Codex天团深度复盘：编程顶流是如何诞生的？

在AI编程工具领域，OpenAI的Codex曾长期处于边缘位置：用户量稀少、口碑平平，团队甚至濒临解散。然而，如今它已转型为ChatGPT桌面版的核心系统，支撑起4000万周活跃用户，且其CLI版本的下载量已超越Claude Code。

这场逆袭，Codex仅用了不到一年时间。

智东西10月20日报道，近日，与OpenAI关系密切的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等核心成员的访谈，全面回顾了这一历程。

这篇文章为外界提供了诸多产品开发的经验与教训。例如，云端版Codex内部评价良好但外部遇冷，根源在于它要求用户将整个开发环境迁移至云端，成本过高。Codex团队事后承认，自身高度标准化的开发环境掩盖了对外部用户的苛刻要求，产品应“走到用户所在之处”，而非仅在熟悉的环境中表现良好。

当Codex的产品形态尚未明确时，OpenAI选择了多线并进。员工抱怨这种做法混乱且浪费资源，但Altman回应称：“OpenAI就像在投资一连串初创公司——只不过它们都在公司内部。” 这种内部竞争与多线押注，使得下一个产品不会被现有产品的成功所扼杀，有效避免了“创新者困境”。

在CLI和插件用户量大幅增长后，Codex团队敢于押注下一个形态。即便内部未达成共识，Tibo仍决定将最大资源投入原生桌面应用，这最终促成了Codex更大的成功。

接下来，让我们将时间倒回2024年底，看看这场翻身仗究竟如何打响。

以下内容基于原文整理的精华：

01.

一切始于屏幕上的那句“思考中……”

如今的AI产品都有一个熟悉的界面：复杂请求发出后，回答位置会浮现“思考中”字样。其背后是一次计算范式的转变。

第一代大模型更像即兴演员：必须逐词即时生成，无法规划，也无法回溯。但早期用户发现，只要让模型“先逐步推理再作答”，答案就会显著改善——这就是“思维链”提示法。

OpenAI随后将这一行为直接训练进模型：在回应用户查询前，模型会先在“草稿纸”（推理轨迹）上进行推演，遇到死胡同时可回退，选定最终可行路径后再开始作答。

2024年9月，OpenAI o1模型预览版发布，这是首个具备思维链特征的模型。只要在难题上多花时间，它就能给出更好的答案。

而编程是推理模型最适配的场景之一：修改代码、运行、查看结果，几秒内完成一次自我验证，闭环自洽。理论上，只要给予足够时间，推理模型可以独立完成任何编程任务。

02.

多线并进，Codex的多个开端

打造一个AI程序员是OpenAI多年的执念。Codex这个名字并非新事物：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，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，多支团队从不同角度尝试解决同一个问题。

其中一路来自Codex产品负责人Alexander Embiricos。在OpenAI收购初创公司Multi后，Embiricos加入OpenAI。当他第一次看到接入终端的推理模型时，受到了职业生涯级别的震撼：

“我第一个真正‘触摸到AGI’的时刻，是看到一个接入终端的推理模型。我知道现在说这些没什么意思，但看着它自己读取文件、运行命令、一路排除报错，真的太酷了。”

当时市面上的AI编程工具都基于VS Code：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无法支撑长时间自主工作。

而OpenAI的推理模型恰好相反，思考时间被截断就会又慢又弱。Embiricos想做的，是把“慢”转化为优势：既然它必须思考很久，那就让它思考，去完成一件完整的事情。

但让模型长时间思考面临一个产品挑战：用户不能对着黑箱干等。Embiricos因此定下一条规则：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工作时可见的进度本身就是产品的一部分。

另一路纯属意外。Thibault Sottiaux（团队称他为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，帮助研究员编写运行实验、评估实验所需的Python代码。由于研究员每天都在使用，反馈速度较快，团队训练模型的节奏也越来越快。

关键在于：他们训练这些编程模型所用的技术，与OpenAI训练ChatGPT主线的路径不同，两边一度难以调和。在OpenAI内部，事实上形成了第二条模型线：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正式决定，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编程的团队开始合流，Tibo与Embiricos的两班人马首先合并，随后OpenAI的Scientist Assistant（科学家助手）研究项目也被并入。

团队齐了，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实际上选择了多线押注的方案。

这种多线押注给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就像在投资一连串初创公司——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，而是直接运行在终端里，操作电脑上的文件：可以中途打断，上一回的经验还能带入下一回，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，制作了一个版本，但一个月后就被放弃了，转而开发完整的云端版，最终希望实现云端的异步agent，可以从电脑或手机派发任务。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拥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云端版于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：要发挥其全部实力，用户得将笔记本上的软件、权限、配置整套迁移到云端虚拟机，动辄数小时；任务运行时无法打断纠偏，用户只是追问一句，也会启动一台云端虚拟机，环境还需重新设置。

事后复盘，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“走到用户所在之处”；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。由于安全顾虑，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。

产品未跑通后，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。”

他并未急于给Codex CLI添加功能，而是用Rust重写了Codex，将“读取文件、运行命令、排除错误”的核心机器与终端界面彻底解耦，使其日后能进入终端、编辑器、云端，乃至ChatGPT。

同一时期，OpenAI的模型也在优化。负责GPT-5后训练的Michelle Pokrass发现，评分优秀的模型在实际场景中能力并不一定出众，因为模型没见过混乱的代码库，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工作，记录模型在哪里掉链子，再将失败转化为可重复的训练任务，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、一整天泡在其中，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，他们需要将“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，能连续数小时编写代码；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工作，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，年初以来总用量增长至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运行在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扼杀下一个产品，但OpenAI得以幸免。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。”

本文来自微信公众号“智东西”，作者：陈骏达，编辑：心缘，36氪经授权发布。