新智元报道

编辑：定慧

【新智元导读】OpenAI重磅推出GPT-5-Codex，专为智能体编程设计，显著提升代码重构、审查和缺陷发现的表现。其动态资源分配机制让模型在低负载请求中更高效，在复杂任务中更深入。2025编程智能体大战全面升温，GPT-5-Codex能否突围？

刚刚，GPT-5「船新」版本上线！

这次OpenAI直接使用Codex品牌名称来作为新模型后缀，GPT-5-Codex！

新模型能力将更加擅长智能编码！

即使2025年只剩下三分之一，各家巨头在「编程智能体」的争夺依然是白热化啊！

OpenAI官博更是重新定义了「自动补全」，升级为「agent-complete」。

在OpenAI播客第六集中，总裁Greg与Codex负责人Thibault Sottiaux聊了很多关于GPT-5-Codex，以及到2030年软件开发可能会是「什么样子」。

首先来速通一下此次重大更新。

此次发布的GPT-5-Codex属于GPT-5的一个特殊版本，它专为智能体编程（agentic coding）重新设计。

GPT-5-Codex将具备全面的「双模」特长：

即时协作：与开发者实时配合，快速回答问题、修复小bug。

独立执行：能长时间自主推进复杂任务（如大规模重构、跨文件调试）。

简单说就是，GPT-5-Codex不仅快&而且更加可靠。

GPT-5-Codex的交互响应更灵敏，小任务几乎即时，大任务可持续执行数小时。

OpenAI内部测试可连续7小时完成大规模重构。

GPT-5-Codex三大性能全面提升

首先，在SWE-bench验证和代码重构任务上，GPT-5-Codex都超过了目前最先进的GPT-5-high。

尤其是在非常适合于真实世界任务的代码重构任务上，GPT-5-Codex的准确率达到了51.3%，远高于GPT-5-high的33.9%。

其次，GPT-5-Codex此次更新的关键特性就是「动态调整」资源！

根据OpenAI内部员工的使用数据，在按模型生成token量（含隐藏推理和最终输出）排序的后10%用户请求中，GPT‑5-Codex的token消耗量比GPT‑5减少93.7%，红色箭头处。

相反，在前10%的高复杂度请求中，GPT‑5-Codex会投入更多思考时间，其代码推理、编辑、测试和迭代的耗时达到两倍，黄色箭头处。

最后，这次的GPT‑5-Codex经过专门训练，非常擅于执行代码审查和发现关键缺陷。

按照OpenAI的说法，他们发现GPT‑5-Codex生成的评论更不容易出现错误或不重要的情况，从而让用户能将更多注意力集中在关键问题上，比如：

「不正确评论」显著降低：从13.7%降至4.4%。

「高影响力评论」显著增加：从39.4%提升到52.4%

「聚焦关键重点」：平均每个PR提出的评论数从1.32降至0.93

此消彼长，这让Vibe Coding更加接近于严肃的工程化编程！

为何用Codex命名？

在GPT-5-Codex的「发布会」上，Greg聊到了Codex的起源。

最早在GPT-3时代，他们就发现模型能根据文档串（docstring）自动补全函数代码，他们认为当时就具备了「语言模型写代码」的可行性。

2021年，OpenAI就率先推出Codex，并与GitHub合作打造Copilot，探索AI直接嵌入开发工作流的可能性。

现在Codex的Web界面

Greg说编程一直是OpenAI特别关注的领域，专门使用代码数据和指标来优化模型表现，与其他领域不同。

早于Vibe Coding的Harness概念

在这次讨论中，Greg还用一个新的词语「Harness」来解释了OpenAI其实比流行的Vibe Coding更早就发现「用语言模型编程」的魔力。

「Harness」这个词原意是马具、缰绳，用来把马与车或骑手连接起来，使力量可以被控制和发挥。

OpenAI的Greg在讲Codex时借用这个词，表达类似的作用：

模型本身就像「马」或「大脑」，能产生力量（智能、输入输出）。

Harness就像「缰绳/集成框架」，把模型和外部环境（工具、IDE、终端、云端等）连起来，让它能真正执行任务、发挥效能。

在做普通语言模型应用时，接口（interface）或「缰绳」（harness）其实很简单——模型只是补全一段文字，最多再跟进一两次对话就结束了。

但在编程场景下，文本会「活起来」，因为代码需要真正被执行、需要和工具连接才能发挥作用。

因此，人们意识到，harness的重要性几乎和模型本身的智能同等关键，它决定了模型是否真的可用。

OpenAI所谓的harness，就是把模型与其余的基础设施整合起来，让模型能够真正地对环境采取行动。

性能与使用体验

这次GPT-5-Codex的延迟是一大亮点，代码补全必须<1.5秒，否则用户体验差。

GPT-5-Codex可以连续执行长时间任务，特别适合大型重构、迁移任务。

此次更新后还支持多模式交互：终端vibe coding、IDE编辑、GitHub集成、Cursor集成等，应有尽有，满足不同开发习惯。

OpenAI内部实践

除了GPT-5-Codex外，Greg还爆料了更多内幕。

OpenAI在内部实践中孵化了几款关键工具，帮助团队探索AI编程智能体的潜力。

首先是10x，一款内部原型，最初在终端运行，能显著提高开发效率。

它支持异步长时间执行，工程师甚至可以合上笔记本让任务继续运行，因此被认为带来「十倍生产力」，但因尚未打磨成熟而未对外发布 。

其次是Agents.md，这是一个放在代码库里的说明文件，类似专门写给Codex的README。

它能压缩上下文，减少模型探索代码的负担，同时存放团队的开发偏好（如测试位置、风格约定）。这样 Codex 能更快理解项目环境，执行任务更高效 。

最后是Code ReviewAgent，这是在内部试点后效果最惊艳的工具。

它能理解PR的意图与实现是否一致，检查依赖关系，发现人类审查可能遗漏的bug。

内部团队甚至在上线前一晚依赖它审查数十个PR，并几乎零bug发布。

讨论中也提到，2030年的软件开发将不再是「人写代码+工具辅助」，而是「AI写大部分代码+人类监督和设计架构」。

开发者更像是团队的指挥官，专注于战略性问题和创意设计，而繁琐、重复、危险的工作则由 AI 智能体承担。

收手吧，GPT-5-Codex

现在，编程智能体已经成为各大AI巨头的火力集中点，打得火热！

OpenAI此次发布GPT-5-Codex也是再次「官宣加入战场」。

但是，收手吧，外面已经全是编程智能体了！

让榴莲视频APP下载观看官网盘点一下国内外今年到底有多少编程智能体～

国外通用/主流编程AI智能体

Cursor：深度集成在IDE中，有agent模式，会检索本地代码, 能跨文件操作、项目级别重构等。

Claude Code CLI：代码diff、工具调用能力、原型快速实验。

Gemini CLI：优势在上下文窗口（context window）、处理大型代码库的重构能力强。

GitHub Copilot+Copilot 的扩展

国内代表性产品 /平台

国内在这个赛道加速也非常快，不少大厂都在做「编程智能体\编程模型」的组合，已经有很多专门用于编程的模型和产品。

腾讯的代码助手CodeBuddy

通义千问的Qwen3-Coder

字节的TRAE

百度的文心智能体平台

DeepSeek最新的V3.1系列

比如DeepSeek官方公告指出，V3.1在编程智能体和在命令行 / 终端环境下解决复杂任务中表现比之前的 DeepSeek系列模型有明显提升。

总体来看，虽然2025年被称为智能体之年，但主要还是聚焦在编程智能体。

国外市场以Cursor、Gemini CLI、Claude Code等为代表，强调模型执行力、重构大上下文处理、IDE/CLI无缝集成等能力。

而国内也同步推出同类型产品对标Cursor和Claude Code等产品。

GPT-5-Codex的上线，让这场「编程智能体大战」更加的白热化！

虽然OpenAI很早就洞察到「语言模型能编程」，但是：

AI编程IDE的认知被Cursor摘取了

AI编程CLI的认知被Claude Code拿到了。

而且国内还同步跟进了各种同类型的产品。

不知道这次起个大早，赶了晚集的GPT-5-Codex能不能拿下「AI智能体编程」的头衔～

参考资料：

http://openai.com/index/introducing-upgrades-to-codex/

http://x.com/sama/status/1967650108285259822

http://x.com/OpenAI/status/1967650096813871266