16 Mei 2025

Memperkenalkan Codex

Ejen kejuruteraan perisian berasaskan awan yang boleh melaksanakan banyak tugas secara serentak, dikuasakan oleh codex-1. Tersedia kepada pengguna ChatGPT Pro, Perniagaan, dan Perusahaan hari ini, dan kepada pengguna Plus tidak lama lagi.

Cuba Codex

Dashboard asking ‘What should we code next?’ with a prompt box, repo/branch selectors, and a task list on a pastel code-themed backdrop.

Memuat…

Kemas kini pada 3 Jun 2025: Codex kini tersedia untuk pengguna ChatGPT Plus. Kami juga membolehkan pengguna memberikan Codex akses Internet semasa pelaksanaan tugas. Sila rujuk kepada log perubahan⁠(dibuka dalam tetingkap baru) dan dokumen⁠(dibuka dalam tetingkap baru) untuk maklumat lanjut.

Hari ini kami melancarkan pratonton penyelidikan Codex: ejen kejuruteraan perisian berasaskan awan yang boleh melaksanakan banyak tugas secara serentak. Codex boleh melaksanakan tugas untuk anda seperti menulis ciri, menjawab soalan tentang pangkalan kod anda, membetulkan pepijat, dan mencadangkan permintaan tarikan untuk semakan; setiap tugas berjalan dalam persekitaran medan ujian awannya sendiri, dipramuat dengan repositori anda.

Codex dikuasakan oleh codex-1, versi OpenAI o3 yang dioptimumkan untuk kejuruteraan perisian. Ia dilatih menggunakan pembelajaran pengukuhan pada tugas pengekodan dunia nyata dalam pelbagai persekitaran untuk menjana kod yang mencerminkan gaya manusia dan pilihan PR, mematuhi arahan dengan tepat, dan boleh menjalankan ujian secara berulang sehingga menerima keputusan lulus. Kami mula melancarkan Codex kepada pengguna ChatGPT Pro, Perusahaan, dan Perniagaan hari ini, dengan sokongan untuk Plus dan Pendidikan akan tiba tidak lama lagi.

Bagaimana Codex berfungsi

Hari ini anda boleh mengakses Codex melalui bar sisi dalam ChatGPT dan menugaskan tugas pengekodan baharu dengan menaip prom dan mengklik “Kod”. Kalau anda mahu bertanya soalan kepada Codex tentang pangkalan kod anda, klik "Tanya". Setiap tugas diproses secara bebas dalam persekitaran terpencil yang berasingan yang dipramuat dengan pangkalan kod anda. Codex boleh membaca dan mengedit fail, serta menjalankan arahan termasuk ujian abah-abah, linter, dan penyemak jenis. Penyiapan tugas biasanya mengambil masa antara 1 dan 30 minit, bergantung pada kerumitan, dan anda boleh memantau kemajuan Codex dalam masa sebenar.

Setelah Codex menyelesaikan tugas, ia akan mengesahkan perubahannya dalam persekitarannya. Codex memberikan bukti yang boleh disahkan mengenai tindakannya melalui petikan log terminal dan output ujian, membolehkan anda menjejak setiap langkah yang diambil semasa menyelesaikan tugas. Anda kemudian boleh menyemak keputusan, meminta semakan lanjut, membuka permintaan tarikan GitHub, atau mengintegrasikan perubahan secara langsung ke dalam persekitaran tempatan anda. Dalam produk, anda boleh mengkonfigurasi persekitaran Codex supaya sepadan dengan persekitaran pembangunan sebenar anda sehampir yang mungkin.

Codex boleh dipandu oleh fail AGENTS.md yang diletakkan dalam repositori anda. Ini adalah fail teks, serupa dengan README.md, di mana anda boleh memaklumkan Codex cara menavigasi pangkalan kod anda, arahan yang akan dijalankan untuk ujian dan cara terbaik untuk mematuhi amalan standard projek anda. Seperti pembangun manusia, ejen Codex berprestasi terbaik apabila disediakan dengan persekitaran pembangunan yang dikonfigurasikan, persediaan ujian yang boleh dipercayai, dan dokumentasi yang jelas.

Dalam penilaian pengekodan dan penanda aras dalaman, codex-1 menunjukkan prestasi yang kuat walaupun tanpa fail AGENTS.md atau perancah tersuai.

23 sampel SWE-Bench yang disahkan tetapi tidak dapat dijalankan pada infrastruktur dalaman kami telah dikecualikan. codex-1 telah diuji pada panjang konteks maksimum 192k token dan 'usaha penaakulan' sederhana, yang merupakan tetapan yang akan tersedia dalam produk hari ini. Untuk maklumat lanjut tentang penilaian o3, sila lihat di sini⁠.

Penanda aras tugas SWE dalaman kami ialah set terpilih tugas SWE dalaman dunia sebenar di OpenAI.

Membina ejen yang selamat dan boleh dipercayai

Kami melancarkan Codex sebagai pratonton penyelidikan, selaras dengan strategi penggunaan berulang kami. Kami mengutamakan keselamatan dan ketelusan semasa mereka bentuk Codex supaya pengguna boleh mengesahkan outputnya - satu langkah perlindungan yang semakin penting apabila model AI mengendalikan tugas pengekodan yang lebih kompleks secara bebas dan pertimbangan keselamatan berkembang. Pengguna boleh semak kerja Codex melalui petikan, log terminal dan keputusan ujian. Apabila tidak pasti atau menghadapi kegagalan ujian, ejen Codex secara jelas menyampaikan isu-isu ini, membolehkan pengguna membuat keputusan yang termaklum tentang cara untuk meneruskan. Masih penting bagi pengguna untuk menyemak dan mengesahkan semua kod yang dijana oleh ejen secara manual sebelum penyepaduan dan pelaksanaan.

Code-review screenshot with a test-file overlay verifying quoted filenames, plus summary and passing tests on a blue backdrop.

Code-review screenshot with a black terminal overlay showing one passing test for quoted filenames; summary and diff of the ‘Fix /diff error with special characters’ change visible on a blue-pastel background.

Menyelaraskan dengan keutamaan manusia

Matlamat utama semasa latihan codex-1 adalah untuk menyelaraskan output dengan rapat kepada keutamaan dan piawaian pengekodan manusia. Berbanding dengan OpenAI o3, codex-1 secara konsisten menghasilkan tampalan yang lebih bersih, siap untuk semakan manusia segera dan integrasi ke dalam aliran kerja standard.

Please fix the following issue in the astropy/astropy repository. Please resolve the issue in the problem below by editing and testing code files in your current code execution session. The repository is cloned in the /testbed folder. You must fully solve the problem for your answer to be considered correct. Problem statement:Modeling's `separability_matrix` does not compute separability correctly for nested CompoundModels Consider the following model: ```python from astropy.modeling import models as m from astropy.modeling.separable import separability_matrix cm = m.Linear1D(10) & m.Linear1D(5) ``` It's separability matrix as you might expect is a diagonal: ```python >>> separability_matrix(cm) array([[ True, False], [False, True]]) ``` If I make the model more complex: ```python >>> separability_matrix(m.Pix2Sky_TAN() & m.Linear1D(10) & m.Linear1D(5)) array([[ True, True, False, False], [ True, True, False, False], [False, False, True, False], [False, False, False, True]]) ``` The output matrix is again, as expected, the outputs and inputs to the linear models are separable and independent of each other. If however, I nest these compound models: ```python >>> separability_matrix(m.Pix2Sky_TAN() & cm) array([[ True, True, False, False], [ True, True, False, False], [False, False, True, True], [False, False, True, True]]) ``` Suddenly the inputs and outputs are no longer separable? This feels like a bug to me, but I might be missing something?

Codex

OpenAI o3

Mencegah penyalahgunaan

Melindungi daripada aplikasi berniat jahat maka kejuruteraan perisian yang dipacu AI, seperti pembangunan perisian hasad, menjadi semakin penting. Pada masa yang sama, penting bahawa langkah perlindungan tidak menghalang aplikasi sah dan bermanfaat yang mungkin melibatkan teknik yang kadangkala juga digunakan dalam pembangunan perisian hasad, seperti kejuruteraan kernel tahap rendah.

Untuk mengimbangi keselamatan dan utiliti, Codex dilatih untuk mengenal pasti dan menolak dengan tepat permintaan yang bertujuan untuk membangunkan perisian hasad, sambil membezakan dan menyokong tugas yang sah dengan jelas. Kami juga telah mempertingkatkan rangka kerja dasar kami dan menggabungkan penilaian keselamatan yang ketat untuk mengukuhkan sempadan ini dengan berkesan. Kami telah menerbitkan adendum kepada Kad Sistem o3⁠ untuk mencerminkan penilaian-penilaian ini.

Pelaksanaan yang selamat

Ejen Codex beroperasi sepenuhnya dalam bekas yang selamat dan terpencil di dalam awan. Semasa pelaksanaan tugas, akses Internet dinyahdaya, mengehadkan interaksi ejen hanya kepada kod yang disediakan secara eksplisit melalui repositori GitHub dan kebergantungan prapasang yang dikonfigurasikan oleh pengguna melalui skrip persediaan. Ejen tidak dapat mengakses laman web luaran, API, atau perkhidmatan lain.

Kes penggunaan awal

Pasukan teknikal di OpenAI telah mula menggunakan Codex sebagai sebahagian daripada kit alat harian mereka. Ia paling kerap digunakan oleh jurutera OpenAI untuk memindahkan tugas berulang yang berskop baik, seperti pemfaktoran semula, menamakan semula, dan penulisan ujian, yang sebaliknya akan mengganggu fokus. Ia sama berguna untuk membina ciri baharu, menyambungkan komponen, membetulkan pepijat, dan merangka dokumentasi. Pasukan sedang membina tabiat baharu di sekelilingnya: mengurus isu semasa panggilan, merancang tugas pada permulaan hari, dan menyerahkan kerja latar belakang untuk terus bergerak. Dengan mengurangkan penukaran konteks dan memaparkan tugasan yang terlupa, Codex membantu jurutera menghantar lebih cepat dan kekal fokus pada perkara yang paling penting.

Menjelang pelancaran, kami juga telah bekerjasama dengan kumpulan kecil penguji luar untuk lebih memahami bagaimana Codex berprestasi merentasi pelbagai pangkalan kod, proses pembangunan, dan pasukan.

Cisco⁠(dibuka dalam tetingkap baru) sedang meneroka bagaimana Codex boleh membantu pasukan kejuruteraan mereka menghidupkan idea bercita-cita tinggi dengan lebih cepat. Sebagai rakan reka bentuk awal, Cisco membantu membentuk masa depan Codex dengan menilai kes penggunaan dunia sebenar di seluruh portfolio produk mereka dan memberikan maklum balas kepada pasukan OpenAI.
Temporal⁠(dibuka dalam tetingkap baru) menggunakan Codex untuk mempercepatkan pembangunan ciri, nyahpepijat isu, menulis dan melaksanakan ujian, serta memfaktorkan semula pangkalan kod yang besar. Ia juga membantunya kekal fokus dengan menjalankan tugas kompleks di latar belakang—mengekalkan aliran jurutera sambil mempercepatkan lelaran.
Superhuman⁠(dibuka dalam tetingkap baru) menggunakan Codex untuk mempercepatkan tugas kecil tetapi berulang seperti meningkatkan liputan ujian dan membetulkan kegagalan penyepaduan. Ia juga membantu mereka menghantar lebih cepat dengan membolehkan pengurus produk menyumbang perubahan kod ringan tanpa melibatkan jurutera, kecuali untuk semakan kod.
Kodiak⁠(dibuka dalam tetingkap baru) menggunakan Codex untuk membantu menulis alat penyahpepijatan, meningkatkan liputan ujian, dan memfaktorkan semula kod—mempercepatkan pembangunan Kodiak Driver, teknologi pemanduan autonomi mereka. Codex juga telah menjadi alat rujukan yang berharga, membantu jurutera memahami bahagian yang tidak dikenali dalam timbunan dengan menampilkan konteks yang relevan dan perubahan terdahulu.

Berdasarkan pembelajaran daripada penguji awal, kami mengesyorkan memberikan tugas berskop baik kepada berbilang ejen secara serentak dan bereksperimen dengan pelbagai jenis tugas dan prom untuk meneroka keupayaan model dengan berkesan.

Kemas kini Codex CLI

Pada bulan lepas, kami melancarkan Codex CLI, ejen pengekodan sumber terbuka ringan yang berjalan di terminal anda. Ia membawa kuasa model seperti o3 dan o4-mini ke dalam aliran kerja tempatan anda, menjadikannya mudah untuk dipasangkan bersama untuk menyelesaikan tugas dengan lebih cepat.

Hari ini, kami juga melancarkan versi codex-1 yang lebih kecil, versi o4-mini yang direka khusus untuk digunakan dalam Codex CLI. Model baharu ini memberikan sokongan untuk aliran kerja yang lebih pantas dalam CLI dan dioptimumkan untuk Soal Jawab dan penyuntingan kod kependaman rendah, sambil mengekalkan kekuatan yang sama dalam mengikuti arahan dan gaya. Ia kini tersedia sebagai model lalai dalam Codex CLI dan dalam API sebagai codex-mini-latest. Gambaran asas akan dikemas kini secara berkala apabila kami terus memperbaiki model Codex-mini.

Kami juga memudahkan anda untuk menyambungkan akaun pembangun anda ke Codex CLI. Daripada menjana dan mengkonfigurasi token API secara manual, anda kini boleh daftar masuk dengan akaun ChatGPT anda dan memilih organisasi API yang ingin digunakan. Kami akan menjana dan mengkonfigurasi Kunci API secara automatik untuk anda. Pengguna Plus dan Pro yang mendaftar masuk ke Codex CLI dengan ChatGPT juga boleh mula menebus kredit API percuma sebanyak $5 dan $50, masing-masing, lewat hari ini untuk 30 hari seterusnya.

Ketersediaan, harga, dan batasan Codex

Mulai hari ini, kami melancarkan Codex kepada pengguna ChatGPT Pro, Perusahaan, dan Perniagaan di seluruh dunia, dengan sokongan untuk Plus dan Pendidikan akan datang tidak lama lagi. Pengguna akan mempunyai akses yang luas tanpa kos tambahan untuk minggu-minggu akan datang supaya anda boleh meneroka apa yang Codex boleh lakukan, selepas itu kami akan melancarkan akses terhad dan pilihan harga fleksibel yang membolehkan anda membeli penggunaan tambahan atas permintaan. Kami merancang untuk memperluaskan akses kepada pengguna Plus dan Pendidikan tidak lama lagi.

Untuk pembangun yang menggunakan codex-mini-latest, model ini tersedia di API Balasan dan berharga $1.50 untuk setiap 1M token input dan $6 untuk setiap 1M token output, dengan diskaun 75% untuk pengagregatan prom.

Codex masih di peringkat awal dalam pembangunannya. Sebagai pratonton penyelidikan, pada masa ini ia tidak mempunyai ciri seperti input imej untuk kerja bahagian hadapan dan keupayaan untuk membetulkan ejen semasa ia berfungsi. Selain itu, menyerahkan tugas kepada ejen jauh mengambil masa lebih lama daripada penyuntingan interaktif, yang mungkin memerlukan sedikit masa untuk dibiasakan. Dari semasa ke semasa, berinteraksi dengan ejen Codex akan semakin menyerupai kerjasama tak segerak dengan rakan sekerja. Apabila keupayaan model semakin maju, kami menjangkakan ejen akan mengendalikan tugas yang lebih kompleks dalam tempoh yang lebih lama.

Apa seterusnya

Kami membayangkan masa depan di mana pembangun memacu kerja yang mereka ingin miliki dan menyerahkan selebihnya kepada ejen—bergerak lebih pantas dan menjadi lebih produktif dengan AI. Untuk mencapainya, kami sedang membina satu set alat Codex yang menyediakan sokongan untuk kerjasama masa nyata dan delegasi tak segerak.

Berpasangan dengan alat AI seperti Codex CLI dan lain-lain dengan pantas telah menjadi norma industri, membantu pembangun bergerak lebih cepat semasa mereka menulis kod. Tetapi kami percaya aliran kerja berbilang ejen tak segerak yang diperkenalkan oleh Codex dalam ChatGPT akan menjadi cara de facto jurutera menghasilkan kod yang berkualiti tinggi.

Akhirnya, kami melihat dua mod interaksi ini—gandingan masa sebenar dan delegasi tugas—bertumpu. Pembangun akan bekerjasama dengan ejen AI merentas IDE dan alatan harian mereka untuk bertanya soalan, mendapatkan cadangan, dan menyerahkan tugas yang lebih panjang, semuanya dalam aliran kerja yang bersepadu.

Melihat ke hadapan, kami rancangkan untuk memperkenalkan aliran kerja ejen yang lebih interaktif dan fleksibel. Pembangun tidak lama lagi akan dapat memberikan panduan semasa tugas, bekerjasama dalam strategi pelaksanaan, dan menerima kemas kini kemajuan secara proaktif. Kami juga membayangkan integrasi yang lebih mendalam merentas alat yang sudah anda gunakan: hari ini Codex disambungkan dengan GitHub, dan tidak lama lagi anda akan dapat menugaskan tugas daripada Codex CLI, ChatGPT Desktop, atau juga alat seperti penjejak isu atau sistem CI anda.

Kejuruteraan perisian adalah salah satu industri pertama yang menyaksikan peningkatan produktiviti yang ketara dipacu oleh AI, membuka kemungkinan baharu untuk individu dan pasukan kecil. Walaupun kami optimis tentang pencapaian ini, kami juga bekerjasama dengan rakan kongsi untuk lebih memahami implikasi penggunaan ejen yang meluas terhadap aliran kerja pembangun, pembangunan kemahiran merentas individu, tahap kemahiran, dan geografi.

Ini hanyalah permulaan—dan kami teruja untuk melihat apa yang anda akan bina dengan Codex.

Ulangan semula siaran langsung

Lampiran

Mesej sistem

Kami berkongsi mesej sistem codex-1 untuk membantu pembangun memahami tingkah laku lalai model dan menyesuaikan Codex agar berfungsi dengan berkesan dalam aliran kerja tersuai. Sebagai contoh, mesej sistem codex-1 menggalakkan Codex menjalankan semua ujian yang disebut dalam fail AGENTS.md, tetapi jika anda kekurangan masa, anda boleh meminta Codex untuk melangkau ujian ini.

Teks Biasa

1# Instructions
2- The user will provide a task.
3- The task involves working with Git repositories in your current working directory.
4- Wait for all terminal commands to be completed (or terminate them) before finishing.
5
6# Git instructions
7If completing the user's task requires writing or modifying files:
8- Do not create new branches.
9- Use git to commit your changes.
10- If pre-commit fails, fix issues and retry.
11- Check git status to confirm your commit. You must leave your worktree in a clean state.
12- Only committed code will be evaluated.
13- Do not modify or amend existing commits.
14
15# AGENTS.md spec
16- Containers often contain AGENTS.md files. These files can appear anywhere in the container's filesystem. Typical locations include `/`, `~`, and in various places inside of Git repos.
17- These files are a way for humans to give you (the agent) instructions or tips for working within the container.
18- Some examples might be: coding conventions, info about how code is organized, or instructions for how to run or test code.
19- AGENTS.md files may provide instructions about PR messages (messages attached to a GitHub Pull Request produced by the agent, describing the PR). These instructions should be respected.
20- Instructions in AGENTS.md files:
21  - The scope of an AGENTS.md file is the entire directory tree rooted at the folder that contains it.
22  - For every file you touch in the final patch, you must obey instructions in any AGENTS.md file whose scope includes that file.
23  - Instructions about code style, structure, naming, etc. apply only to code within the AGENTS.md file's scope, unless the file states otherwise.
24  - More-deeply-nested AGENTS.md files take precedence in the case of conflicting instructions.
25  - Direct system/developer/user instructions (as part of a prompt) take precedence over AGENTS.md instructions.
26- AGENTS.md files need not live only in Git repos. For example, you may find one in your home directory.
27- If the AGENTS.md includes programmatic checks to verify your work, you MUST run all of them and make a best effort to validate that the checks pass AFTER all code changes have been made.
28  - This applies even for changes that appear simple, i.e. documentation. You still must run all of the programmatic checks.
29
30# Citations instructions
31- If you browsed files or used terminal commands, you must add citations to the final response (not the body of the PR message) where relevant. Citations reference file paths and terminal outputs with the following formats:
32  1) `【F:<file_path>†L<line_start>(-L<line_end>)?】`
33  - File path citations must start with `F:`. `file_path` is the exact file path of the file relative to the root of the repository that contains the relevant text.
34  - `line_start` is the 1-indexed start line number of the relevant output within that file.
35  2) `【<chunk_id>†L<line_start>(-L<line_end>)?】`
36  - Where `chunk_id` is the chunk_id of the terminal output, `line_start` and `line_end` are the 1-indexed start and end line numbers of the relevant output within that chunk.
37- Line ends are optional, and if not provided, line end is the same as line start, so only 1 line is cited.
38- Ensure that the line numbers are correct, and that the cited file paths or terminal outputs are directly relevant to the word or clause before the citation.
39- Do not cite completely empty lines inside the chunk, only cite lines that have content.
40- Only cite from file paths and terminal outputs, DO NOT cite from previous pr diffs and comments, nor cite git hashes as chunk ids.
41- Use file path citations that reference any code changes, documentation or files, and use terminal citations only for relevant terminal output.
42- Prefer file citations over terminal citations unless the terminal output is directly relevant to the clauses before the citation, i.e. clauses on test results.
43  - For PR creation tasks, use file citations when referring to code changes in the summary section of your final response, and terminal citations in the testing section.
44  - For question-answering tasks, you should only use terminal citations if you need to programmatically verify an answer (i.e. counting lines of code). Otherwise, use file citations.

Penulis

OpenAI