ప్రధాన కంటెంట్‌కి దాటండి
OpenAI

Codexని పరిచయం చేస్తున్నాము

codex-1 తో శక్తి పొందిన, ఒకేసారి అనేక పనులను నిర్వహించగల క్లౌడ్-బేస్డ్ సాఫ్ట్‌వేర్ ఇంజినీరింగ్ ఏజెంట్. ఇది నేడు ChatGPT Pro, Business, మరియు Enterprise యూజర్లకు అందుబాటులో ఉంది, Plus యూజర్లకు త్వరలో అందుబాటులో ఉంటుంది.

డాష్‌బోర్డ్ “తర్వాత ఏం కోడ్ చేద్దాం?” అని అడుగుతూ, ప్రాంప్ట్ బాక్స్, రిపో/బ్రాంచ్ సెలెక్టర్లు, టాస్క్ లిస్ట్‌తో పాస్టెల్ కోడ్-థీమ్ బ్యాక్‌డ్రాప్ పై చూపిస్తుంది.
లోడ్ అవుతోంది…

జూన్ 3, 2025న అప్‌డేట్: కోడెక్స్ ఇప్పుడు ChatGPT Plus వినియోగదారులకు అందుబాటులో ఉంది. మేము వినియోగదారులను పని అమలు సమయంలో కోడెక్స్‌కు ఇంటర్నెట్ యాక్సెస్‌ను అందించడానికి అనుమతిస్తున్నాము. మరిన్ని వివరాల కోసం దయచేసి చేంజ్‌లాగ్(కొత్త విండోలో తెరుచుకుంటుంది) మరియు డాక్స్(కొత్త విండోలో తెరుచుకుంటుంది) ను చూడండి.


నేడు మేము Codex రీసెర్చ్ ప్రివ్యూ ప్రారంభిస్తున్నాం: ఒకేసారి అనేక పనులను నిర్వహించగల క్లౌడ్-బేస్డ్ సాఫ్ట్‌వేర్ ఇంజినీరింగ్ ఏజెంట్. Codex మీ కోసం ఫీచర్లు రాయడం, మీ కోడ్‌బేస్ గురించి ప్రశ్నలకు సమాధానం ఇవ్వడం, బగ్స్ సరిచేయడం, మరియు రివ్యూకు పుల్ రిక్వెస్టులు ప్రతిపాదించడం వంటి పనులు చేయగలదు; ప్రతి పని మీ రిపోజిటరీతో ముందే లోడ్ చేసిన తన స్వంత క్లౌడ్ సాండ్‌బాక్స్ వాతావరణంలో నడుస్తుంది.

Codex, సాఫ్ట్‌వేర్ ఇంజినీరింగ్ కోసం ఆప్టిమైజ్ చేసిన OpenAI o3 వెర్షన్ అయిన codex-1 తో శక్తి పొందింది. వివిధ ఎన్విరాన్‌మెంట్‌లలో రియల్-వరల్డ్ కోడింగ్ టాస్క్‌లపై రీన్ఫోర్స్‌మెంట్ లెర్నింగ్ ఉపయోగించి దీనిని ట్రైన్ చేశారు. దీని వల్ల ఇది హ్యూమన్ స్టైల్ మరియు PR ప్రిఫరెన్స్‌లను దగ్గరగా ప్రతిఫలించే కోడ్‌ను జెనరేట్ చేయగలదు, ఇన్‌స్ట్రక్షన్‌లను ఖచ్చితంగా ఫాలో అవుతుంది, మరియు పాస్ అయ్యే రిజల్ట్ వచ్చే వరకు టెస్ట్‌లను ఇటరేటివ్‌గా రన్ చేయగలదు.నేడు మేము Codex ను ChatGPT Pro, Enterprise, మరియు Business యూజర్లకు విడుదల చేయడం ప్రారంభిస్తున్నాము, Plus మరియు Edu యూజర్లకు మద్దతు త్వరలో అందుబాటులోకి వస్తుంది.

Codex ఎలా పనిచేస్తుంది

నేడు మీరు ChatGPT లోని సైడ్‌బార్ ద్వారా Codex ను యాక్సెస్ చేసి, ప్రాంప్ట్ టైప్ చేసి “Code” పై క్లిక్ చేసి కొత్త కోడింగ్ టాస్క్ ఇవ్వవచ్చు. మీ కోడ్‌బేస్ గురించి Codex ను ప్రశ్నించాలనుకుంటే, “అడగండి” పై క్లిక్ చేయండి. ప్రతి టాస్క్ మీ కోడ్‌బేస్‌తో ముందే లోడ్ చేసిన, వేరుగా ఉండే ఐసోలేటెడ్ ఎన్విరాన్‌మెంట్‌లో స్వతంత్రంగా ప్రాసెస్ అవుతుంది. Codex ఫైళ్ళను చదవడం, ఎడిట్ చేయడం, అలాగే టెస్ట్ హార్నెస్‌లు, లింటర్లు, టైప్ చెకర్స్ వంటి కమాండ్లను నడపగలదు. టాస్క్ పూర్తి కావడానికి సాధారణంగా 1 నుండి 30 నిమిషాలు పడుతుంది (కాంప్లెక్సిటీపై ఆధారపడి), మరియు మీరు రియల్ టైమ్‌లో Codex ప్రోగ్రెస్‌ను చూడవచ్చు.

Codex ఒక టాస్క్ పూర్తి చేసిన తర్వాత, తన ఎన్విరాన్‌మెంట్‌లో చేర్పులను కమిట్ చేస్తుంది. Codex తన చర్యలకు ధృవీకరించదగిన ఆధారాలను టెర్మినల్ లాగ్స్ మరియు టెస్ట్ అవుట్‌పుట్స్ సైటేషన్ల ద్వారా అందిస్తుంది, తద్వారా మీరు టాస్క్ పూర్తి చేసే ప్రతి దశను ట్రేస్ చేయగలుగుతారు. తర్వాత మీరు రిజల్ట్‌లను రివ్యూ చేసి, అవసరమైతే మరిన్ని రివిజన్‌లు కోరవచ్చు, GitHub పుల్ రిక్వెస్ట్ ఓపెన్ చేయవచ్చు, లేదా మార్చినవి మీ లోకల్ ఎన్విరాన్‌మెంట్‌లో నేరుగా ఇంటిగ్రేట్ చేయవచ్చు.ప్రొడక్ట్‌లో, మీరు Codex ఎన్విరాన్‌మెంట్‌ను మీ అసలు డెవలప్‌మెంట్ ఎన్విరాన్‌మెంట్‌కు వీలైనంత దగ్గరగా కాన్ఫిగర్ చేయవచ్చు.

మీ రిపోజిటరీలో ఉంచిన AGENTS.md ఫైళ్ల ద్వారా Codex ను గైడ్ చేయవచ్చు. ఇవి README.md లాంటి పాఠ్య ఫైళ్ళు, ఇవి Codex కు మీ కోడ్‌బేస్‌లో ఎలా నావిగేట్ చేయాలో, టెస్టింగ్ కోసం ఏ కమాండ్లు నడపాలో, మరియు మీ ప్రాజెక్ట్ స్టాండర్డ్ ప్రాక్టీసులకు ఎలా ఉత్తమంగా పాటించాలో తెలియజేయగలిగే విధంగా ఉంటాయి. మానవ డెవలపర్లలాగే, కాన్ఫిగర్ చేసిన డెవ్ ఎన్విరాన్‌మెంట్‌లు, నమ్మకమైన టెస్టింగ్ సెటప్‌లు, స్పష్టమైన డాక్యుమెంటేషన్ ఇవ్వబడినప్పుడు Codex ఏజెంట్లు అత్యుత్తమంగా పనిచేస్తాయి. 

కోడింగ్ ఈవాల్యుయేషన్లు మరియు ఇంటర్నల్ బెంచ్‌మార్క్‌లలో, AGENTS.md ఫైళ్లు లేదా కస్టమ్ స్కాఫోల్డింగ్ లేకపోయినా codex-1 బలమైన పనితీరును చూపిస్తుంది.

మా ఇంటర్నల్ ఇన్‌ఫ్రాస్ట్రక్చర్‌లో రన్ చేయలేని 23 SWE-Bench Verified సాంపుల్‌లను మేము మినహాయించాము.codex-1‌ను గరిష్టంగా 192k టోకెన్ల కాంటెక్స్ట్ లెంగ్త్‌తో మరియు మధ్యస్థ ‘రిజనింగ్ ఎఫర్ట్’ సెట్టింగ్‌తో పరీక్షించారు. ఇదే సెట్టింగ్ ప్రొడక్ట్‌లో ఇవాళ అందుబాటులో ఉంటుంది.o3 ఈవాల్యూయేషన్‌ల వివరాల కోసం, ఇక్కడ చూడండి.

మా ఇంటర్నల్ SWE టాస్క్ బెంచ్‌మార్క్ అనేది OpenAI లోని రియల్-వరల్డ్ ఇంటర్నల్ SWE టాస్క్‌ల ఎంపిక చేసిన సమాహారం.

సురక్షితమైన, విశ్వసనీయ ఏజెంట్ల నిర్మాణం

మా పునరావృత (iterative) డిప్లాయ్‌మెంట్ వ్యూహానికి అనుగుణంగా, Codex ను రీసెర్చ్ ప్రివ్యూ‌గా విడుదల చేస్తున్నాం. Codex డిజైన్ చేసేప్పుడు భద్రత మరియు పారదర్శకతలకు ప్రాధాన్యం ఇచ్చాం — తద్వారా యూజర్లు దాని అవుట్‌పుట్‌లను వెరిఫై చేయగలరు. AI మోడళ్లు స్వతంత్రంగా మరింత క్లిష్టమైన కోడింగ్ పనులను నిర్వహించగా, భద్రతా అంశాలు మారుతున్న కొద్దీ ఈ రక్షణ మరింత ముఖ్యమవుతుంది. యూజర్లు సైటేషన్లు, టెర్మినల్ లాగ్స్ మరియు టెస్ట్ రిజల్ట్‌ల ద్వారా Codex చేసే పనిని చెక్ చేయవచ్చు. అనిశ్చితి ఉన్నప్పుడు లేదా టెస్ట్ విఫలమయ్యే పరిస్థితుల్లో, Codex ఏజెంట్ ఈ సమస్యలను స్పష్టంగా తెలియజేస్తుంది, తద్వారా యూజర్లు ఎలా ముందుకు సాగాలో తెలివిగా నిర్ణయం తీసుకోవచ్చు. ఇంటిగ్రేషన్ మరియు ఎగ్జిక్యూషన్‌కు ముందు యూజర్లు ఏజెంట్ జెనరేట్ చేసిన కోడ్‌ను మాన్యువల్‌గా రివ్యూ చేసి వాలిడేట్ చేయడం ఇప్పటికీ అత్యంత అవసరం.

కోట్ చేసిన ఫైల్‌నేమ్‌లను వెరిఫై చేస్తున్న టెస్ట్-ఫైల్ ఓవర్‌లేతో కోడ్-రివ్యూ స్క్రీన్‌షాట్; బ్లూ బ్యాక్‌డ్రాప్ పై సమ్మరీ మరియు పాసైన టెస్టులు కనిపిస్తున్నాయి.
బ్లాక్ టెర్మినల్ ఓవర్‌లేతో, కోట్ చేసిన ఫైల్‌నేమ్‌లకు ఒక పాసింగ్ టెస్ట్ చూపిస్తున్న కోడ్-రివ్యూ స్క్రీన్‌షాట్; ‘Fix /diff error with special characters’ మార్పు యొక్క సమ్మరీ, డిఫ్ బ్లూ-పాస్టెల్ బ్యాక్‌గ్రౌండ్ పై కనిపిస్తున్నాయి.

మానవ ప్రాధాన్యతలకు అలైన్ అవడం

codex-1 శిక్షణ సమయంలో ప్రధాన లక్ష్యం అవుట్‌పుట్‌లను మానవ కోడింగ్ ప్రాధాన్యతలు మరియు ప్రమాణాలకు అత్యంత దగ్గరగా అలైన్ చేయడం. OpenAI o3 తో పోలిస్తే, codex-1 నిరంతరం తక్కువ లోపాలతో కూడిన ప్యాచ్‌లను ఉత్పత్తి చేస్తుంది, అవి తక్షణమే మానవ సమీక్షకు మరియు సాధారణ వర్క్‌ఫ్లోల్లో సమగ్రతకు సిద్ధంగా ఉంటాయి.

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

దుర్వినియోగం నివారణ

AI ఆధారిత సాఫ్ట్‌వేర్ ఇంజినీరింగ్ దుర్వినియోగాలు (ఉదా: మాల్వేర్ డెవలప్‌మెంట్) నివారించడం మరింత కీలకమవుతోంది. అదే సమయంలో, రక్షణ చర్యలు లెజిటిమేట్ మరియు ప్రయోజనకరమైన అప్లికేషన్లను అనవసరంగా అడ్డుకోవకూడదు — వీటిలో కొన్ని సార్లు మాల్వేర్ డెవలప్‌మెంట్‌లో ఉపయోగించే లో-లెవల్ కర్నెల్ ఇంజినీరింగ్ లాంటి టెక్నిక్స్ ఉండవచ్చు.

సేఫ్టీ మరియు యుటిలిటీకి సమతుల్యం కల్పించేందుకు, దుష్ట సాఫ్ట్‌వేర్ తయారీకి సంబంధించిన రిక్వెస్ట్‌లను గుర్తించి ఖచ్చితంగా రీఫ్యూస్ చేసేలా Codex‌ను ట్రైన్ చేశారు. అదే సమయంలో ఇది లెజిటిమేట్ టాస్క్‌లను స్పష్టంగా వేరు చేసి సపోర్ట్ చేస్తుంది.ఈ పరిమితులను బలపరచడానికి మేము మా పాలసీ ఫ్రేమ్‌వర్క్‌లను మెరుగుపరచి, కఠినమైన భద్రతా ఈవాల్యుయేషన్లను చేర్చాము. ఈ ఈవాల్యూయేషన్‌లను ప్రతిబింబించడానికి మేము o3 సిస్టమ్ కార్డ్‌కు యాడెండం ప్రచురించాము.

సెక్యూర్ ఎగ్జిక్యూషన్

Codex ఏజెంట్ పూర్తిగా క్లౌడ్‌లోని సురక్షితమైన, ఐసోలేటెడ్ కంటైనర్‌లో నడుస్తుంది. టాస్క్ ఎగ్జిక్యూషన్ సమయంలో ఇంటర్నెట్ యాక్సెస్ డిసేబుల్ చేయబడుతుంది, దాంతో ఏజెంట్ పరిమితమై, యూజర్ సెటప్ స్క్రిప్ట్ ద్వారా కాన్ఫిగర్ చేసిన GitHub రిపోజిటరీల కోడ్ మరియు ప్రీ-ఇన్‌స్టాల్‌డ్ డిపెండెన్సీలతో మాత్రమే పరస్పరం పనిచేస్తుంది. ఏజెంట్ ఎక్స్టర్నల్ వెబ్‌సైట్‌లు, APIs లేదా ఇతర సర్వీసులకు యాక్సెస్ పొందలేడు.

ప్రారంభ వినియోగ ఉదాహరణలు

OpenAI టెక్నికల్ టీమ్‌లు Codex ను తమ డైలీ టూల్‌కిట్‌లో భాగంగా వాడటం ప్రారంభించాయి. OpenAI ఇంజినీర్లు సాధారణంగా పునరావృతమయ్యే, స్పష్టంగా నిర్వచించబడిన పనులను (ఉదాహరణకు, రీఫాక్టరింగ్, రీనేమింగ్, టెస్టులు రాయడం) ఆఫ్‌లోడ్ చేయడానికి దీన్ని ఎక్కువగా ఉపయోగిస్తారు, ఇవి లేకపోతే ఫోకస్‌ను విరమింపజేస్తాయి. కొత్త ఫీచర్ల కోసం స్కాఫోల్డింగ్, కాంపోనెంట్ల వైరింగ్/కనెక్షన్, బగ్స్ ఫిక్స్ చేయడం, డాక్యుమెంటేషన్ డ్రాఫ్ట్ చేయడం — ఇవన్నింటికీ ఇది సమానంగా ఉపయోగకరం. టీమ్‌లు దీని చుట్టూ కొత్త అలవాట్లు ఏర్పరుచుకుంటున్నాయి: ఆన్-కాల్ ఇష్యూలను ట్రియాజ్ చేయడం, రోజు మొదట్లో టాస్క్‌లను ప్లాన్ చేయడం, మరియు ప్రోగ్రెస్ కొనసాగించేందుకు బ్యాక్‌గ్రౌండ్ పనిని ఆఫ్‌లోడ్ చేయడం. కాంటెక్స్ట్-స్విచింగ్ తగ్గించడం మరియు మర్చిపోయిన to-dos ను వెలుగులోకి తేవడం ద్వారా, Codex ఇంజినీర్లు త్వరగా షిప్ చేయడంలో సహాయపడుతుంది మరియు అత్యంత ముఖ్యమైన విషయాలపై ఫోకస్ ఉండేలా చేస్తుంది.

రిలీజ్‌కు ముందుగా, Codex వివిధ కోడ్‌బేస్‌లు, డెవలప్‌మెంట్ ప్రాసెస్‌లు, మరియు టీమ్‌లపై ఎలా పనిచేస్తుందో బాగా అర్థం చేసుకోవడానికి కొద్దిమంది ఎక్స్‌టర్నల్ టెస్టర్లతో మేము కలిసి పనిచేస్తున్నాము.

  • Cisco(కొత్త విండోలో తెరుచుకుంటుంది) తమ ఇంజినీరింగ్ టీమ్‌లు ప్రతిష్ఠాత్మక ఆలోచనలను మరింత వేగంగా ఆచరణలోకి తేవడానికి Codex ఎలా సహాయపడగలదో అన్వేషిస్తోంది. ఆరంభ డిజైన్ పార్ట్‌నర్‌లుగా, Cisco తమ మొత్తం ప్రొడక్ట్ పోర్ట్‌ఫోలియోలోని రియల్-వరల్డ్ యూజ్ కేస్‌లపై Codex‌ను ఈవాల్యువేట్ చేస్తూ, OpenAI టీమ్‌కి విలువైన ఫీడ్‌బ్యాక్ అందించడం ద్వారా Codex భవిష్యత్తును రూపుదిద్దడానికి సహకరిస్తోంది.
  • Temporal(కొత్త విండోలో తెరుచుకుంటుంది) Codex ను ఫీచర్ డెవలప్‌మెంట్ వేగవంతం చేయడానికి, ఇష్యూలను డీబగ్ చేయడానికి, టెస్టులు రాయడం మరియు నడపడానికి, మరియు పెద్ద కోడ్‌బేస్‌లను రీఫాక్టర్ చేయడానికి ఉపయోగిస్తుంది. ఇది క్లిష్టమైన పనులను బ్యాక్‌గ్రౌండ్‌లో నడిపి, ఇంజినీర్లను ఫ్లోలో ఉంచుతూ, ఇటరేషన్ వేగాన్ని పెంచి, వారికి ఫోకస్ నిలుపుకోవడంలో సహాయపడుతుంది.
  • Superhuman(కొత్త విండోలో తెరుచుకుంటుంది) కోడెక్స్‌ను ఉపయోగించి పరీక్ష కవరేజీని మెరుగుపరచడం మరియు ఇంటిగ్రేషన్ వైఫల్యాలను పరిష్కరించడం వంటి చిన్న కానీ పునరావృతమయ్యే పనులను వేగవంతం చేస్తుంది. ప్రాడక్ట్ మేనేజర్లు కోడ్ రివ్యూ మినహా ఇంజినీర్ సహాయం అవసరం లేకుండా లైట్‌వెయిట్ కోడ్ మార్పులు చేయగలిగేలా చేసి, ఇది వారిని త్వరగా షిప్ చేయడంలో కూడా సహాయపడుతుంది.
  • Kodiak(కొత్త విండోలో తెరుచుకుంటుంది) డీబగింగ్ టూల్స్ రాయడంలో, టెస్ట్ కవరేజ్ మెరుగుపరచడంలో, కోడ్ రీఫాక్టర్ చేయడంలో సహాయపడటానికి Codex ను ఉపయోగిస్తోంది — వారి ఆటోనమస్ డ్రైవింగ్ టెక్నాలజీ అయిన Kodiak Driver అభివృద్ధిని వేగవంతం చేస్తోంది. Codex ఒక విలువైన రిఫరెన్స్ టూల్‌గా మారింది, ఇంజినీర్లు పరిచయం లేని స్టాక్ భాగాలను అర్థం చేసుకోవడంలో సహాయపడుతూ, సంబంధిత కాంటెక్స్ట్ మరియు గత మార్పులను వెలికితీస్తుంది.

ప్రారంభ టెస్టర్ల నుంచి పొందిన అనుభవాల ఆధారంగా, బాగా నిర్వచించబడిన పనులను ఒకేసారి అనేక ఏజెంట్లకు అప్పగించడం, అలాగే మోడల్ సామర్థ్యాలను సమర్థవంతంగా అన్వేషించేందుకు వివిధ రకాల పనులు మరియు ప్రాంప్ట్‌లతో ప్రయోగాలు చేయడం మేము సూచిస్తున్నాము.

Codex CLI అప్డేట్లు

గత నెల, మీ టెర్మినల్‌లో నడిచే లైట్‌వెయిట్ ఓపెన్-సోర్స్ కోడింగ్ ఏజెంట్ అయిన Codex CLI ను మేము ప్రారంభించాం. ఇది o3, o4-mini వంటి మోడళ్ల శక్తిని మీ లోకల్ వర్క్‌ఫ్లోలోకి తీసుకువస్తుంది, వీటితో జతగా పని చేసి టాస్క్‌లను త్వరగా పూర్తి చేయడం సులభమవుతుంది. 

ఈ రోజు, Codex CLI లో వినియోగానికి ప్రత్యేకంగా డిజైన్ చేసిన o4-mini వెర్షన్ ఆధారంగా ఉన్న codex-1 యొక్క చిన్న వెర్షన్‌ను కూడా విడుదల చేస్తున్నాం. ఈ కొత్త మోడల్ CLIలో వేగవంతమైన వర్క్‌ఫ్లోలను మద్దతు ఇస్తుంది మరియు తక్కువ లేటెన్సీ కోడ్ Q&A మరియు ఎడిటింగ్ కోసం ఆప్టిమైజ్ చేయబడింది, అదే సమయంలో ఇన్‌స్ట్రక్షన్ ఫాలోయింగ్ మరియు స్టైల్‌లోని బలాలను యథాతథంగా నిలుపుకుంటుంది. ఇది ఇప్పుడు Codex CLI లో డిఫాల్ట్ మోడల్‌గా మరియు API లో codex-mini-latest గా అందుబాటులో ఉంది. Codex-mini మోడల్ మెరుగుపడే కొద్దీ, underlying snapshot ని క్రమం తప్పకుండా అప్డేట్ చేస్తాము.

మేము మీ డెవలపర్ అకౌంట్‌ను Codex CLIతో కనెక్ట్ చేయడం చాలా సులభం చేయడం కూడా చేస్తున్నాము. API టోకెన్ ను మాన్యువల్ గా జనరేట్ చేసి కాన్ఫిగర్ చేయడం బదులు, ఇప్పుడు మీరు మీ ChatGPT అకౌంట్ తో సైన్-ఇన్ చేసి, ఉపయోగించదలచిన API ఆర్గనైజేషన్ ను ఎంచుకోవచ్చు. మేము మీ కోసం API key ని ఆటోమేటిక్ గా జనరేట్ చేసి కాన్ఫిగర్ చేస్తాము. ChatGPT ద్వారా Codex CLI లో సైన్-ఇన్ చేసే Plus మరియు Pro యూజర్లు, ఈ రోజు నుండే వచ్చే 30 రోజులపాటు వరుసగా $5 మరియు $50 ఫ్రీ API క్రెడిట్స్ ను రీడీమ్ చేయడం ప్రారంభించవచ్చు.

Codex లభ్యత, ధరలు మరియు పరిమితులు

నేటి నుండి, మేము Codex ను ప్రపంచవ్యాప్తంగా ChatGPT Pro, Enterprise, మరియు Business యూజర్లకు అందిస్తున్నాం, Plus మరియు Edu యూజర్లకు త్వరలో సపోర్ట్ రానుంది. రాబోయే వారాల్లో యూజర్లు అదనపు ఖర్చు లేకుండా విస్తృత ప్రాప్యత పొందుతారు, తద్వారా Codex ఏమి చేయగలదో మీరు అన్వేషించవచ్చు. ఆ తరువాత, మేము రేట్-లిమిటెడ్ యాక్సెస్ మరియు ఫ్లెక్సిబుల్ ప్రైసింగ్ ఆప్షన్‌లను ప్రవేశపెడతాం, వీటి ద్వారా మీరు అవసరమైతే అదనపు యూజేజ్‌ను ఆన్-డిమాండ్‌గా కొనుగోలు చేయవచ్చు. త్వరలోనే Plus మరియు Edu యూజర్లకు యాక్సెస్‌ను విస్తరించే ప్రణాళిక మాకు ఉంది.

codex-mini-latest తో బిల్డ్ చేసే డెవలపర్‌లకు, ఈ మోడల్ Responses API లో అందుబాటులో ఉంది. ధర: ప్రతి 1M ఇన్‌పుట్ టోకెన్లకు $1.50 మరియు ప్రతి 1M అవుట్‌పుట్ టోకెన్లకు $6 — 75% ప్రాంప్ట్ క్యాషింగ్ డిస్కౌంట్ తో.

Codex ఇంకా తన డెవలప్‌మెంట్ ప్రారంభ దశలోనే ఉంది. రీసెర్చ్ ప్రివ్యూ గా, ఇది ప్రస్తుతం ఫ్రంట్‌ఎండ్ పనుల కోసం ఇమేజ్ ఇన్‌పుట్‌లు, అలాగే ఏజెంట్ పని చేస్తున్నప్పుడు కోర్స్-కరెక్ట్ చేయగల సామర్థ్యం వంటి ఫీచర్లను కలిగి లేదు. అదనంగా, రిమోట్ ఏజెంట్‌కి పనిని అప్పగించడం, ఇంటరాక్టివ్ ఎడిటింగ్ కంటే ఎక్కువ సమయం పడుతుంది — దీనికి అలవాటు పడాల్సి ఉంటుంది. కాలక్రమేణా, Codex ఏజెంట్లతో ఇంటరాక్ట్ అవ్వడం, సహచరులతో అసింక్రోనస్ సహకారం లాగా అనిపిస్తుంది. మోడల్ సామర్థ్యాలు మెరుగుపడేకొద్దీ, ఏజెంట్లు మరింత క్లిష్టమైన పనులను దీర్ఘకాలంలో నిర్వహిస్తారని మేము ఆశిస్తున్నాము.

తదుపరి ఏమిటి

డెవలపర్లు తమకు చేయాలనుకున్న పనిని స్వయంగా నడిపించి, మిగతావన్నీ ఏజెంట్‌లకు డెలిగేట్ చేసే భవిష్యత్తును మేము ఊహిస్తున్నాము—దీనితో వారు ఇంకా వేగంగా ముందుకు సాగి, AI‌తో మరింత ప్రొడక్టివ్‌గా మారగలరు.దాన్ని సాధించడానికి, రియల్-టైమ్ సహకారం మరియు అసింక్రోనస్ డెలిగేషన్ రెండింటినీ సపోర్ట్ చేసే Codex టూల్స్ సూట్‌ను మేము నిర్మిస్తున్నాము. 

Codex CLI మరియు ఇతర AI టూల్స్‌తో జత కట్టడం వేగంగా ఇండస్ట్రీ నార్మ్‌గా మారింది, ఇది డెవలపర్‌లు కోడ్ రాస్తూ వేగంగా ముందుకు కదలడానికి సహాయపడుతోంది. మేము నమ్ముతున్నాం, ChatGPTలో Codex పరిచయం చేసిన అసింక్రోనస్, మల్టీ-ఏజెంట్ వర్క్‌ఫ్లో ఇంజినీర్లు అధిక నాణ్యత కలిగిన కోడ్ ఉత్పత్తి చేసే డి-ఫాక్టో పద్ధతిగా మారుతుంది.

చివరికి, రియల్-టైమ్ పెయిరింగ్ మరియు టాస్క్ డెలిగేషన్ అనే ఈ రెండు ఇంటరాక్షన్ మోడ్‌లు కలిసిపోతాయని మేము చూస్తున్నాము.డెవలపర్‌లు తమ IDEలు మరియు డైలీ టూల్స్‌లో AI ఏజెంట్లతో కలిసి ప్రశ్నలు అడగడం, సూచనలు పొందడం, పెద్ద పనులను ఆఫ్‌లోడ్ చేయడం — ఇవన్నీ ఒకే యూనిఫైడ్ వర్క్‌ఫ్లోలో జరుగుతాయి.

ముందుకు చూస్తూ, మరింత ఇంటరాక్టివ్ మరియు ఫ్లెక్సిబుల్ ఏజెంట్ వర్క్‌ఫ్లోలను పరిచయం చేయాలని మేము ప్రణాళిక చేస్తున్నాము. డెవలపర్‌లు త్వరలోనే టాస్క్ మధ్యలో గైడెన్స్ ఇవ్వడం, ఇంప్లిమెంటేషన్ వ్యూహాలపై సహకరించడం, మరియు ప్రోఆక్టివ్ ప్రోగ్రెస్ అప్డేట్‌లు పొందడం చేయగలరు. మేము మీరు ఇప్పటికే ఉపయోగిస్తున్న టూల్స్‌లో మరింత లోతైన ఇంటిగ్రేషన్లను ఊహిస్తున్నాము: ప్రస్తుతం Codex GitHub తో కనెక్ట్ అవుతుంది, త్వరలో మీరు Codex CLI, ChatGPT Desktop, లేదా మీ issue tracker లేదా CI సిస్టమ్ లాంటి టూల్స్ నుండి కూడా టాస్క్‌లను అప్పగించగలుగుతారు.

సాఫ్ట్‌వేర్ ఇంజినీరింగ్ AI ఆధారిత ప్రొడక్టివిటీలో భారీ వృద్ధిని మొదటగా అనుభవించిన రంగాలలో ఒకటి, దీనివల్ల వ్యక్తులు మరియు చిన్న టీమ్‌లకు కొత్త అవకాశాలు తెరుచుకున్నాయి.ఈ ప్రయోజనాలపై మేము ఆశావహంగా ఉన్నప్పటికీ, ఏజెంట్‌ల విస్తృత వినియోగం డెవలపర్ వర్క్‌ఫ్లోలు, వ్యక్తుల మధ్య స్కిల్ డెవలప్‌మెంట్, వివిధ స్కిల్ లెవెల్స్, మరియు భౌగోళిక ప్రాంతాలపై ఎలా ప్రభావం చూపుతుందో మరింతగా అర్థం చేసుకునేందుకు మేము పార్ట్‌నర్‌లతో కలిసి పని చేస్తున్నాము. 

ఇది కేవలం ఆరంభం మాత్రమే — మరియు మీరు Codex తో ఏమి నిర్మిస్తారో చూడటానికి మేము ఉత్సాహంగా ఉన్నాం.

లైవ్‌స్ట్రీమ్ రీప్లే

అనుబంధం

సిస్టమ్ మెసేజ్

మేము codex-1 సిస్టమ్ మెసేజ్‌ను పంచుకుంటున్నాము, ఇది డెవలపర్‌లకు మోడల్ యొక్క డిఫాల్ట్ ప్రవర్తనను అర్థం చేసుకోవడంలో సహాయపడుతుంది మరియు Codex ను కస్టమ్ వర్క్‌ఫ్లోలలో సమర్థవంతంగా పనిచేయడానికి అనుకూలపరచడానికి ఉపయోగపడుతుంది. ఉదాహరణకు, codex-1 సిస్టమ్ మెసేజ్ Codex ను AGENTS.md ఫైల్‌లో పేర్కొన్న అన్ని టెస్టులను నడపమని ప్రోత్సహిస్తుంది, కానీ మీకు సమయం తక్కువైతే, ఈ టెస్టులను స్కిప్ చేయమని Codex ను అడగవచ్చు.

ప్లెయిన్ టెక్స్ట్

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
7
If 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.

రచయిత

OpenAI