验证，闭环自洽。理论上，只要给足时间，推理模型可以独立完成任何编程任务。

02.
多路并进，Codex的多个开端


造一个AI程序员是OpenAI多年的执念。Codex这个名字也不是新的：2021年的第一版Codex是一个模型，基于GPT-3，在公开代码上进行了微调，被用于驱动最初的GitHub Copilot。
2024年底，“编程”被提升为OpenAI的公司级目标，几支队伍从不同角度，试图解决同一个问题。
其中一路来自Codex产品负责人Alexander Embiricos。在OpenAI收购创业公司Multi后，Embiricos加入了OpenAI，当他第一次看到一个接进终端的推理模型时，受到了职业生涯级别的震撼：
“我第一个真正‘摸到AGI’的时刻，是看到一个接进终端的推理模型。我知道现在说这些没什么意思，但看着它自己读文件、跑命令、一路排掉报错，真的太酷了。”
当时市面上的AI编程工具都长在VS Code上：Copilot做自动补全，Cursor、Windsurf做秒级问答，全都依赖紧凑的反馈循环，这也是因为彼时的模型撑不起长时间自主工作。
而OpenAI的推理模型恰好相反，思考时间被截断就又慢又弱。Embiricos想做的，是把“慢”变成优势：既然它必须想很久，那就让它想，去干一件完整的事。
但让模型长时间思考有一个产品上的挑战：用户不能对着黑箱干等。Embiricos由此定下一条规矩：无论任务多长，用户必须每隔30秒、最多1分钟就能看到模型在做什么，agent干活时可见的进度本身就是产品的一部分。
另一路纯属无心插柳。Thibault Sottiaux（团队叫他Tibo）是一位研发基础设施工程师。2024年12月，他开始探索用推理模型反过来加速研究本身：在 OpenAI的monorepo上训练内部编程agent，帮研究员写跑实验、评实验所需的Python代码。由于研究员天天在用，反馈速度较快，团队训练模型的节奏也越来越快。

▲Thibault Sottiaux

关键在于：他们训练这些编程模型所用的技术，和OpenAI训练ChatGPT主线的办法并不一样，两边一度很难调和。在OpenAI内部，事实上长出了第二条模型线：一条是服务公众的通用模型线，一条是服务研发的专用编程模型线。
后来，这条支线被视为Codex“魔力”的来源。然而，Tibo透露，OpenAI内部从未做出拆分模型线的决定，一开始这只是研究探索，是对OpenAI迭代速度的优化。
不过，Tibo的内部编程agent只解决了模型如何变强的问题，并不适合所有人使用。Codex要真正成型还需要其他团队的加入。
2025年初，OpenAI内部几支从不同角度探索AI编程的队伍开始合流，Tibo与Embiricos的两班人马先是进行了合并，之后OpenAI的Scientist Assistant（科学家助手）研究项目也被并入。
队伍齐了，下一个问题是产品做成什么样。联合创始人Greg Brockman总结，当时悬而未决的问题是形态因子：这个agent该待在终端、编辑器，还是云端自己的电脑上？没人知道哪些路是死胡同，OpenAI其实选择了多路押注的方案。

这种多路押注其实给OpenAI员工带来了困扰，有员工私下抱怨这既混乱又浪费——谁愿意待在一个公司里只能排第三的agent团队？面对这种质疑OpenAI创始人兼CEO Sam Altman的回应是：

“某种意义上，OpenAI就像在投资一连串创业公司——只不过它们都在公司内部。”



03.
Codex云端版，叫好不叫座


在OpenAI的Codex正式发布之前，Anthropic先在2025年2月24日发布了Claude Code。这款产品没有自己的编辑器，而是直接跑在终端里，操作电脑上的文件：干到一半可以打断，上一回的经验还能带进下一回，这是彼时的云端方案所无法实现的能力。
Tibo透露，Codex其实也探索了终端路线，做了一个版本，但在一个月后就被放弃了，转去做完整的云端版，最终希望实现云端的异步agent，可以从电脑或手机派活。这背后是OpenAI的长期信念。Brockman说：“放眼未来，正确的形态因子是一台有自己笔记本的云上AI。我们真的把它造出来了。”
在大约7周的赶工后，Codex云端版在2025年5月16日发布。这款产品在OpenAI内部反响热烈，外部用户却叫好不叫座：要发挥出其全部实力，用户得把笔记本上的软件、权限、配置整套搬到云端虚拟机，动辄几小时；任务跑起来无法打断纠偏，用户只是追问一句，也会开一台云端虚拟机，环境还需要重新设置。
事后复盘中，Codex团队承认了两点问题：其一，他们自己的开发环境高度标准化、任务定义清晰，掩盖了对外部用户的苛刻要求，产品没有“到用户所在的地方去”；其二，更根本的是模型问题，Tibo说道：“那时候做这件事太早了，因为模型还不够聪明。”
同期，OpenAI还发布过一个小型开源Codex CLI，但这只是两位员工做出的边缘项目。因为安全顾虑，这一CLI只能使用OpenAI的通用模型，而非专用的Codex模型，这在某种程度上也限制了产品的效果。

▲Codex CLI

产品没跑通后，Codex团队的工程经理离职，加入了彼时估值90亿美元的Cursor，OpenAI作价30亿美元收购Windsurf的交易，也在7月告吹。

04.
用Rust重写agent
给模型补一门社会实践课


2025年夏末，Tibo全面接管这支当时还是OpenAI“边角料”的团队，他说道：“我接手了团队，然后相当大地改变了方向。我们转向了本地。”
他并未着急给Codex CLI加功能，而是用Rust重写了Codex，把“读文件、跑命令、排错误”的核心机器与终端界面彻底解耦，让它日后能进入终端、编辑器、云端，乃至ChatGPT。
同一时期，OpenAI的模型也正在优化。负责GPT-5后训练的Michelle Pokrass发现，跑分优秀的模型在实际场景能力并不一定出众，因为模型没见过乱成一团的代码库，没被人中途打断过。Brockman称之为“SAT满分、却从未上过一天班的学生”。
于是，OpenAI让程序员监督GPT-5干活，记录模型在哪里掉链子，再把失败变成可重复的训练任务，最终提升了模型在真实场景的能力。
GPT-5发布一周后，Codex的VS Code和Cursor插件上线，开发者蜂拥而至，到当年10月，其用量已增长超过十倍。
按常理来说，OpenAI应该继续加码CLI和编辑器插件。但Tibo当时的决策是：“我们决定继续维护CLI，但下一笔最大的当下投入，应该做一个原生桌面应用。”
他的判断是，模型能完成的任务越来越长，人们很快会同时驾驭多个agent、一整天泡在里面，而在纯文本终端窗口里盯住多路消息，是荒谬的。
设计师Andrew Ambrosino加入后，设定的目标是要让Codex成为主力工具，定位上Codex比IDE轻，界面参考聊天应用而非VS Code。
他们还决定不做内置编辑器，想改代码只能跟agent说。他们判断，用户一旦能打字修改代码，就会期待全套编辑器功能，但以当时设计团队4人的规模，做不出完美的编辑器。因此，他们需要把“指挥agent写代码”的体验，做到让人不怀念编辑器。
然而，这样的产品即便是在OpenAI内部，也很难成为主力工具，改一句话都要打一段提示词的体验，并不能说服用户。
2025年11月，谷歌发布基于VS Code分叉、自带完整编辑器的agent工具Antigravity，这一外部因素让Codex团队也动摇了：
“不做VS Code分叉，是不是犯了大错？我们内心非常矛盾，而且我觉得团队内部根本没有达成一致。”——Ambrosino
转机来自模型。由于Codex的模型独立于ChatGPT，他们可以快速迭代，而不必担心当时8亿ChatGPT用户的体验。2025年11月19日，GPT-5.1 Codex Max发布，能连续数小时写代码；同年12月18日，GPT-5.2 Codex也上线，擅长跨大代码库的统一改动。
随着模型能力的快速提升，OpenAI员工们开始发现，人需要做的修改越来越少了。
2026年2月，OpenAI全公司工程和研究团队开始广泛采用Codex，连一辈子用终端和Emacs的Brockman也开始采用Codex。Altman称，Codex已经成为“OpenAI有史以来最受内部喜爱的产品”。

05.
10个月后
Codex成了ChatGPT


2026年2月2日，Codex macOS桌面应用向公众发布。布局上，其侧边栏是按项目分组的任务，多个agent在各自独立的代码副本上并行干活，互不覆盖。几天后GPT-5.3 Codex亮相，这是Codex模型线第一次跳出纯编程场景的训练，团队开始研究：一个编程agent还需要懂什么，才能服务一切知识工作。
与此同时，Codex的增长曲线也变得十分陡峭。今年3月19日，其周活突破200万，年初以来总用量涨至5倍；4月，Codex加入内置浏览器和跨Mac应用操作，这样一来，不会写代码的人也能让Codex生成一份PPT或预算报告；同年6月，Codex周活突破500万，约1/5是知识工作者。
今年7月9日，Codex桌面应用直接成为了新的ChatGPT桌面应用。当年Codex云端版是作为ChatGPT里的一个标签页上线的，如今整个ChatGPT跑在了Codex之上，新应用的底层包名变成了com.openai.codex，Codex与ChatGPT for Work合计周活达到4000万。
Tibo也升任统管ChatGPT、Codex与API的核心产品负责人，当初角落里的几个人，成了ChatGPT的未来。
GPT-5发布十个月后，OpenAI在内部复盘了Codex的增长曲线。Codex云端版的用户数量在短暂上扬后走平，GPT-5之后的Codex CLI更高一筹；编辑器插件的推出让用户数量再上一层；而GPT-5.3加桌面应用的增长曲线，让第一条增长曲线，小得像个划痕。
这正是克里斯坦森《创新者的窘境》的图景。模型能力每一次跃迁，都在打破围绕上一代能力建立的界面，能补全一行代码的模型适合做补全工具，能思考30秒的模型适合侧边栏问答，能连续工作1小时的模型则会催生更新的产品形态。

06.
结语：打破创新者窘境后
Codex要再次上云


传统公司里，现有产品的成功几乎必然会杀死下一个产品，但OpenAI得以幸免。其背后原因有二，一是OpenAI内部本身就有多个赌注，Codex能持续保有独立的产品和模型线；二是用AI造AI改写了产品开发的规律，传统公司立项需要开会、抢预算，而Codex团队用Codex造Codex，几个人花上几周，就能打造新的产品。
不过，Codex仍未放弃其最初的构思。Embiricos说道：“我们要走向异步，这意味着我们得重新上云。”
图片

前往微信阅读全文

内容来自公众号，可前往微信查看原文。

查看作者的更多文章 →订阅更新、RSS 与阅读指南 →