GPT-5将会集大成于一体？！

就在发布“最强编程智能体Codex”之后，OpenAI又接着在Reddit举行了“有问必答”活动。

公司研究副总裁Jerry Tworek，剧透了下一代基础模型GPT-5的最新消息：

除此之外，其他Codex团队成员也纷纷开启了爆料模式，比如：

Okk，下面我们一起吃瓜。

回应10大重点问题

整体而言，OpenAI团队这次主要分享了Codex的详细情况，以及公司未来的发展计划。

为了尽量贴合问答者原意，我们直接以对话形式展开。

Q1: 为什么要用TypeScript编写Codex CLI工具，而不是Python？

A1: 因为开发者对TypeScript比较熟悉，而且它适合用于UI（包括终端界面）。不过，未来会有一个高性能引擎，支持多种语言的绑定，开发者可以使用自己熟悉的语言进行扩展。

Q2: 为什么选择在云上运行代码，而不是在本地运行Agent（比如使用MCP）？

A2: 虽然Codex CLI可以在本地运行Agent，但受限于计算机性能，通常是单线程的。而在云端运行可以实现并行化和沙盒化，这样可以让模型在无人监督的情况下安全地运行代码。

Q3: 团队在使用Codex时，发现了哪些与目前的“氛围编码（vibe coding）”不同的范式转变？开发这个工具的灵感是什么？

A3: 主要区别是可以同时生成大量代码版本，然后从中选择代码质量最好的版本。这就好比你可以培养一大批喜欢编程的小程序员，然后从中挑选出最佳代码版本。事实上，Codex工具最初是一些工程师的业余项目，他们对在OpenAI的日常工作中没有充分利用模型感到沮丧，因此才想到要开发它。

Q4: GPT-5是否有可能不仅仅帮助编写代码，还能在计算机上完成更多任务？换句话说，它是否会成为一个真正的助手，而不仅仅是提供建议？

A4: GPT-5是我们的下一代基础模型，核心目标是提升现有模型的能力，减少模型切换。

目前已经有一个可以在计算机上执行任务的产品——Operator。虽然它目前仍处于研究预览阶段，但未来会进行改进，成为一个非常有用的工具。

未来计划是将现有的工具（如Codex、Operator、Deep Research、Memory）整合在一起，使它们感觉像一个整体。

Q5: Codex只适合高级工程师吗？

A5: 可能对那些想解决繁琐问题而非超级难题的人来说更合适。

Q6: Codex是否通过搜索有效地利用了有关库和其他资源的最新知识？

A6: 它目前主要利用加载到容器运行时的信息，包括GitHub仓库和其他在容器设置期间加载的文件。它并不直接访问最新的库文档或通过搜索获取实时信息。

不过，我们正在考虑如何让模型更好地利用最新知识。未来可能会结合检索增强生成（RAG）技术，通过动态引用外部知识库来解决信息落伍的问题。

Q7: OpenAI是否有类似《Absolute Zero: Reinforced Self-play Reasoning with Zero Data》论文中提到的研究方法，比如让编码LLM通过“自我博弈”和强化学习（RL）来提高编码水平？

A7: 在Codex项目中，我们使用了强化学习来提升模型的编码能力、代码风格以及报告工作的准确性。

作为强化学习领域的研究者，我们对这类研究方向感到兴奋，并且认为强化学习在LLM和编码领域的应用前景广阔。

Q8: 如果量化Codex提升的编程效率，现在的整体开发效率提升了多少？

A8: 目前还处于早期阶段，但内部数据显示，如果项目从一开始就充分利用Codex智能体，代码和功能交付量可以提升约3倍。

相比以往，良好的软件工程实践越来越重要，包括清晰的代码模块划分、对关键功能的充分测试、高效的测试流程，以及便于快速审核的代码结构。当这些因素与Codex的自动化能力相结合，就能大幅提升开发效率。

Q9: Codex团队认为10年后软件工程将会是什么样子？

A9: 我们期望能够高效且可靠地将软件需求转化为可运行的软件版本。

Q10: 如何确保Codex用来增强人类开发人员的能力而不是取代他们，特别是那些依靠边做边学的初级开发人员和自学成才的程序员？

A10：通过提供类似优秀老师的角色，降低新手入门的难度，帮助新一代程序员更快地学习。

当前的模型（如Codex）还远不能取代拥有更长记忆和更广泛背景知识的人类。如果模型能够承担部分工作，人类将有更多机会专注于他们真正擅长的事情。

最后，团队表示将面向Plus/Pro用户推出免费API积分，以供用户使用Codex CLI。

更多回答可移步知名博主光头哥的主页，里面主要涉及Codex的功能细节讲解。

One More Thing

与此同时，OpenAI官方还发布了一份“Codex上手指南”。

里面主要包含了以下内容：

感兴趣的旁友，可戳下方链接～

Codex上手指南：

https://platform.openai.com/docs/codex