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。
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。
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部人士看来混乱又浪费，但 Shipper 认为在前沿不断移动的 AI 领域几乎是必需的：能补全一行代码的模型适合做自动补全，能思考 30 秒的适合做侧边栏问答，能工作一小时的则需要全新的形态。
随后各支队伍开始合并，按 Brockman 的说法，是「合并了两个，然后又合并了两个」。新的 Codex 团队把 Embiricos 这样的产品型人物、Tibo 这样的工程高手和 Glaese 这样的研究员放在了一起，产品经理提出「要是模型能做到这个该多好」，研究员就把它变成现实。
七周冲出来的云端版
以及它的失败
2025 年 2 月，Anthropic 发布 Claude Code 研究预览版。它直接在你电脑的终端里干活，用你已有的文件和工具，可以随时打断，开发者迅速接受了它。
Codex 团队却押注云端，用大约七周做出 Codex Cloud，于 2025 年 5 月 16 日上线：在 ChatGPT 里描述任务，Codex 在一台隔离的云端机器上改代码、跑测试，最后返回一个提交 PR 的按钮。
它在 OpenAI 内部很成功，在外部却叫好不叫座。开发者得花几个小时在云端重建自己电脑上的软件、权限和配置；任务无法中途纠偏，连追问一句都要启动一台新的云端电脑。OpenAI 内部标准化的开发环境，掩盖了这些要求对普通用户有多高。Embiricos 承认，当时模型也还不够聪明；Glaese 的反思是，团队带着面向未来的愿景，却没有「去用户所在的地方」，也就是他们的笔记本电脑上。
其实团队并没有跳过终端路线，Tibo 透露，他们内部做过终端原型，一个月后就放弃了，转而全力押注云端。在 OpenAI，智能体的理想形态一直被认为是在云端为你自主工作、你合上笔记本也不停下。Brockman 的说法是：正确的形态，是一个拥有自己笔记本电脑的云端 AI。
可现实是，团队的工程经理跳槽去了 Cursor，OpenAI 据报道以 30 亿美元收购 Windsurf 的交易也在 7 月告吹。Codex 团队第一次迷失在了荒野里。
像推理模型一样回头
推理模型的强大在于能回溯：发现走错了路，就重新审视假设，换一条路。Codex 团队接下来做的，正是这件事。
当时的 Codex 被设计师 Bayes 形容为 OpenAI 的「偏僻角落」，想当光鲜的设计师，你应该去做 ChatGPT。Tibo 此时接手团队，方向大改： 转向本地 。
他没有急着给 CLI 堆功能，而是 用 Rust 重 写了 智能体 本身，把读文件、跑命令的底层机制与终端界面解耦，让它将来可以运行在编辑器、桌面应用、云端乃至 ChatGPT 里。
模型这一侧，Michelle Pokrass 带队让 GPT-5 更擅长真实世界的编程。Brockman 的比喻是，OpenAI 的模型能在编程竞赛里拿高分，却从没见过乱糟糟的代码库。Pokrass 的团队坐在程序员身边观察，把模型出错的地方变成训练任务。
这也解释了 Shipper 那晚感受到的「胆怯」：被云端版烫过手的 OpenAI，做出的正是一个谨慎的协作者，而这恰恰是当时大多数工程师想要的。GPT-5 发布后推出的 VS Code 与 Cursor 扩展，到 10 月使用量增长了十多倍。对 Embiricos 来说，重建的本地智能体终于有了能驱动它的模型：「终于可以开打了。」
一个不能写代码的编程应用
按常理，接下来该加码 CLI 和编辑器扩展。Codex 团队却把下一笔最大的投入押在了 原生桌面应用 上。
Tibo 看到，模型能完成的任务越来越长，人们很快会同时运行好几个智能体、整天和它们待在一起，再用一个上世纪 70 年代的纯文本窗口来管理一切，显得荒唐。Embiricos 则看到了云端版没能实现的工作流：先和智能体紧密协作，再像带新同事一样，逐步摸清哪些任务可以放手。
Ambrosino 加入后，这个四人小团队从聊天应用而非 VS Code 汲取灵感，并做出了最冒险的决定：不内置代码编辑器，想改任何代码，都得让智能体去改。他的理由是，一旦允许用户敲代码，大家就会期待撤销、搜索、快捷键等编辑器的一切。Codex 不能靠当一个蹩脚的编辑器取胜，只能让智能体好用到大家不再想念编辑器。
尴尬的是，他们还在用 VS Code 开发这个 VS Code 替代品。Embiricos 每天绕桌一圈追问「你在主力用它吗」，起初答案全是否定的。有同事抱怨，为了替换一句话还得专门写提示；Ambrosino 自己也承认「不能编辑文件」是他最怀疑的决定。11 月 Google 推出集成完整编辑器的 Antigravity 时，团队成员面面相觑：没有分叉 VS Code，是不是犯了大错？
模型同样是瓶颈。Ambrosino 认为，以 11 月时的模型质量，应用做得再好也无法发布。转机接连到来：11 月 19 日的 GPT-5.1 Codex Max 能连续写好几个小时代码，12 月 18 日的 GPT-5.2 Codex 更擅长在大型代码库中修改。由于 Codex 模型线独立于 ChatGPT，团队可以快速迭代，不必担心影响 8 亿 ChatGPT 用户。
到 1 月，整个团队都改用 Codex 应用；到 2 月，知名研究员 Noam Brown 说自己「完全切换」了，Brockman 这位终端和 Emacs 的老用户也换了过来，形容回到旧工作流「像回到了过去」。Altman 后来称它是 OpenAI 有史以来最受内部喜爱的产品。