OpenAI高管预判：Codex与ChatGPT终将“消失”，未来将只留一个“个人AGI”
OpenAI Codex负责人Tibo Sottiaux最近接受了一次专访，信息量很大。核心一句话：Codex并入ChatGPT不是终点，而是OpenAI要把"程序员用的工具"和"普通人用的助手"这两个概念本身抹掉，最后只留一个长期懂你的AI。这不是规划中的未来，是已经在发生的事。
边界正在消失，只剩一个"你的AI"
程序员用Codex、普通人用ChatGPT，这种划分本身就快没意义了。未来的模型天然会编程、会搜索、会调用工具、能听会看，全都跑在同一套框架上。
Tibo描绘的终局是：程序员、设计师、销售、完全不懂代码的人，用的是同一个底层AI，系统只是根据你是谁、连了什么工具，自动换一套界面给你看。不是做多个垂直App，是做一个AI，让它自己认人。
这个判断我认同。产品分裂成很多个入口，本质上是能力不够时的妥协；能力足够强了，分裂本身就是成本。
Agent不该让用户自己管
现在重度用户维护技能文件、管记忆、编排子智能体，Tibo说这些都是"早期笨拙形态"。技能文件攒多了没法维护,记忆动不动丢上下文,多个子智能体协同还得操心调度——这些活儿本不该是用户干的。
他的判断很直接：模型越强，用户越不该直接管理Agent本身。理想状态是Agent自己知道该调什么技能、记什么、要不要在后台起个新Agent,你不用插手。
底层可以随便复杂，暴露给用户的东西必须一直往简单走。这个方向是对的——工具的成熟度,往往就是看它把多少复杂度藏起来了。
笔记本电脑会变成瓶颈
这个判断挺反直觉,但逻辑站得住。现在的PC是按人的速度设计的——人一次只能开有限的窗口,处理速度有生理上限。模型没有这个限制。
Tibo举的例子是,未来一个云端模型可能同时并发处理上百个应用,同时探索多套方案、写测试、编译代码、验证假设。这个量级,顶配MacBook也扛不住。
结论就是云端智能体会成为主流,用户的终端只是个轻量入口,真正干活的是背后的算力集群。Agent的终局不是"本地软件更强",是"云端随时待命的团队"。
速度会在一两年内变成标配
Ultra Fast极速模式现在最高能做到14倍生成加速,Tibo预测一两年内这个速度会接近行业默认水准。这里有个边界要注意:纯代码、纯文本生成这类任务加速明显,但只要流程里有大量外部工具调用和网络I/O,实际感知加速比就只有3到4倍——网络和架构延迟是硬限制。
更值得关注的是,这不是靠堆GPU堆出来的。普通推理速度过去三个月已经提了约60%,靠的是模型本身效率的持续优化——Sol模型比上一代Terra效率大幅提升,下一代还会再跳一级。
速度上来之后,人机协作的形态也会变。Tibo提到现在很多重度用户同时开10到15个Agent窗口轮流巡查,活成了"AI项目经理",问题就在频繁的注意力切换太累人。速度对齐人的思考节奏之后,协作才能从"派发任务"变成真正的实时同步。
模型已经在优化自己的底层架构
这是访谈里技术密度最高的一段。Tibo说,OpenAI已经在用先进模型分析、优化现有模型的服务架构——Sol模型参与优化Luna的推理架构后,Luna的运行成本降了约80%。模型正在直接参与重写CUDA内核、优化推理栈这些底层基建工作。
他把这个定性为"递归自我改进的早期形态",但也纠正了一个常见的误解:大家想象的自我改进是某代模型突然自己写出下一代,现实更朴素——模型变强,先帮工程师优化底层系统,系统提速降本,省下来的算力又能支撑模型干更多活,再去优化更复杂的架构。是个闭环,不是戏剧性的爆发点。
这个说法我觉得更可信。突破往往不是靠某个瞬间的奇迹,是靠这种枯燥的迭代一点点堆出来的。
编程正在变成人人无感调用的底层能力
Codex用户量已经到约2000万,和ChatGPT的融合是最近增长加速的主要原因。这个数字背后的趋势是:编程能力并入ChatGPT之后,产品经理、设计师、财务、市场人员都能在完全无感的状态下用上它——用户让ChatGPT处理一批数据,系统后台自动写Python脚本、跑出来、把图表呈现出来,用户根本不需要知道背后发生了什么。
Tibo的判断是,代码会变成AI操作数字世界的机器语言,程序员只是这套能力革命最先尝到甜头的一批人。这个方向我认可——“写代码"这件事本身正在从一项技能,退化成一个被调用的底层功能。
访谈里还有一个细节值得记一下:OpenAI给开发者"重置额度"这件事,一开始纯粹是服务出问题后的补偿,后来变成了口碑传播的一部分,内部甚至做了个实体按钮。这不算什么大战略,但说明一件事——真诚补偿用户比公关话术管用得多。 </body_markdown>