GPT-5 將會(huì)集大成于一體？就在發(fā)布“最強(qiáng)編程智能體 Codex”之后，OpenAI 又接著在 Reddit 舉行了“有問(wèn)必答”活動(dòng)。

公司研究副總裁 Jerry Tworek，劇透了下一代基礎(chǔ)模型 GPT-5 的最新消息：

為了減少模型切換，未來(lái)計(jì)劃將 Codex、Operator、Deep Research 和 Memory 整合在一起。

除此之外，其他 Codex 團(tuán)隊(duì)成員也紛紛開(kāi)啟了爆料模式，比如：

Codex 最初只是一個(gè)附帶項(xiàng)目，啟動(dòng)原因是他們意識(shí)到在內(nèi)部工作流中未充分利用好模型；

內(nèi)部在使用 Codex 時(shí)，編程效率提升了約 3 倍；

OpenAI 正在探索靈活的定價(jià)方案，包括按需付費(fèi)；

o3-pro 或 codex-1-pro 最終將在團(tuán)隊(duì)能力允許的情況下推出；

Okk，下面我們一起吃瓜。

回應(yīng) 10 大重點(diǎn)問(wèn)題

整體而言，OpenAI 團(tuán)隊(duì)這次主要分享了 Codex 的詳細(xì)情況，以及公司未來(lái)的發(fā)展計(jì)劃。

為了盡量貼合問(wèn)答者原意，我們直接以對(duì)話形式展開(kāi)。

Q1: 為什么要用 TypeScript 編寫(xiě) Codex CLI 工具，而不是 Python？

A1: 因?yàn)殚_(kāi)發(fā)者對(duì) TypeScript 比較熟悉，而且它適合用于 UI（包括終端界面）。不過(guò)，未來(lái)會(huì)有一個(gè)高性能引擎，支持多種語(yǔ)言的綁定，開(kāi)發(fā)者可以使用自己熟悉的語(yǔ)言進(jìn)行擴(kuò)展。

Q2: 為什么選擇在云上運(yùn)行代碼，而不是在本地運(yùn)行 Agent（比如使用 MCP）？

A2: 雖然 Codex CLI 可以在本地運(yùn)行 Agent，但受限于計(jì)算機(jī)性能，通常是單線程的。而在云端運(yùn)行可以實(shí)現(xiàn)并行化和沙盒化，這樣可以讓模型在無(wú)人監(jiān)督的情況下安全地運(yùn)行代碼。

Q3: 團(tuán)隊(duì)在使用 Codex 時(shí)，發(fā)現(xiàn)了哪些與目前的“氛圍編碼（vibe coding）”不同的范式轉(zhuǎn)變？開(kāi)發(fā)這個(gè)工具的靈感是什么？

A3: 主要區(qū)別是可以同時(shí)生成大量代碼版本，然后從中選擇代碼質(zhì)量最好的版本。這就好比你可以培養(yǎng)一大批喜歡編程的小程序員，然后從中挑選出最佳代碼版本。事實(shí)上，Codex 工具最初是一些工程師的業(yè)余項(xiàng)目，他們對(duì)在 OpenAI 的日常工作中沒(méi)有充分利用模型感到沮喪，因此才想到要開(kāi)發(fā)它。

Q4: GPT-5 是否有可能不僅僅幫助編寫(xiě)代碼，還能在計(jì)算機(jī)上完成更多任務(wù)？換句話說(shuō)，它是否會(huì)成為一個(gè)真正的助手，而不僅僅是提供建議？

A4: GPT-5 是我們的下一代基礎(chǔ)模型，核心目標(biāo)是提升現(xiàn)有模型的能力，減少模型切換。

目前已經(jīng)有一個(gè)可以在計(jì)算機(jī)上執(zhí)行任務(wù)的產(chǎn)品 ——Operator。雖然它目前仍處于研究預(yù)覽階段，但未來(lái)會(huì)進(jìn)行改進(jìn)，成為一個(gè)非常有用的工具。

未來(lái)計(jì)劃是將現(xiàn)有的工具（如 Codex、Operator、Deep Research、Memory）整合在一起，使它們感覺(jué)像一個(gè)整體。

Q5: Codex 只適合高級(jí)工程師嗎？

A5: 可能對(duì)那些想解決繁瑣問(wèn)題而非超級(jí)難題的人來(lái)說(shuō)更合適。

Q6: Codex 是否通過(guò)搜索有效地利用了有關(guān)庫(kù)和其他資源的最新知識(shí)？

A6: 它目前主要利用加載到容器運(yùn)行時(shí)的信息，包括 GitHub 倉(cāng)庫(kù)和其他在容器設(shè)置期間加載的文件。它并不直接訪問(wèn)最新的庫(kù)文檔或通過(guò)搜索獲取實(shí)時(shí)信息。

不過(guò)，我們正在考慮如何讓模型更好地利用最新知識(shí)。未來(lái)可能會(huì)結(jié)合檢索增強(qiáng)生成（RAG）技術(shù)，通過(guò)動(dòng)態(tài)引用外部知識(shí)庫(kù)來(lái)解決信息落伍的問(wèn)題。

Q7: OpenAI 是否有類似Absolute Zero: Reinforced Self-play Reasoning with Zero Data論文中提到的研究方法，比如讓編碼 LLM 通過(guò)“自我博弈”和強(qiáng)化學(xué)習(xí)（RL）來(lái)提高編碼水平？

A7: 在 Codex 項(xiàng)目中，我們使用了強(qiáng)化學(xué)習(xí)來(lái)提升模型的編碼能力、代碼風(fēng)格以及報(bào)告工作的準(zhǔn)確性。

作為強(qiáng)化學(xué)習(xí)領(lǐng)域的研究者，我們對(duì)這類研究方向感到興奮，并且認(rèn)為強(qiáng)化學(xué)習(xí)在 LLM 和編碼領(lǐng)域的應(yīng)用前景廣闊。

Q8: 如果量化 Codex 提升的編程效率，現(xiàn)在的整體開(kāi)發(fā)效率提升了多少？

A8: 目前還處于早期階段，但內(nèi)部數(shù)據(jù)顯示，如果項(xiàng)目從一開(kāi)始就充分利用 Codex 智能體，代碼和功能交付量可以提升約 3 倍。

相比以往，良好的軟件工程實(shí)踐越來(lái)越重要，包括清晰的代碼模塊劃分、對(duì)關(guān)鍵功能的充分測(cè)試、高效的測(cè)試流程，以及便于快速審核的代碼結(jié)構(gòu)。當(dāng)這些因素與 Codex 的自動(dòng)化能力相結(jié)合，就能大幅提升開(kāi)發(fā)效率。

Q9: Codex 團(tuán)隊(duì)認(rèn)為 10 年后軟件工程將會(huì)是什么樣子？

A9: 我們期望能夠高效且可靠地將軟件需求轉(zhuǎn)化為可運(yùn)行的軟件版本。

Q10: 如何確保 Codex 用來(lái)增強(qiáng)人類開(kāi)發(fā)人員的能力而不是取代他們，特別是那些依靠邊做邊學(xué)的初級(jí)開(kāi)發(fā)人員和自學(xué)成才的程序員？

A10：通過(guò)提供類似優(yōu)秀老師的角色，降低新手入門(mén)的難度，幫助新一代程序員更快地學(xué)習(xí)。

當(dāng)前的模型（如 Codex）還遠(yuǎn)不能取代擁有更長(zhǎng)記憶和更廣泛背景知識(shí)的人類。如果模型能夠承擔(dān)部分工作，人類將有更多機(jī)會(huì)專注于他們真正擅長(zhǎng)的事情。

最后，團(tuán)隊(duì)表示將面向 Plus / Pro 用戶推出免費(fèi) API 積分，以供用戶使用 Codex CLI。

更多回答可移步