Codex 的产品轨迹，最近被一篇长文完整摊开。Every CEO Dan Shipper 在《How Codex Happened》中采访了 OpenAI 联合创始人 Greg Brockman 及 6 位 Codex 核心成员，首次较系统地还原了这款产品如何从首发遇冷、迟迟没找到产品市场匹配，走到成为 ChatGPT 桌面端底座。
一个细节很能说明这次变化：新版 ChatGPT 桌面应用在 Mac 系统里的内部标识，至今仍是「com.openai.codex」。一年前，Codex 还只是 ChatGPT 里的一个小入口；不到 12 个月后，ChatGPT 反而装进了 Codex 的外壳。
首版 Codex Cloud 为何失利
新一代 Codex 的起点可以追溯到 2024 年底。当时，如今负责 Codex 的 Sottiaux 正带队训练一个内部编程 Agent，主要帮助 OpenAI 研究员编写基础设施代码、运行实验，再把实验结果用于改进下一代模型。
那时 OpenAI 内部有多支团队同时押注 AI 编程，但方向并不一致：有人押终端，有人押 IDE，也有人认为 Agent 应该部署在云端。云端路线的吸引力很直接——用户下班后合上电脑，Agent 仍能在自己的机器上继续工作，第二天回来时，代码、测试甚至 PR 都可能已经准备好。
到 2025 年春天，几支探索力量逐渐合流，团队决定先做云端。他们用了约 7 周做出 Codex Cloud，并在 2025 年 5 月发布。团队原本预期这款产品会取得成功，结果外部用户反应冷淡。
问题首先出在环境。OpenAI 内部有统一开发配置，研究员几乎可以直接上手；外部开发者面对的却是各不相同的依赖、权限和私有工具，光是把 Agent 放进真实工作环境，就已经很难。产品负责人 Embiricos 后来复盘时还提到，当时的模型能力也不足以独立完成复杂任务。
也就是说，第一版 Codex Cloud 同时撞上了两堵墙：环境配置复杂，模型能力也没跟上。团队提前做出了理想中的工作方式，但现实条件还不够成熟。
被搁置的本地路线，后来成了转折点
就在 OpenAI 这条路线受挫时，Anthropic 的 Claude Code 从另一条路径跑了出来。Claude Code 直接运行在用户自己的电脑上，文件、工具和开发环境都是现成的，用户可以随时打断，也能沿着同一段上下文继续调整。
Codex 团队随后意识到，云端终局未必错，但中间几步迈得太大。解决办法不是放弃，而是回头把本地路线重新捡起来。
事实上，这条路线一直存在。早在 Codex Cloud 发布前一个月，OpenAI 就开源了 Codex CLI。它可以直接在终端中读取文件、修改代码并执行命令，产品形态与 Claude Code 相近。不过按 Embiricos 的说法，CLI 当时并不是 Codex 团队的主线，而是由两个人做出来的一个「英雄式」支线项目。团队内部也做过本地 Agent 原型，但一个月后就放下，集体转向了想象空间更大的云端。
最后把 Codex 拉回来的，恰恰是这条支线。2025 年夏天，Sottiaux 接管团队后直接宣布转向本地。不过他没有急着往 CLI 里堆功能，而是先把底层 Agent 整体重写了一遍，并用 Rust 重构。
这个决定当时看上去并不讨巧。外部用户在追着要功能，Claude Code 也已经跑起来，Codex 团队却先去重做底层。Sottiaux 想解决的，是 Codex 过去反复切换产品形态的问题。在他看来，CLI 只是用户能看到的外壳，真正有价值的是下面那套能读文件、跑命令、调用工具和修改代码的 Agent。只要把这套能力从终端里拆出来，终端、IDE、桌面应用、手机、云端和 ChatGPT 都可以继续复用。
这一次，团队没有先赌下一个界面，而是先把「Codex 本人」做出来。
模型补上真实工作经验后，使用量在 2025 年 10 月增长超 10 倍
底层 Agent 重构完成后，Codex 仍缺一个足够强的模型。此前 OpenAI 的模型在编程比赛里成绩不错，但面对真实代码库时容易暴露短板：项目文件混乱、依赖复杂，用户还会中途打断，这和解一道干净的算法题完全不是一回事。
Greg Brockman 对此给过一个比喻：这些模型就像 SAT 考了满分，却一天班都没上过的学生。
随后，负责 GPT-5 后训练的 Michelle Pokrass 团队开始让模型接触更混乱的大型代码库，学习理解项目结构、追踪 Bug，也学习在需要越权时停下来询问用户。
到 2025 年 8 月，重构后的 Codex CLI 接入 GPT-5，之后又进入 VS Code 和 Cursor 侧边栏。用户这次开始真正涌入。到 2025 年 10 月，Codex 使用量增长超过 10 倍，IDE 扩展也很快超过终端，成为最常用入口。
那个由两个人做出来、差点被留在支线里的 CLI，最终把 Codex 从首版云端失利中拉了回来。Embiricos 回忆，当时自己脑子里只剩下一句话：「终于可以开打了。」
CLI 和 IDE 刚起量，团队又把重注押向桌面 App
按常规节奏，CLI 和 IDE 扩展增长后，团队接下来应该继续加人、加功能，顺势放大优势。但 Codex 团队又转了方向。
Sottiaux 的判断是，模型很快就能连续工作几小时，同时处理代码、图片、语音和外部信息。用户未来可能会同时指挥 5 到 6 个 Agent。这样一来，把所有任务都塞进终端并不合适。
因此，团队决定继续维护 CLI，同时把下一笔最大的投入押到原生桌面 App 上。为此，Sottiaux 找来了设计师兼程序员 Andrew Ambrosino。整个核心团队只有 4 个人，但目标很明确：做一个能同时管理多个 Agent 的总控台。
这个界面更像聊天软件。左侧是不同项目和任务，每个任务里都有一个 Agent，用户可以同时分派多路工作，再来回查看进度、补充要求。
随后，团队又做了一个更激进的决定：这款编程 App 不放代码编辑器。也就是说，即便 Codex 只写错一个单词，用户也不能顺手自己改，只能继续告诉 Agent，让它自行修正。
Ambrosino 的考虑是，一旦允许手动编辑，搜索、撤销、快捷键、调试等整套 IDE 功能都会跟着进来。4 个人去复刻 VS Code，大概率只会做出一个处处缩水的版本。团队索性把退路堵死：Codex 必须强到让用户放下编辑器，这个 App 才有存在价值。
但早期版本并不顺利。Embiricos 每天都会问团队成员：「今天你把它当主力工具了吗？」最初所有人的回答都是没有。有人抱怨，想替换一句话都得专门提示 Codex，太麻烦。连 Ambrosino 自己也一度怀疑，不提供文件编辑会不会是个大错。
偏偏这时，Google 又发布了带完整编辑器的 Antigravity。Codex 团队内部也开始反问，当初是不是应该直接套一个 VS Code 外壳。
更现实的问题是，当时的 Codex 模型还撑不起这个设计。Ambrosino 后来说，即便 App 功能全部做完，模型质量依然会让它「无法发布」。团队只能一边推进产品，一边等模型追上来。
模型追上后，桌面 App 在 2026 年 2 月发布
转折出现在 2025 年 11 月。GPT-5.1-Codex-Max 发布后，模型开始能够连续编程数小时。一个月后，GPT-5.2-Codex 又补强了对大型代码库的修改能力。
到 2025 年 12 月，团队内部的反馈开始变化。原本坚持需要编辑器的人，逐渐不再亲手改代码，而是在结果里留下批注，再让 Codex 自己处理。到 2026 年初，整个 Codex 团队都开始把这款 App 当作主力工具，随后 OpenAI 内部的工程师和研究员也陆续切换过来。连长期习惯终端和 Emacs 的 Greg Brockman 也转了过来。按他的说法，再回到以前的工作流，会有一种「回到了过去」的感觉。
2026 年 2 月 2 日，Codex 桌面 App 正式发布。这一次，外部用户也接受了这套产品形态。到 2026 年 3 月，Codex 周活跃用户突破 200 万；6 月超过 500 万，其中约五分之一已经是知识工作者。到 7 月，Codex 桌面 App 又进一步与 ChatGPT 桌面体验合并。
这也解释了为什么新版 ChatGPT 桌面应用在系统内部仍保留 Codex 标识。最初是 Codex 住在 ChatGPT 里，后来变成 ChatGPT 住进了 Codex 的壳里。
Greg Brockman：下一步会回到云端，甚至可能不再需要输入框
在播客节目《No Priors》中，Greg Brockman 透露，Codex 这条产品路线可能只是 OpenAI 更大计划的预演。
他提到 OpenAI 内部正在使用的主动式 Agent「Dots」。这个 Agent 拥有自己的云端电脑，可以持续读取用户授权的日历、邮件和 Slack。Greg 自己的 Dots 是一只小猫头鹰。每天早上，它会先整理好待办事项，包括哪些消息忘了回复、哪些事情答应了还没做、日程是否冲突，甚至会提醒某场会议需要提前离开，否则赶不上下一场。
Greg 特别强调，关键变化来自产品形态。模型只能补全几行代码时，适合待在 IDE 里；当它能独立工作几小时后，就需要一个管理多个 Agent 的桌面工作台；等用户习惯把整项任务交出去，它又会回到云端，在人离开后继续工作。
这意味着，Codex 最初押注的云端路线，未来可能重新回归。只不过这一次，模型能力、底层 Agent 和用户习惯都已经补齐。
在《How Codex Happened》结尾，Embiricos 也明确表示，Codex 下一步将转向异步工作：「这意味着，我们必须重新回到云端。」Dan Shipper 还提到，Embiricos 说这句话时，面前那台电脑已经牢牢合上。
Greg 对 AI 界面的判断则更激进。他的说法是：「最好的 UI，就是没有 UI。」在他看来，今天用户使用 AI 还需要打开 App、找到输入框、再把需求描述清楚，但这些步骤以后会逐渐消失。用户可以通过语音、Slack、iMessage 等入口直接调用 Agent，它平时在后台持续工作，需要用户做决定时再主动出现。
固定按钮和菜单也可能不再是主角。面对订机票、分析数据、组装自行车这类任务，AI 可以临时生成一套刚好够用的界面，任务结束后，这套界面也随之退场。
Greg 还透露，OpenAI 正在推动个人助手与工作 Agent 逐步合流。ChatGPT 拥有庞大的消费级用户，Codex 和企业业务则掌握专业工作场景。OpenAI 的思路，是把这些产品线汇到一起，让同一个 Agent 既了解用户的工作，也能处理日常事务。
Every 还把这篇报道做成了可追问的 Agent-native 文章
这篇《How Codex Happened》本身还有一个额外设计。Every 把正文和 6 位核心成员的采访资料一起交给 AI，读者可以让 Agent 总结章节、解释原文、对比不同受访者的说法，也可以继续追问作者没有展开的细节。
操作方式是打开文章后，点击顶部的「Read with agent」，再选择 Codex、Claude 或 Gemini，并按页面提示打开或复制阅读 Prompt。页面已经预先写好提示词，读者可以直接复制到自己使用的 AI 工具中。
例如，读者可以直接问「Codex 第一次云端发布为什么失败？」也可以继续追问「对比 Sottiaux 和 Embiricos 的说法，两人认为 Codex 翻盘的关键分别是什么？」这样一来，一篇 8000 多字的长文就变成了一个可以持续追问、交叉检索的采访资料库。
文章讨论的是 AI 如何改变软件，连阅读方式本身也被 AI 改写了。
文中提到的四个关键转折
- 第一版 Codex Cloud 在外部遇冷后，团队迅速转向本地 Agent。
- OpenAI 为 Codex 单开模型线，让研究、产品和工程直接协同。
- 团队在一年内更换了 4 种产品形态，最后押中不带代码编辑器的桌面应用。
- 团队用 Codex 开发 Codex，几个人在几周内就能做出一个新产品。
完整阅读地址为：https://every.to/p/how-codex-happened