AI编程新王炸：Codex已接管OpenAI 97.9%的内部工作

最近看到一组数据，挺有意思的：OpenAI自己做了个统计，截止到2026年6月，他们公司内部97.9%的活跃使用者都在用Codex，产出的Token占全公司每周Token的99.8%。翻译成人话就是——这帮人上班写东西，十个里头差不多十个都在用Codex，连律师和HR写个脚本、做做数据转换都要找它帮忙。

这还是OpenAI自己的数据，不是广告。

---

从写代码的AI到通用工作台

可能有些朋友对Codex的印象还停留在GitHub Copilot背后的那个模型。2021年那会儿，Codex确实是干这个的：把自然语言描述转成代码，给Copilot供血。那时候它的定位挺单纯——一个代码补全助手。

但现在再来看，Codex已经完全不是那回事了。

它现在是一整套产品矩阵：CLI命令行工具、桌面应用程序、IDE扩展、云端智能体，还有SDK。底层模型也从最初基于GPT-3的代码特化版，迭代到了codex-1（基于o3架构+强化学习专项训练），再到GPT-5.3-Codex。

这就好比一个人最初是个打字员，后来变成了秘书，现在直接升级成你的私人助理——活还是那些活，但能力和角色完全不一样了。

---

它和会写代码的ChatGPT到底差在哪

很多人第一反应是：Codex不就是GPT写代码更溜一点吗？

还真不是。模型只是Codex的决策核心之一，真正让它成气候的，是围绕模型的那套工程系统。

打个比方：普通的ChatBot就像你跟一个人说帮我写个程序，他噼里啪啦写完给你，然后结束。他不知道代码能不能跑，也不在乎。

Codex的工作方式更像一个初级工程师坐在你电脑前：看目录、跑一下、报错了、改、改完再跑、过了。它是一轮一轮可执行、可观察的小决策，不是闭着眼睛一次性答完。

这就是所谓的Agent Loop——规划、执行、观察的闭环。

每个任务在云端还有一个隔离的Linux环境，能装依赖、跑测试、打快照，不影响本地。你丢三个问题给它，它能同时并行处理：一个修后端bug、一个补前端单测、一个写迁移脚本，回来给你三个PR。

---

现在的Codex有几种用法

桌面应用：适合主力日常开发，支持多任务并行、Git版本管理、复杂项目迭代。macOS和Windows都有。

CLI命令行工具：适合本地项目批量改文件、跑脚本、CI风格自动化。一个命令就能装：npm i -g @openai/codex

IDE扩展：VS Code、Cursor、Windsurf、JetBrains都能装，补一段函数、问个API用法的时候最顺手。

云端智能体：把一个明确的问题丢出去，让它自己在云沙箱里跑完回来，适合长时间的重构任务。

---

为什么OpenAI自己人都在用

说回那个97.9%的数据。

OpenAI内部什么人都有——研究员、工程师、产品经理、法务、财务。这么多人都在用Codex做日常输出，说明什么？

说明它已经不只是一个编程工具了。

有人用它批量生成单元测试，有人用它更新依赖版本，有人用它整理代码风格，有人——就像我开头说的——用它做数据转换、写脚本。即便是跟代码不太沾边的岗位，也能找到使用场景。

换个角度想：能让一帮天天跟最前沿AI打交道的人，主动把手头的活交给Codex处理，这个工具的靠谱程度应该不会太差。

---

对普通人的意义

你可能会说：我是做内容运营的，又不写代码，用得上这东西吗？

还真不一定。

Codex有一个叫Codex Sites的功能，简单说就是：从一句描述出发，它能生成一个完整的、可交互的Web应用，然后一键部署。你不需要懂代码，只需要能描述清楚你想要什么。

比如你说帮我做一个能收集用户反馈的页面，Codex自己就能把前端、后端、数据库都搭好。

当然，这种能力目前在复杂场景下还有局限，涉及到支付、权限校验这些核心敏感逻辑的时候，还是需要人工把关。但对于原型验证、内部工具这类需求，它确实能把几天的工作量压缩到几分钟。

---

写在最后

Codex这五年的关键词变迁挺有意思的：早期是生成，中期是补全和解释，现在变成了代理执行加工程交付。

从写代码这件事来说，它已经不太像一个替人写代码的模型，更像是一个能独立完成任务的智能助手。代码只是第一个被啃下来的垂直领域，往后往更通用的方向走，是肉眼可见的趋势。

如果你想体验，最轻量的入口是装个CLI试试：npm i -g @openai/codex

想感受它作为智能体的能力，就去ChatGPT里开Codex Agent，丢一个真实的问题给它——看它自己clone仓库、自己跑测试、自己修、自己开PR，那种体验跟用Copilot补两行代码，完全不是一回事。

想了解更多AI工具和实战用法，可以搜索米核AI易山，我们持续更新AI领域的实操分享。