Tibo的Codex翻盘记：接手不到一年就吞掉了ChatGPT

编辑｜Panda 前两天，科技媒体 Every 的联合创始人兼 CEO Dan Shipper 发布了一篇长篇深度报道《 How Co dex Ha ppened 》，完整还原了 OpenAI 编程智能体 Codex 在过去一年多里从低谷走向翻盘的全过程。 上下滑动查看 为了这篇稿件，Shipper 用数月时间采访了六位 Codex 核心参与者： OpenAI 总裁兼联合创始人 Greg Brockman Codex 负责人 Thibault Sottiaux（也就是 Tibo ） Codex 前产品负责人 Alexander Embiricos 研究员 Mia Glaese 设计师兼工程师 Andrew Ambrosino 设计师 Ed Bayes Shipper 本人也是亲历者：Every 长期在新模型发布前获得测试权限并发布「Vibe Check」评测，GPT-5 发布前夜，他就坐在 OpenAI 的办公室里。 这篇报道的形式也很特别。Shipper 称之为「 智能体原生（agent-native） 」稿件：六场采访的完整文字稿全部随文附上，点击任意一句引语都能跳到原始对话，读者还可以让自己的智能体去交叉比对文字稿、提炼产品经验，甚至挖出作者遗漏的洞见。据 Every 介绍， 这篇报道本身也是借助 Codex 采写完成的 。 文中值得玩味的细节不少。如今的 ChatGPT 桌面应用，在 Mac 系统里报给自己的名字仍是 com.openai.codex， Codex 是从内部「吞掉」了 ChatGPT 。外界以为 Codex 拥有独立模型线是高层拍板的远见，Tibo 却直言根本不存在这样一个决定。 一年之内，团队先后做了四种产品形态：云端、终端、编辑器侧边栏，最后是一个完全没有代码编辑器的桌面应用。为了验证这个「不让人亲手改代码」的应用行不行，Embiricos 每天进办公室都要挨个追问同事：你今天拿它当主力工具了吗？ 结果很是惊人。据 Every 报道，今年 6 月 Codex 周活超过 500 万；7 月，Codex 桌面应用直接成为新版 ChatGPT 桌面应用；如今 Codex 与 ChatGPT for Work 合计周活超过 4000 万， Tibo 也已升任 OpenAI 全部核心产品与平台的负责人 ，统管 ChatGPT、Codex 和 API。 下面，我们沿着 Shipper 的叙事脉络梳理这个故事。 文章地址：https://every.to/p/how-codex-happened GPT-5 发布前夜 一场有点尴尬的对话 故事从 2025 年夏天开始。Every 提前一个月拿到 GPT-5，日常使用很满意，但放进 Codex 里写代码，反应却很平淡：它快、也聪明，却总是过早停下，像是不敢越出被允许的边界，更像一个结对编程的搭档。 而那时的 Every 已经换了工作方式：用 Claude Code 把整个任务交给 Opus 4，然后走开，等一个完整功能甚至整个应用交回来。 于是在 OpenAI Mission Bay 办公室的会议室里，Shipper 把这些观察讲给了 Embiricos：用 Claude Code 可以放手让它狂奔，GPT-5 却显得胆怯。说到「我们其实已经不怎么看代码了」时，他自己都红了脸，毕竟眼前这位的工作就是做自主编程智能体。 那晚离开时，Shipper 心里冒出一个念头： OpenAI 也许正在为一种即将消亡的工作流打造完美的工具 。 一切始于「Thinking...」 要理解 Codex 的翻盘，Shipper 把时间拨回推理模型的诞生。 早期大模型像即兴演员，只能一个词一个词地边想边说。2024 年 9 月，OpenAI 推出 o1 预览版，把「先一步步推理再作答」训练进了模型本身：同一个模型，多想一会儿，就能在难题上做得更好。 编程是最大的受益者。 写代码天然是个闭环：改、运行、几秒内就知道对不对，模型可以自己测试、自己修正。理论上，只要思考时间足够，推理模型能独立完成任何编程任务。 Codex 这个名字本身也有过好几次「开端」：最早的 Codex 是 2021 年基于 GPT-3 微调、支撑初代 GitHub Copilot 的模型。o1 之后，OpenAI 内部好几支队伍又从不同方向重新追逐这个梦想。 两条暗线 一次「感受到 AGI」，一场「自举」 一条线来自 Embiricos。他在 2024 年随自己联合创办的编程协作工具 Multi 被收购而加入 OpenAI，先后在 ChatGPT 桌面应用和 Atlas 浏览器上尝试人机协作，但当时的模型读屏幕又慢又笨。直到 2024 年底，他看到推理模型被接进终端，自己读文件、跑命令、处理报错，那是他 第一次真切地「感受到 AGI」 。 另一条线来自 Tibo，也就是如今统管 OpenAI 核心产品的那个人。 Shipper 是在 OpenAI 的员工餐厅里采访他的。在 Shipper 笔下，Tibo 一头光亮的棕发拨向一侧，戴着细框金属眼镜，鼻梁以上像个建筑师；鼻梁以下则完全是程序员的样子：一脸棕色胡茬，身穿印着「Research and Deployment Co」的深棕色连帽衫，手里还拿着一块意式辣香肠披萨。他在团队里的人气也可见一斑：同事 Ambrosino 曾在社交媒体上发过一条内容只有「tibo」的帖子，收获了上千个赞。在中国，他甚至有着「重置之神」的称号。 比外表更值得一说的是他的履历。Tibo 职业生涯的大部分时间都在为研究员搭建基础设施，先在 DeepMind，后到 OpenAI。所谓研究基础设施，是 AI 研究员运行、评估、复现和部署实验所依赖的那套共享代码。 上下滑动查看 在很多人印象里，基础设施就像科技世界的水管，必不可少却无人在意，直到哪里漏了水；作为日后执掌 Codex 的人，这样的出身似乎有些意外。但在 AI 领域，研究基础设施恰恰是很多关键进展发生的地方：缩短一次实验的时间，就能多跑几次实验，更早得到更好的模型。 这种「为造模型的人造工具」的思路，也成了他进入编程智能体领域的起点。2024 年 12 月，Tibo 开始做编程智能体，目标是帮 OpenAI 更快地写基础设施、做研究。他的团队在 OpenAI 的单一代码仓库（monorepo）上训练内部编程智能体，研究员每天都在用，反馈回路极短。至于具体用了哪些训练技巧，他和各大实验室的同行一样守口如瓶。 当 Shipper 追问「你们是怎么决定把模型线拆出来的」，Tibo 平静地回答：没有这样的决定， 起初只是一次研究探索 ，为的是提升自己的速度。研究员用这些模型做实验，造出更强的模型，再拿来做更好的实验，工程师管这叫 「自举」（bootstrapping） 。 公司里的一组「内部创业公司」 2024 年末，编程成了 OpenAI 的公司级目标，好几支团队在攻同一个问题。Brockman 说，真正悬而未决的是「产品形态」：智能体该待在终端、编辑器，还是云端一台属于自己的电脑上？ Sam Altman 曾说， OpenAI 某种意义上是在押注一系列创业公司，只是它们都在公司内部 。这种并行探索在一些内