一、GPT-5 发布前夜刺耳的"天命"之忧
2025 年 8 月,GPT-5 发布前夜,旧金山 Mission Bay,OpenAI 的办公室灯火通明。
Every 创始人 Dan Shipper 当晚在办公室"报到"——OpenAI 有个传统:新模型发布前,会让外部团队提前实测、写一份叫"Vibe Check"的评测。Shipper 心里却压着一个担心:OpenAI 会不会正在丢掉自己在 AI 编程上的"天命"(mandate of heaven)?
那段时间,Anthropic 的 Claude Code 正在开发者圈子里悄悄走红。它最迷人的一点是:你能把一整个任务甩给它,然后走开。而 Shipper 试了 GPT-5 在 Codex 里的表现,却觉得"太谨慎、太早"——模型明明又快又聪明(一位工程师甚至用它逮住了一个语音听写 App 里藏了很久的卡顿 bug),却像"被沙箱束缚住、不敢用自己的力量"。
他当面告诉 Codex 产品负责人 Alexander Embiricos:"用 Claude Code,你直接让它干就完了(you just let it rip)。GPT-5 感觉有点畏手畏脚,像是被沙箱困住,不敢释放自己的力量。"
离开 Mission Bay 时,Shipper 一度怀疑:OpenAI 是不是在为一种"正在消亡的工作流"打造完美工具?被云端 agent 的失败烫过之后,他们退回到代码编辑器里一步步辅助程序员;而 Claude Code,正在接管"把整个任务交出去然后走开"的新范式。
他没想到,故事的后半段会彻底反转。
二、编程:推理模型的"天命之地"
要读懂这场逆袭,得先看清底下的技术地基。
2026 年,你在任何 AI 上处理复杂任务,都会看到"Thinking…"的闪烁提示。它不只是加载动画,而是一种新的计算范式。第一代大模型是"外部处理器":没有内部推理,直接逐字回答,无法预先规划。后来有了"思维链(chain-of-thought)"提示,再进化到把推理过程训练进模型本身——模型在"草稿纸"上试错、回溯、换角度,想清楚了才开口。
OpenAI 的第一个推理模型 o1,于 2024 年 9 月预览。此前 AI 的进步主要靠"堆更大的模型";o1 证明了同一模型"多想一会儿"就能变强。
而编程是推理模型最契合的场景。它是一个闭环:改代码、运行、几秒内就知道对不对,全程不需要人插手。理论上,只要让它想得足够久,推理模型可以独立完成任何编程任务。这就像给会思考的机器,配了块随时给反馈的"自证电路板"。
三、多条并行的起点
"AI 程序员"是 OpenAI 多年的执念。2021 年,第一个 Codex 是微调在公开代码上的 GPT-3,正是它驱动了 GitHub Copilot。o1 预览后,领导层让多个小组从不同方向追这个梦,其中有两条线尤其关键。
一条来自 Embiricos(2024 年底)。他看到有人把推理模型接进终端,惊呼那是"第一次真正有'AGI 感'的时刻"——模型不再像工具,而像一台会思考、会行动的机器,"看着它读文件、跑命令、自己解决报错,太酷了"。他此前做过 ChatGPT 桌面版、Atlas 浏览器,但当时模型太慢太笨;终端不一样,模型不用"看屏幕",直接在文本和代码里工作,且每 30 秒到每分钟就能让用户看到它在干什么。
另一条来自 Thibault Sottiaux(人称 Tibo,2024 年 12 月前后),他负责"研究基础设施"——研究员赖以训练、评估、部署模型的共享代码。他的思路是让推理模型"回过来帮研究员造下一代模型":在 OpenAI 的巨型代码库(monorepo)上训练内部编码 agent,写研究员需要的 Python 代码。研究员天天用,反馈回路极紧,效果飞涨。
这就是"bootstrapping(自举)":让模型帮研究员跑实验 → 研究员用它造出更强的模型 → 更强的模型跑更好的实验 → 再训出更强的模型……这提供了 Codex 的"一半":能改进"造模型"这件事的 agent。但要变成全公司乃至走出 OpenAI 的产品,还得有另一半——Embiricos 关于"人该怎么和 agent 协作"的理念。
四、收敛:"混编队"在荒野里找形态
2024 年底到 2025 年初,编程成了公司顶层目标,几支队伍从不同角度撞上同一个问题。核心悬念是一个词:形态(form factor)——agent 到底该待在终端、编辑器,还是云端?当时没人知道答案。
Altman 后来承认,这种"并行探索"对少数内部人来说"混乱又浪费","谁想去 OpenAI 内部做第三好的 agent 呢?"而形式是什么,正是当时公开的问题。
2025 年初,几支队伍合并:Embiricos 与 Sottiaux 的团队、"Scientist Assistant"项目等,先合二为一,再合二为一。合并后是个小小的"多学科混编队":既有 Embiricos 这样的技术型产品思考者、Sottiaux 这样的工程高手,也有从 DeepMind 来的研究员 Mia Glaese(做过 Gemini 与模型对齐)。Glaese 是"彻底的、不带感情的实证主义者"。
这种"产品人 + 研究员肩并肩"的组合在 AI 界很少见——传统上 AI 研究驱动,顶尖研究员拿百万美元合同,其余人拿工程薪资;而当两者坐在一起,研究员能亲眼看到模型怎么被用、听到用户下一步想要什么:产品人问"要是模型能做这件事该多好",研究员就把它做出来。这又是 Sottiaux 的自举回路,只不过发生在"模型"与"建在模型上的产品"之间。
五、云端路线:一次"太早"的豪赌
2025 年 2 月 24 日,Anthropic 发布 Claude 3.7 Sonnet 与 Claude Code 研究预览。它跑在终端里、直接操作你电脑上的文件,在同一批文件、同一套已装工具、同一段上下文里工作,可以中途打断,还能把上一次会话的经验带到下一次——开发者迅速倒向它。
而合并后的 Codex 团队,在 2025 年春天把目光投向另一个愿景:Codex Cloud——一个在云端、有自己电脑的 agent,为"异步工作"设计,你可以从电脑或手机派任务给它。他们给自己大约 7 周做完并上线。
用法很优雅:开工作区、描述任务、点"Code",Codex 就把代码库拷进隔离云机器,改文件、跑测试和 lint、返回摘要和 diff,并附一个"开 PR"的按钮。Codex Cloud 于 2025 年 5 月 16 日上线,内部"非常成功",外部却"引来兴趣、却没什么持续使用"。
为什么?开发者得在云里重建自己笔记本的软件、权限、设置,可能花好几个小时;搭好之后它能交付"规格明确"的任务,但你不能中途打断纠正。更深层的原因,Embiricos 说得很直白:"产品不是唯一的阻碍,模型还不够聪明,太早了。"Glaese 补了一句:"应该去人所在的地方,也就是他们的笔记本电脑上。"
其实 OpenAI 早在 2025 年 4 月 16 日(比 Codex Cloud 早一个月)就发过开源 Codex CLI,很像 Claude Code。但 Embiricos 说那是"两个人英雄式地"做出来的副项目,公司没把主要资源投在这里,也没把为 Codex Cloud 专门训练的模型给它——"你甚至在 CLI 里用不了 Codex 模型"。
它没成。 Codex Cloud 没找到产品市场契合,团队工程经理跳槽去了 Cursor(当时 AI 编程领跑者,估值 90 亿美元)。同一时期,OpenAI 据称以 30 亿美元谈收购 Windsurf 的交易,后来在 7 月告吹。第一次,Codex 团队在荒野里迷了路。
六、换一条路:回到开发者的笔记本上
Cloud 上线后的 2025 年晚春与夏天,团队准备再试一条路。在设计负责人 Ed Bayes 眼里,这项目当时是 OpenAI 的"穷乡僻壤"——"想当风光的设师,你就去做 ChatGPT"。就在这个被忽视的角落,Sottiaux 升任工程经理,做了个大转向:"我接手了团队,然后把方向大改了一下。我转向了本地(local)。"
"本地"就是让 agent 跑在开发者自己的电脑上,像 Claude Code 那样。他们从本地 Codex CLI 起步,但 Sottiaux 换了个打法:重写 agent——"我们在 CLI 功能上其实挺慢的,因为我们忙着打磨底层的 agent。" CLI 只是界面,他的重点是下面的"机器":能读文件、跑命令的 agent,且从终端界面里解耦出来,能活在编辑器、桌面或手机 App、云端、甚至 ChatGPT 里。
他们用 Rust(讲究速度与安全的系统级语言)重写 agent,同一套机器既驱动终端 CLI,也驱动后来的编辑器扩展。但他们还缺一样东西:一个足够强的模型来驱动它。
七、"谨慎":被开篇那句质疑回扣
Michelle Pokrass 负责让 GPT-5 更擅长真实编程,她主导过 GPT-4.1 研究,也负责 post-training(对已训练好的模型做行为精修)。一个编码模型,可能像"SAT 考满分却从没上过班的学生"——OpenAI 的模型在竞赛里很能打,成绩却没迁移到日常工程,因为它们"从没见过混乱的代码库,也没见过程序员会怎么中途打断它"。Pokrass 和团队坐到程序员旁边,把失败变成可重复的训练任务。
从内部看,那晚 GPT-5 的谨慎是有道理的。被 Codex Cloud"一步跳到完全自主"的失败烫过之后,又听了客户"想要更好的交互式协作者"的诉求,OpenAI 造出了一个擅长和人类程序员一步步配合的模型:能看懂混乱代码库、会探索方案、排查 bug,在"越界"之前停下来问一句。
但和 Claude Code 比,GPT-5 在 Codex CLI 里仍让 Shipper 觉得落后。Kieran 在发布日 Vibe Check 里写:"GPT-5 是 Sonnet 3.5 杀手,但不是通往未来的那一跃。"不过对绝大多数工程师,"谨慎的协作者"恰恰是他们想要的。DHH(Ruby on Rails 创始人)起初说:"我不让它开我的代码,我的快乐就是自己敲代码。"但到 2026 年 9 月 Rails World,他宣布自己公司"手写代码的时代结束了"。
GPT-5 于 2025 年 8 月底发布后,Codex CLI 扩展到 VS Code 和 Cursor,开发者蜂拥而至。但对 Embiricos 来说,同一次发布意味着团队可以追求更大野心——重写过的本地 agent 终于有了能驱动它的模型。"终于,我们可以开打了(Finally we can fight now)。"
八、桌面这一注:敢不做代码编辑器
CLI 和 VS Code 扩展都在爆发,按理说该继续加码。但团队做了件出人意料的事:Sottiaux 说,"我们决定继续维护 CLI,但下一个最大的投入,应该是原生桌面 App。"
为什么?因为模型在完成更长任务、开始调用代码库之外的信息;人们很快会同时跑好几个 agent——"如果你要整天泡在里面,它就必须是一个足够丰富的界面,"在纯文本窗口里调度六七个用文字、图像、语音交流的 agent,在他看来很傻。
为搭这个 App,Sottiaux 拉来了设计师兼程序员 Andrew Ambrosino。团队只确定一件事:要做自己天天想用的东西——一个比 IDE 轻、却能当 daily driver 的界面。
然后是个冒险的回答:agent 搞错了,你能在 Codex 里亲手改代码吗?团队说:不做内置代码编辑器,想改就得去问 agent。理由很硬——如果让开发者在 App 里敲代码,他们就会期待编辑器该有的一切(撤销、搜索、快捷键),立刻察觉 Codex 缺了什么;要满足、更别说超越这些期待,对四个人是巨大工程。"只有'用 agent 写代码'好到开发者根本不想念编辑器,它才可能赢。"
这个决定很悬——团队还在用 VS Code 造一个"取代 VS Code"的东西,起初没人把 Codex 当主力编码工具。负责开发者体验的 Dominik Kundel 早期在 Slack 里写:"为了替换一句话就得去 prompt Codex,感觉太笨重了。"Ambrosino 也疑虑:"'不许改文件'是我们上线范围里我最没底的一条。"外部市场更冒险——2025 年 11 月 Google 发布 Antigravity,又一个把 AI agent 与完整编辑器合进 VS Code 的工具。"我们就那么互相看着,"Ambrosino 回忆,"我们是不是犯了天大的错,没去 fork VS Code?"
好在模型救了场。11 月 19 日,OpenAI 发布 GPT-5.1 Codex Max,能连续工作数小时;12 月 18 日 GPT-5.2 Codex 跟上,在跨大型代码库改动上再改进。Glaese 直接和团队一起,把"开发者反馈"到"模型改进"的回路缩到最短,专注让 Codex 对正在用它的人更好用,而非只刷榜单分数——Codex 模型线独立,能跑得更快,不必担心影响 8 亿 ChatGPT 用户。到 12 月,越来越多人用 Codex App 而不是代码编辑器。Kundel 写:"我原本渴望一个代码编辑器,现在大部分改动就是留几句行内评论,快得飞起。"Glaese:"5.2 是个转折点,我很兴奋它能为我做这些。"
九、验证与飞轮:圣诞假期成了拐点
整个行业里,圣诞假期成了拐点——开发者用 Anthropic 的 Opus 4.5 和 OpenAI 的 GPT-5.2,一个假期端到端搭出整个 App,没碰一行代码。
到 1 月初,整个 Codex 团队都在用这个 App。接下来要验证:OpenAI 其他人会不会也用?不用就"回去重画图纸",Ambrosino 说。到 2 月,它在工程与研究团队里被广泛采用——Noam Brown 说自己"完全切换"过来了,连终端和 Emacs 的忠实用户 Brockman 也是,回到旧工作流"像回到了过去"。Altman 后来称它是"我们有史以来最受内部喜爱的产品"。
2026 年 2 月 2 日,Codex macOS 桌面 App 发布。它更像聊天 App 而不是代码编辑器:侧边栏列着进行中和历史任务,点开就能看到 agent 做了什么并继续下指令;你可以让一个 agent 修 bug、派另一个去搭功能,来回切换。每个 agent 在独立代码副本上干活,不覆盖别人。
它没有那些"疤痕"——Claude 桌面 App 是一步步叠出来的,界面混乱像拼贴;Codex App 第一次用就配着几天后发布的 GPT-5.3 Codex,快、简单、彻底"agent 原生"。正因为坚持"不做代码编辑器",agent 能在 App 里做到用户能做的几乎一切——你只需要去问 agent。而 GPT-5.3 也是拐点:他们第一次从"编程专用训练"往外延伸,追问 coding agent 还需懂什么,才能对各种"知识工作"都有用。
2026 年 3 月初 GPT-5.4 到来,坐实了 Codex 的"主力"地位。到那时,Every 的很多人也天天用 OpenAI 的工具——和几个月前"Claude 遥遥领先"相比彻底反转,他们在 Vibe Check 里写:"OpenAI 回来了(OpenAI was back)。"这股势头远超 Every:3 月 19 日 Codex 周活突破 200 万、整体用量自年初增长 5 倍;到 6 月周活超 500 万,约每 5 个里有 1 个是"知识工作者"。7 月 9 日,OpenAI 把 Codex 桌面 App 变成新的 ChatGPT 桌面 App,聊天功能装了进去;系统底层,新 ChatGPT 告诉 Mac 自己的名字仍叫 com.openai.codex。当年 Codex Cloud 是 ChatGPT 里的一个标签页,如今 ChatGPT 跑在 Codex 之上。
十、下一曲线:回到那台合上的笔记本
GPT-5 发布十个月后,Shipper 又坐回那间会议室,对面还是 Embiricos——只是他的头衔已从"Codex agent 产品负责人"变成"企业产品负责人"。地点换到了 OpenAI 曼哈顿下城办公室。
Shipper 来问:团队如何从 Codex Cloud 的失败,走到"造出 ChatGPT 的地基",又如何避开了他担心的"结对编程陷阱"?Embiricos 拿起黑笔,在白板上画 Codex 的增长曲线:先是一小段向上——Codex Cloud,一个不错的尖峰,很快平了;然后一条更陡更大的曲线——GPT-5 之后的 CLI;再一条更高——编辑器扩展;最后是 5.3 Codex 与桌面 App,这条把前面都盖住了。最早的标记,像板子底部的一道划痕。
这些曲线像克里斯坦森《创新者的窘境》里的那张图:底层硬件每次跃升,都催生一种更简单的形态,打开更大、更不技术的市场,最终取代上一代。这个在传统计算领域花了半个世纪、由一连串新公司完成的模式,在 OpenAI 内部、用十个月、由一小撮人微缩重演了一遍。模型能力的持续跃升,一次次撑破为它量身打造的界面——逼着 Codex 团队从"编辑器侧栏"到"终端"再到"把编辑器整个剥掉的轻量桌面 App"。
在克里斯坦森的书里,骑在获胜曲线上的团队,几乎从不会去骑下一条曲线。Codex 团队能避开,部分因为 OpenAI 高管成长于创业世界、研究过这个陷阱,公司被组织成"一组并行下注"的样子,让团队在 ChatGPT 那庞大的规模之外独立迭代。而"用 AI 造 AI"改变了产品开发的物理规律——传统公司开一条新产品线要开几个月会争预算,在 OpenAI,因为团队是用 Codex 造 Codex,几个人几周就能搭出新界面。"现在说服人需要的废话少多了,"Sottiaux 说。
看着白板,Embiricos 还有一条新曲线要画:如今数百万人在自己电脑上信任 agent,下一步是回到去年春天失败的那个愿景——一个你走开之后还在继续干活的 agent。"我们要走向异步……这意味着我们得重新回到云端(rehoist to the cloud)。"
这一次,Shipper 忍不住注意到:他的笔记本电脑就搁在会议桌上,盖子合得严严实实。
给技术人的三点启发
把这场逆袭拆开看,对团队和个人开发者都有可迁移的启发:
1. 别在"已经能跑的东西"上死磕。 Codex Cloud 失败,他们没有修补,而是换到本地、重写 agent、赌桌面 App。多数团队会"在已经能跑的东西上继续加码",但真正撑破天花板的,往往是下一条曲线。
2. 用工具造工具,会改写速度的物理规律。 "用 Codex 造 Codex"让几个人几周就能搭出新界面。对一线开发者也一样:当你开始用 agent 帮自己写工具、跑实验,你的迭代速度就不是线性的了。
3. 形态跟着模型能力走,而不是反过来。 每一次模型"能干更久、更自主",适配的界面就该被打破重画。盯着模型能力的跃升点,比盯着竞争对手的 UI 更重要。
Codex 的故事里,最动人的不是"赢",而是他们在荒野里迷路之后,仍然敢于画下一条新曲线。而你桌上的那台笔记本,盖子合上之后,agent 还在替你干活——这或许就是下一个十年的工作流。


