start	end	text
0	6000	OpenAI Codex Harness開源了,模型只是發動機,Harness才是那套駕駛系統。
6000	11000	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。
11000	21000	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。
21000	26000	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。
26000	32000	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。
32000	37000	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。
37000	39000	它更像是AI智能體的執行系統。
39000	45000	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。
45000	50000	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,
50000	54000	任務失敗了怎麼恢復,上下輪越堆越長了怎麼壓縮,
54000	58000	哪些操作可以自動跑,哪些必須停下來等人審批。
58000	66000	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。
66000	71000	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。
71000	83000	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。
83000	85000	OpenAI自己就給了個很典型的例子。
85000	94000	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%。
94000	105000	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。
105000	113000	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。
113000	119000	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。
119000	125000	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。
125000	132000	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。
132000	137000	而Codex正在把這套能力越來越完整的開放給開發者。
137000	143000	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。
143000	147000	Codex的代碼倉庫早就用的是Arpreci 2.0許可證。
147000	154000	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。
154000	160000	到了2026年2月,又進一步公開了Codex App Server,一套雙向JSON RPC接口,
160000	164000	能把Codex底層的Agent循環接近不同的產品界面裡。
164000	169000	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,
169000	177000	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。
177000	179000	開發者大致有三條路可以走。
179000	186000	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。
186000	195000	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。
195000	204000	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。
204000	210000	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。
210000	223000	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。
223000	227000	結果就是底層模型越來越聰明,前端產品卻越來越像。
227000	230000	但真實的工作根本不是圍繞聊天發生的。
230000	238000	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。
238000	244000	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。
244000	251000	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。
251000	258000	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。
258000	266000	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,
266000	273000	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。
273000	275000	稅務場景則更能說明問題。
275000	279000	OpenAI, Thrive Holdings和Crate一起做的Tax AI,
279000	286000	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。
286000	295000	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。
295000	298000	這可能才是Agent真正能走進企業核心業務的方式。
298000	304000	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。
304000	306000	當然,這裡有個邊界得說清楚。
306000	313000	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。
313000	319000	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。
319000	326000	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。
326000	336000	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。
336000	340000	而這或許才是Codex Harness最值得關注的地方。
340000	344000	過去幾年我們一直在問,下一代模型會有多聰明?
344000	348000	但接下來,軟件行業可能會越來越頻繁地面對另一個問題。
348000	353000	怎麼把這份聰明,安全、穩定、可控地裝進真實世界?
353000	356000	從這個角度看,Harness的價值就很清楚了。
356000	362000	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。
362000	369640	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。
370000	374000	未來最強大的AI產品,可能未必天天提醒你這裡有個AI。
374000	380000	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。
380000	386000	你打開的還是那個熟悉的財務軟件,運營看板,IDE,客服系統。
386000	393000	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。
393000	398000	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?