新智元報道

【新智元導讀】都說Codex只是個編程工具，OpenAI卻把全公司的活都交給它，不到一年，ChatGPT就在自家丟了AI工具的主力位。

造ChatGPT的人，已經不太用ChatGPT干活了？

不到一年時間，OpenAI就把主力AI從聊天框換成了AI智能體（AI Agent）。

到2026年6月，Codex已經吃下OpenAI全公司每周99.8%的輸出token。

就在10個月前，這個數字還不到10%。

轉折發生在去年9月前后。Codex接上更強的模型、補齊更多能力，能接的活越來越重。

員工慢慢發現，與其在對話框里一問一答，不如把一大攤任務直接丟給它自己跑。

而這并非某個工程小組在嘗鮮。整整一家公司，法務、財務、招聘，每個部門都把它擺上了頭號AI工具的位置。

到今天，OpenAI人均超過85%的輸出token產自Codex。重度用戶本就更費token，全公司加權下來，占比被推到99.8%。

一個聊天機器人，就這樣在自己誕生的公司，被同門替換掉了。

https://openai.com/index/how-agents-are-transforming-work/

OpenAI在最新的一篇博客里把話挑明了：

智能體（Agent）正在改寫知識工作的基本單位——從一來一回的單次問答，變成一整件可以「丟出去」的長周期任務。

聊天機器人一次只接一個短問題，智能體卻能獨立跑上幾分鐘到幾小時，自己調工具、自己跟環境交互、自己迭代到交活為止。

如今近四分之一的Codex請求，對應的都是人類得花一小時以上才能干完的活。

OpenAI總裁Greg Brockman轉發這份報告時，說道：智能體正在被飛快采納，加速所有人的工作。

他配的圖，就是公司內部這條陡峭的上升曲線。

火從工程師工位

燒到法務辦公室

最先改變的是工程師。

這不意外，Codex本就是為寫代碼的人造的。

2025年12月起，OpenAI的平均工程師就把大部分活兒挪到了Codex上，如今平均一個工程師99%的輸出token都走Codex，留給ChatGPT的只剩個零頭。

但這把火，并沒只停在工程部。

法務、財務、招聘這些根本不碰代碼的部門，在2026年4月前后集體越界，把Codex用成了頭號工具，而且轉得比工程師還快。

如今OpenAI一個律師或招聘，人均超過85%的輸出token也產自Codex。

各部門的用量，也像被點著的火一樣快速向上攀升。

按OpenAI自報，到2026年6月，研究部門的中位用量翻了56倍，客服32倍，工程27倍，連轉得最慢的法務也漲到13倍。

當律師把活兒交給智能體，這畫面本身就比任何跑分都更有說服力。

真正的信號

是那些原本不寫代碼的人

如果只看到工程師偏愛Codex，你可能就漏掉了一個最關鍵的信號。

從2025年8月起，非開發者用戶的增長全面反超開發者：個人端漲了137倍，組織端189倍，OpenAI內部12倍。

一個起家于寫代碼的工具，正被越來越多壓根不懂代碼的人用起來。

他們拿Codex干什么？

財務團隊用它處理了24771份K-1稅表，足足71637頁。這套脫敏流程跑下來，團隊比去年提前兩周收工。

公關團隊更直接，搭了一個自動分流的Slack智能體：低風險的演講邀約自動處理，高風險的轉人工審核。

敢交給它的活，也越來越重。

到2026年5月，80.6%的個人用戶提過預計超過30分鐘的任務，70.2%超過1小時，還有25.6%直接甩給它8小時以上的活。

更微妙的是，業務崗用Codex干的活里，超過四分之一其實是編程。一個做財務的人，正悄悄跨進工程師的地盤。

崗位之間那道墻正在慢慢消失。

OpenAI各部門用Codex干的活，按工作類型拆開看：財務崗里31%是編程，產品營銷崗25%，連非技術的「其他」部門都有50%在寫代碼。崗位的墻，正被Codex一點點抹平。

到這一步，Codex已經不只是編程智能體——它越界成了通用工作流智能體。

這才是它真正讓人后背發涼的地方。

從工具到執行者

Codex換了一個身份

撐起這一切的，是Codex角色的徹底轉身。

它早已不是那個寫代碼的補全插件，如今它能接手一整條工程任務鏈：實現、重構、調試、測試、驗證，一條龍全包。

早期版本就能單次自主運行7小時以上，自己迭代實現、修掉測試報錯，最后交出一個能跑的方案。

這已經不只是幫你寫兩行代碼，而是你交代一攤事，它自己從頭跑到尾。

更能說明問題的是并行規模。

到2026年6月，跑在P99分位的重度用戶，單日能讓Codex產出超過60小時的智能體輪次，分散在好幾個并行的智能體身上。

用戶早就不滿足于問一個答案，而是一天里同時指揮一支智能體小隊。

OpenAI內部Codex的單日智能體運行時長，從普通用戶到最重度用戶分成五檔。到2026年6月，最重度的用戶，單日能跑出60小時以上的智能體工作量。

一個人，一天，調度出60小時的活，這是別人一周的活。

Codex的底座是GPT-5.5。它能用更少的token，扛更長的任務。

其中最讓人驚訝的，是GPT-5.5干的另一件事。

為了在不拖慢速度的前提下提速，OpenAI讓它去重寫負載均衡和分區的啟發式算法。

GPT-5.5分析了數周的真實流量，寫出定制方案，把token生成速度硬生生拉高20%以上。

于是，GPT-5.5成了一臺開始優化自己的引擎。

有提前用上它的英偉達工程師甚至說，失去對GPT-5.5的訪問權限，感覺像被截了肢。

這一切的背后，人和AI搭班的對象悄悄換了：從一問一答的聊天機器人，變成能獨立跑長活的智能體。

不變的是發指令、做判斷、擔責任的這些依然是人。改變的是辦公的默認動作：從打開聊天框問一句，變成把一整件事交給智能體去跑。

這份報告，更像是一次辦公方式換擋的預演。

往后真正拉開差距的，是你敢把多大的一攤事，整個交給AI。

參考資料：

https://openai.com/index/introducing-codex/https://openai.com/index/codex-for-every-role-tool-workflow/

https://x.com/gdb/status/2070199649823297653

https://openai.com/index/how-agents-are-transforming-work/https://openai.com/index/harness-engineering/

編輯：元宇