1
00:00:00,000 --> 00:00:06,000
OpenAI Codex Harness開源了,模型只是發動機,Harness才是那套駕駛系統。

2
00:00:06,000 --> 00:00:11,000
8月20日,OpenAI聯合創始人兼總裁Greg Brockman又一次把話題帶回了Codex。

3
00:00:11,000 --> 00:00:21,000
他提到一個挺反直覺的案例,一套由Codex驅動的稅務系統,在試點中處理了大約7000份報稅表,把稅務準備時間縮短了1 3左右。

4
00:00:21,000 --> 00:00:26,000
但如果你只把這理解成OpenAI又升級了一次編程AI,可能就錯過重點了。

5
00:00:26,000 --> 00:00:32,000
這次真正值得聊的,甚至不是哪個新模型,而是模型背後那套執行系統Harness。

6
00:00:32,000 --> 00:00:37,000
很多人第一次聽到這個詞,會以為它就是個開發框架,其實不太準確。

7
00:00:37,000 --> 00:00:39,000
它更像是AI智能體的執行系統。

8
00:00:39,000 --> 00:00:45,000
今天一個能連續工作幾十分鐘甚至幾個小時的Agent,Code從來不只是好模型加好Prompt。

9
00:00:45,000 --> 00:00:50,000
他得知道什麼時候該讀文件,什麼時候該搜索信息,什麼時候該調用工具,

10
00:00:50,000 --> 00:00:54,000
任務失敗了怎麼恢復,上下輪越堆越長了怎麼壓縮,

11
00:00:54,000 --> 00:00:58,000
哪些操作可以自動跑,哪些必須停下來等人審批。

12
00:00:58,000 --> 00:01:06,000
他還要維護任務狀態,保存現成,處理權限,記錄過程,把工具執行的結果不斷送回模型,讓模型決定下一步該幹嘛。

13
00:01:06,000 --> 00:01:11,000
說白了,模型負責思考,Harness負責把這種思考真正落進現實世界。

14
00:01:11,000 --> 00:01:23,000
這也是為什麼Agent時代正在出現一個判斷,以後決定一個AI產品體驗好不好的,可能不只是用了哪個模型,而是這個模型是怎麼被組織起來工作的。

15
00:01:23,000 --> 00:01:25,000
OpenAI自己就給了個很典型的例子。

16
00:01:25,000 --> 00:01:34,000
在ARC-IGS這個公開測試集上,同樣是GPT5.6SAL這個模型,用官方Harness跑,得分13.3%。

17
00:01:34,000 --> 00:01:45,000
等系統進一步打開Retained Reasoning,也就是保留推理狀態和Compaction上下輪壓縮之後,得分直接提到38.3%,輸出的Token數量反而降到了大概1.6。

18
00:01:45,000 --> 00:01:53,000
注意,這不是說模型智商突然翻了三倍,真正值得關注的是,模型壓根沒換,系統表現卻發生了這麼大的變化。

19
00:01:53,000 --> 00:01:59,000
這說明大模型的競爭正在從單純比參數,比推理能力,往更深一層下沉。

20
00:01:59,000 --> 00:02:05,000
上下文怎麼管,工具怎麼組織,任務怎麼循環,錯誤怎麼恢復,人什麼時候該介入。

21
00:02:05,000 --> 00:02:12,000
模型是發動機,Harness才是變速箱,方向盤,導航,刹車,是整套駕駛控制系統。

22
00:02:12,000 --> 00:02:17,000
而Codex正在把這套能力越來越完整的開放給開發者。

23
00:02:17,000 --> 00:02:23,000
這裡有個容易被誤讀的地方,得澄清一下。Codex的Harness並不是昨天才突然開源的。

24
00:02:23,000 --> 00:02:27,000
Codex的代碼倉庫早就用的是Arpreci 2.0許可證。

25
00:02:27,000 --> 00:02:34,000
2025年,OpenAI就發布了Codex SDK,開發者可以把整套Agent能力欠進自己的工作流。

26
00:02:34,000 --> 00:02:40,000
到了2026年2月,又進一步公開了Codex App Server,一套雙向JSON RPC接口,

27
00:02:40,000 --> 00:02:44,000
能把Codex底層的Agent循環接近不同的產品界面裡。

28
00:02:44,000 --> 00:02:49,000
所以這次真正值得討論的,不是OpenAI突然把秘密武器免費送人,

29
00:02:49,000 --> 00:02:57,000
而是一個更大的趨勢正在成熟。Codex正在從一個產品慢慢變成可以嵌入其他產品的基礎能力。

30
00:02:57,000 --> 00:02:59,000
開發者大致有三條路可以走。

31
00:02:59,000 --> 00:03:06,000
最簡單的是Codex Exact,可以把Agent直接塞進腳本或者CI流程裡,幹一些邊界清楚的活。

32
00:03:06,000 --> 00:03:15,000
再往上是Codex SDK,應用可以創建、恢復現成、運行任務、接收結構化輸出,把Agent真正寫進業務邏輯裡。

33
00:03:15,000 --> 00:03:24,000
更深一層是App Server,它甚至不要求你的產品長得像Codex,你可以保留自己原本的界面,只是把底層的Agent循環接近來。

34
00:03:24,000 --> 00:03:30,000
這事看起來只是個技術架構上的變化,但可能會改寫AI軟件過去三年的一個基本套路。

35
00:03:30,000 --> 00:03:43,000
從ChatGPT爆發以來,行業裡幾乎形成了一種條件反射,只要用上AI就加一個聊天礦,客服要加,數據分析要加,CRM要加,財務軟件也要加,幾乎無一例外。

36
00:03:43,000 --> 00:03:47,000
結果就是底層模型越來越聰明,前端產品卻越來越像。

37
00:03:47,000 --> 00:03:50,000
但真實的工作根本不是圍繞聊天發生的。

38
00:03:50,000 --> 00:03:58,000
安全工程師面對的是告警列表,財務人員面對的是賬目表格,客服面對的是訂單和公班,物流面對的是貨單和庫存。

39
00:03:58,000 --> 00:04:04,000
醫生、律師、工程師,每個行業都有自己幾十年打磨出來的專業界面和操作習慣。

40
00:04:04,000 --> 00:04:11,000
凭什麼為了用AI,所有人都得離開這些系統,跑到一個空白聊天礦裡,把上下文重新說一遍。

41
00:04:11,000 --> 00:04:18,000
更合理的方向其實反過來,不是讓人去適應AI的界面,而是讓AI進到人本來就在用的界面裡去。

42
00:04:18,000 --> 00:04:26,000
Cisco已經給出了一個現實案例,他在Cisco Cloud Control裡推出了App Builder,直接把Codex SDK嵌進平台,

43
00:04:26,000 --> 00:04:33,000
讓客戶用自然語言創建定制應用,不用先跳到另一個AI工具裡幹完活,再把結果搬回來。

44
00:04:33,000 --> 00:04:35,000
稅務場景則更能說明問題。

45
00:04:35,000 --> 00:04:39,000
OpenAI, Thrive Holdings和Crate一起做的Tax AI,

46
00:04:39,000 --> 00:04:46,000
壓根沒打算讓會計師每天跟機器人聊天,而是直接進入了原本就存在的報稅流程。

47
00:04:46,000 --> 00:04:55,000
這一季度試點處理了700份報稅表,從業人員的修改、審核、糾錯,又被轉化成新的評測信號,繼續推動系統改進。

48
00:04:55,000 --> 00:04:58,000
這可能才是Agent真正能走進企業核心業務的方式。

49
00:04:58,000 --> 00:05:04,000
AI不是另外多出來的一個軟件,而是變成了原有軟件裡的一層隱形執行能力。

50
00:05:04,000 --> 00:05:06,000
當然,這裡有個邊界得說清楚。

51
00:05:06,000 --> 00:05:13,000
Codex的代碼用Apache 2.0許可證開源,不代表OpenAI把GPT模型的權重也一併開源了。

52
00:05:13,000 --> 00:05:19,000
開源Harness也不代表模型推理、算力、企業部署這些就變成零成本了。

53
00:05:19,000 --> 00:05:26,000
更不代表公司可以毫無安全措施地把數據庫、內部API、敏感文件全都甩給Agent去處理。

54
00:05:26,000 --> 00:05:36,000
真正成熟的企業及Agent反而會越來越強調全線邊界、殺箱、審計、工具白名單,以及關鍵動作必須有人確認的Human in the Loop機制。

55
00:05:36,000 --> 00:05:40,000
而這或許才是Codex Harness最值得關注的地方。

56
00:05:40,000 --> 00:05:44,000
過去幾年我們一直在問,下一代模型會有多聰明?

57
00:05:44,000 --> 00:05:48,000
但接下來,軟件行業可能會越來越頻繁地面對另一個問題。

58
00:05:48,000 --> 00:05:53,000
怎麼把這份聰明,安全、穩定、可控地裝進真實世界?

59
00:05:53,000 --> 00:05:56,000
從這個角度看,Harness的價值就很清楚了。

60
00:05:56,000 --> 00:06:02,000
模型決定的是智能的上限,Harness決定的是這種智能能不能真正幹活。

61
00:06:02,000 --> 00:06:09,640
而應用開發者真正的護城河也會重新回到自己的數據、工作流、專業界面、全線體系和行業理解上。

62
00:06:10,000 --> 00:06:14,000
未來最強大的AI產品,可能未必天天提醒你這裡有個AI。

63
00:06:14,000 --> 00:06:20,000
它可能沒有巨大的輸入框,沒有閃爍的機器人頭像,也不會要求你重新學一套操作方式。

64
00:06:20,000 --> 00:06:26,000
你打開的還是那個熟悉的財務軟件,運營看板,IDE,客服系統。

65
00:06:26,000 --> 00:06:33,000
只是從某一天開始,這些軟件突然開始自己理解任務,自己調用工具,自己執行工作。

66
00:06:33,000 --> 00:06:38,000
只在真正需要你的時候才停下來,問你一句,這一步要執行嗎?