【导读】OpenAI 的 Codex App 刚刚完成了一次激进扩容——GPT-5.5 模型底座、内置浏览器操控、系统级语音输入、文档/PDF/表格预览、以及一个号称「比 yolo 安全得多」的自动审查模式,一口气全部上线。两条官宣推文合计超过42 万次围观,近7000 人点赞。Codex 正在从一个"会写代码的终端",变成一个会看页面、会读文档、会听你说话、还会先审自己权限的开发者超级应用。
一条推文引爆整个开发者圈
4 月 24 日凌晨,OpenAI Codex 负责人 Tibo 在 X 上发了一条看似随意的推文:
"Stop tweeting for a hot minute and update your Codex App to find full browser use, global dictation, non-dev mode, a new auto-review mode that is much safer than yolo, in-app docs and PDF viewer, and ... GPT-5.5."
「先停下发推几分钟,去更新你的 Codex App——完整浏览器使用、全局语音输入、非开发者模式、一个比 yolo 安全得多的全新自动审查模式、应用内文档和 PDF 查看器,以及……GPT-5.5。」
▲ Tibo 的公告推文,附带 Codex App 内置浏览器操控网页的演示截图,超 21 万次查看、近 3000 赞
几乎同一时间,另一位 Codex 核心成员 Andrew Ambrosino 发出了清单式总结:
"New in the Codex app: GPT-5.5 / Browser control / Sheets & Slides / Docs & PDFs / OS-wide dictation / Auto-review mode. Enjoy!"
「Codex app 新增:GPT-5.5、浏览器控制、表格与幻灯片、文档与 PDF、系统级语音输入、自动审查模式。」
▲ Andrew Ambrosino 的功能清单推文,3500+ 赞,21 万+ 查看
两条推文加在一起,评论区直接炸了。有人兴奋,有人焦虑,有人追问安全边界——而这些反应恰恰揭示了这次更新真正的重量级之处。
GPT-5.5:不只是换了个模型,是换了整条赛道
先说最底层的变化。
官方 changelog 写得非常直接:GPT-5.5 现已在 Codex 中可用,并且是大多数 Codex 任务的推荐模型。
但关键在后半句——它推荐的任务范围包括:implementation、refactor、debugging、testing、validation,以及knowledge-work artifacts。
最后四个字才是重点。当一个编码模型被定位为能处理「知识工作产物」时,PDF、文档、表格、幻灯片这些新入口就不再是锦上添花——它们变成了产品逻辑的必然延伸。
GPT-5.5 给了 Codex 一个理由,把自己从「代码补全工具」重新定义为「全栈任务代理」。
「完整浏览器使用」:听起来炸裂,但你需要知道边界
这大概是这轮更新里最容易让人产生误解的功能。
Tibo 用了「full browser use」,Andrew 用了「Browser control」。第一反应?Codex 能帮我刷网页、自动登录、替我点按钮了?
冷静。
去看 OpenAI 官方的 in-app browser 文档,画风完全不一样:
"Use it for local development servers, file-backed previews, and public pages that don't require sign-in."
「它适用于本地开发服务器、基于文件的预览,以及无需登录的公开页面。」
文档还特别补了一刀:
"Treat page content as untrusted context. Don't paste secrets into browser flows."
「把页面内容视为不可信上下文。不要把敏感信息粘贴进浏览器流程。」
翻译成大白话就是:这个浏览器是给你调试本地页面用的开发者工具,不是让你把 Gmail 密码交给 AI 的万能代理。
不支持认证流程,不继承 cookies,不加载浏览器扩展,不接管你已有的标签页。想登录?官方建议你切回自己的浏览器。
但即便在这个边界内,它的实际体验已经让人印象深刻。用户 Aryan Esfandiari 试用后发推:
"Amazing! I just tried it, and it worked really well. I'd also encourage everyone to try the annotation tool when they launch the browser."
「太棒了!我刚试了一下,效果真的很好。我也鼓励大家在启动浏览器时试试那个标注工具。」
▲ Aryan Esfandiari 体验后给出正面评价,特别提到标注工具
这说明什么?Codex 的浏览器能力虽然有明确边界,但在本地页面调试、视觉回归、标注反馈这些场景里,它已经能跑通一个完整的「看页面→发现问题→标注→修复→再看」的闭环。
当然,安全焦虑也来得很快。用户 parth 直接追问:
"Can/should I input my passwords, the browser looks like webview inside electron, webviews are kinda sus for entering creds."
「我可以/应该在里面输密码吗?这个浏览器看起来像是 Electron 内部的 webview,webview 用于输入凭证有点可疑。」
▲ parth 提出了很多专业用户的第一反应——在 Electron webview 里输密码靠谱吗?
这个问题的答案,其实官方文档已经间接给了:不推荐。浏览器被定位为开发工具,不是登录态容器。
「全局语音输入」:X 上很猛,文档上很克制
Andrew 写的是OS-wide dictation,Tibo 写的是global dictation。
这两个词一出来,所有人脑子里的画面都是一样的:随时随地对着电脑说话,Codex 就开始干活了。系统级入口,全局唤起。
用户 Numman Ali 的反应最能代表这种兴奋:
"Tibo you added os wide voice dictation in like two days. I saw you comment a few days asking about it somewhere. You mad man."
「Tibo 你居然两天就加上了系统级语音听写功能。我前几天还看到你在某个地方问这个功能。你这个疯子。」
▲ Numman Ali 感叹 Tibo 的开发速度——两天上线系统级语音输入
但这里有一个微妙的落差。
翻开 Codex 的官方 features 页面,对这个功能的正式描述是:Hold Ctrl + M while the composer is visible and start talking(在 composer 可见时按住 Ctrl+M 并开始说话)。
注意措辞:composer 可见时。
这和 X 上「全局/系统级」的措辞之间,存在一个明显的温度差。营销口径让你觉得它无处不在,文档口径告诉你它需要特定界面配合。
这个差异值得被记录,但不必过度解读。产品迭代的节奏往往是这样的:先把核心能力做出来,再逐步扩展触发条件。社区已经在讨论「退出 app 后能否继续工作」「能否保存录音转录」这些进阶需求——这说明大家已经过了「值不值得做」的阶段,直接进入了「怎么做得更好」的讨论。
Auto-review:这才是这次更新里最值得细看的功能
Tibo 说它「much safer than yolo」。
这句话的潜台词很重要:它默认承认了一个行业共识——此前的高权限 agent 工作流,在相当一部分用户心里就是「能用,但不敢日常用」。
YOLO 模式的问题大家都知道:agent 想干什么就干什么,删文件、改配置、推代码,全程无人看管。对于 demo 很爽,对于生产环境很恐怖。
那 auto-review 到底做了什么?
官方 changelog 给出了相当明确的描述:
"Codex can route eligible approval prompts through an automatic reviewer agent before the request runs."
「Codex 可以在请求真正执行前,把符合条件的批准提示先交给自动审查代理处理。」
界面上会显示review status(审查状态)和risk level(风险等级)。
翻译一下这个产品逻辑:它在「全程手动批准」和「全程放飞自我」之间,插入了一层 AI 前置审查。先让另一个 agent 判断风险,再决定是否放行。用户不用每一步都点确认,但也不会完全失去控制。
用户 Julan 的反馈最能说明这项功能击中了什么痛点:
"The auto review mode that catches bad commits is the feature I actually needed."
「那个能捕获不良提交的自动审查模式才是我真正需要的功能。」
▲ Julan 直言 auto-review 才是他最需要的功能——终于不用担心 agent 把错误代码推上去了
这条评论背后是一个非常真实的开发者焦虑:agent 越能干,我越怕它悄悄把 bug 混进 commit 里。Auto-review 直接命中了这个痛点。
从产品哲学的角度看,这可能比浏览器和语音输入更重要。因为它解决的是一个根本性矛盾:agent 的能力上限和用户的信任上限之间的鸿沟。没有安全感,所有能力都是 demo 级别的。有了安全感,能力才能真正进入日常工作流。
文档、PDF、表格、幻灯片——Codex 开始接管「非代码产物」
这个功能单独看不够劲爆,但放在整个更新包里,意义很大。
官方 features 页这样描述:
"When a task produces non-code artifacts, the sidebar can preview PDF files, spreadsheets, documents, and presentations."
「当任务产生非代码产物时,侧边栏可以预览 PDF 文件、电子表格、文档和演示文稿。」
Codex 以前的主战场是代码和终端。现在它开始管产品说明、数据表、汇报材料、知识文档。
配合 GPT-5.5 对 knowledge-work artifacts 的定位支持,这些功能组合在一起传递出一个很清晰的信号:Codex 想做的,是一个围绕开发任务全流程工作的 agent 工作台——写代码只是其中一项能力。
Windows 用户的怒吼:功能很好,但我更新都找不到入口
当然,不是所有人都在欢呼。
Windows 用户 Abstruse 发出了非常具有代表性的吐槽:
"Hey Tibo, is there any way for us Codex users on Windows to get an update button in the actual app? I, and likely most Windows users, don't typically manage updates through the Microsoft Store."
「嘿 Tibo,有没有什么办法让我们这些在 Windows 上使用 Codex 的用户在实际应用中获得一个更新按钮?我,以及很可能大多数 Windows 用户,通常不会通过 Microsoft Store 来管理更新。」
▲ Windows 用户抱怨更新体验——得去 Microsoft Store 手动更新,太反直觉
这背后是一个更大的现实:Codex 的产品故事讲得很完整,但跨平台一致性的交付还没完全跟上。
官方文档也明确写了:大多数 Codex app 功能在 macOS 和 Windows 上都可用,但存在平台特有的例外。最典型的是computer use——目前仅 macOS 可用,而且首发不包含欧盟经济区、英国和瑞士。
功能很炸,但能不能用、好不好用,和你在哪个系统上、在哪个地区,依然强相关。
宣传与文档之间的三层温差
回看整轮更新,功能本身当然重要,但更值得玩味的是官方宣传与官方文档之间的温度差:
第一层:浏览器。推文说「full browser use」,文档说「优先本地开发服务器和免登录页面」。用户以为能接管一切,实际上是一个带边界的开发者浏览器。
第二层:语音。推文说「global / OS-wide dictation」,文档说「Ctrl+M,composer 可见时」。用户以为随时随地能唤起,实际上目前还依赖特定界面。
第三层:安全。推文说「比 yolo 安全得多」,文档把它拆解成 automatic reviewer、risk level、eligible approval prompts。听起来是情绪安抚,实际上是一套结构化的审查状态机。
这种反差恰恰说明了 OpenAI 知道自己在做什么。传播层用情绪和场景吸引注意力,文档层用边界和条件管理预期。一个负责让你兴奋,一个负责不让你出事。
写在最后:Codex 想成为什么?
第三方分析机构 Latent Space 在总结这波更新时,直接用了一个词:Codex superapp。
SmartScope 的分析则把 2 月的初始发布和 4 月这次扩容拆开看,认为真正的重点在于Codex 能触达的工作表面变宽了——它已经远远超出了一个桌面壳的范畴。
综合来看,Codex 正在发生的变化可以用一句话概括:OpenAI 正在把它变成一个会写代码、会看页面、会处理文档、会听你说话、还会先审自己权限的开发者工作台。
代码只是起点。浏览器、文档、语音、审查——每一个新入口都在扩大 agent 的工作表面。而 auto-review 这样的安全层,则在确保这个越来越能干的 agent 不会失控。
能力在变强,缰绳也在收紧。这可能是目前 agent 产品领域最健康的进化方向。
— END —



