「【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？」
一图看透全球大模型！新智元十周年钜献，2025 ASI 前沿趋势报告 37 页首发
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 Review」 「Agent」，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！
让我们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：