摘要：OpenAI发布了一款名为GPT-5-Codex的语言模型，发布消息一出，不少关注AI行业的开发者第一反应是：终于来了。但很快，一句调侃在技术圈流传开来：“收手吧GPT-5-Codex，外面全是AI编程智能体了。”这句话的背后，藏着的是AI编程领域正在发生的一

OpenAI发布了一款名为GPT-5-Codex的语言模型，发布消息一出，不少关注AI行业的开发者第一反应是：终于来了。但很快，一句调侃在技术圈流传开来：“收手吧GPT-5-Codex，外面全是AI编程智能体了。”这句话的背后，藏着的是AI编程领域正在发生的一场重大转变。

GPT-5-Codex属于GPT-5的特殊版本，它专为智能体编程（agentic coding）重新设计。它具备两种核心能力：即时协作与独立执行。前者可以在开发者提出问题时实时响应，后者则能在无需干预的情况下，长时间推进复杂任务，比如跨文件调试和大规模代码改造。

官方数据显示，在 SWE-bench 验证和代码重构任务上，GPT-5-Codex 都超过了目前最先进的 GPT-5-high。尤其是在非常适合于真实世界任务的代码重构任务上，GPT-5-Codex 的准确率达到了 51.3%，相比GPT-5-high的33.9%有显著提升。同时，它在低复杂度请求中的平均token使用量排序的后 10% 用户请求中，GPT-5-Codex 的 token 消耗量比 GPT-5 减少 93.7%”，而在高复杂度任务中，推理与编辑耗时也增加了2倍，以此来提升深度理解和执行能力。

这些数据听起来很惊人，但问题在于，GPT-5-Codex并不是一个“从0到1”的突破。

当年OpenAI在发布Codex时，也为GitHub Copilot打下基础。但2025年再用“Codex”这个名称回归，面对的是一个已经完全不同的市场格局。

这也是为什么Cursor、Claude Code CLI、Gemini CLI这些名字频频出现在开发者讨论中。

以Cursor为例，它不是单纯的AI代码助手，而是一个深度嵌入IDE的智能体系统。它可以读取本地项目结构，跨文件理解上下文，执行项目级别的重构任务。Claude Code CLI也不只是调用Claude模型，而是在命令行环境中实现代码diff、工具集成、快速实验等功能。

用OpenAI总裁Greg 的话说，光有智能是不够的，必须要和开发环境、终端接口、代码上下文深度整合，才能变成真正可用的智能体。

GPT-5-Codex的发布背后，其实也暴露出了OpenAI对“智能体”理解的深化。

在OpenAI Podcast第6集中，Greg公开了几个内部使用的工具。其中最核心的之一是Agents.md。这不是模型，而是一个写在代码库里的文档，类似于为AI准备的README文件，记录团队的开发偏好、测试规范、代码结构。这种方式可以显著减少模型在理解代码时的上下文负担，提高执行精度。

另一个工具是10x，一款内部原型，最初在终端运行。它支持长时间异步执行任务，开发者甚至可以在任务运行时合上电脑等待结果。虽然还没有公开，但它在内部已经实现了“十倍开发效率”的目标。

还有一个是Code Review Agent，这是一个用于审查Pull Request的智能体，能对PR的意图和实现进行一致性检查，查找人类容易忽略的bug。在多个内部项目上线前夕，这个Agent承担了审查几十个PR的任务，几乎实现了零bug上线。

这些工具共同构成了一个事实：GPT-5-Codex不是一个单点模型，而是OpenAI构建AI编程系统的核心部件之一。

如果说2021年Codex是一个“概念验证”，那么2025年已是智能体落地全面开花的时间点。

国外方面，Claude Code CLI主打命令行集成，Gemini CLI则依托超大上下文窗口，处理大型项目能力突出。Cursor更是通过项目级别代码理解和跨文件重构，赢得大量开发者青睐。

在国内，腾讯的CodeBuddy、阿里通义千问的Qwen3-Coder、字节的TRAE、百度的文心智能体平台，以及DeepSeek的V3.1系列，也都在编程智能体领域进行深入布局。尤其是DeepSeek V3.1官方指出，该模型在命令行环境下完成复杂开发任务的能力已经显著增强。

从市场格局来看，智能体已不再是实验室技术，而是实打实的产品竞争。

来源：晓霞医生健康科普