Tibo 最新访谈：Codex 之后，OpenAI 真正想做什么？

★ 设为星标 | 只讲人话，带你玩转AIGC。

Matthew Berman 最近采访了 OpenAI Codex 负责人 Tibo Sottiaux，整期大概 44 分钟。

如果你经常关注 Codex，应该对 Tibo 不陌生。他应该是 OpenAI Codex 的核心运营人员。

他在 X 上还有一个很出圈的外号：

Reset Lord。

原因也很简单，Codex 用户经常会突然收到额度重置，而很多时候，就是 Tibo 自己在 X 上喊一句“RESET”。

这次访谈里，他第一次讲清楚了 Reset 背后的故事，但真正有意思的内容远不止这些。

先放结论。

这场访谈里，我觉得最值得关注的是下面几个信号：

1. Codex 已经并入 ChatGPT，但这还只是第一步。 OpenAI 的终点，是让 “ChatGPT” 和 “Codex” 这两个产品概念继续淡化，最后只剩一个长期理解你的个人通用智能（Personal AGI）。

2. Astra 和下一代模型，会越来越依赖新的智能体系统（Agent Harness）。 今天大家手动维护 Skills、Memory、Sub-agent，在 OpenAI 看来都还很早期。

3. 一台 Laptop 很快会成为 Agent 的限制。 未来模型可能同时处理 100 个应用，大量任务会转向云端智能体（Cloud Agent）。

4. Ultra Fast 这种速度，1～2 年后可能接近默认。 同时 OpenAI 普通推理速度在过去约三个月已经提升了约 60%。

5. 模型已经开始反过来优化自己的推理基础设施。 Tibo 认为，这已经可以算递归自我改进（Recursive Self-Improvement）的早期形态。

6. Codex 已经达到约 2000 万用户。 程序员可能只是第一批用户，未来编程能力会成为所有知识工作者都能调用的底层能力。

下面展开聊几个最值得看的部分。

01 最后只剩一个 AI

这里先澄清一个容易误解的点。

Codex 和 ChatGPT 其实已经开始合并了。

现在 Codex 已经进入 ChatGPT 的整体产品体系，很多 Codex 能力也开始向普通用户开放。

所以 Tibo 在访谈里讲的，并不是“未来才把两个 App 放到一起”。

他讲的是更彻底的一步：未来用户甚至不需要再知道，自己现在到底是在用 ChatGPT，还是 Codex。

主持人问他，为什么 OpenAI 要继续推动两者融合？

Tibo 的回答很明确：未来的模型，本身就要求它们走向统一。

因为未来的模型天然会编程、搜索、研究、调用工具、理解语音和图像，这些能力最终都会建立在同一套智能体系统（Agent Harness）之上。

所以再人为区分“程序员用 Codex”、“普通人用 ChatGPT”，意义会越来越小。

Tibo 描述的终局，是一个 个人通用智能（Personal AGI）。

程序员、设计师、产品经理、销售，甚至完全不会编程的人，底层用的其实可能都是同一个 AI。

不同的只是它连接的工具、权限、工作环境，以及最后呈现出来的界面。

程序员看到的可能更像开发环境，销售看到的可能是邮件、客户和数据，普通用户看到的依然可能只是一个非常简单的对话界面。

OpenAI 想做的不是一堆不同的 AI 工具，而是一个 AI，根据你是谁，自动变成适合你的样子。

02 Astra 和下一代模型

这部分其实很关键。

Tibo 谈到 Astra 和下一代模型时，重点并不是“下一代模型会强多少”，而是：

下一代模型会需要完全不同的智能体系统。

今天很多高级 Codex 用户已经习惯维护技能文件（Skills）、记忆（Memory）和子智能体（Sub-agent）。

技能越来越多要整理，Memory 会遗忘，Sub-agent 多了以后，还得考虑它们之间怎么协作。

Tibo 的判断是：

这些都还是很早期的东西。

真正理想的 Agent，不应该让人天天维护这些底层结构。

它应该长期理解你，知道你的目标、日常工作、习惯，甚至理解你的团队，然后自己决定需要调用什么技能、记住什么信息、是否启动其他 Agent。

底层可以非常复杂，但用户看到的应该越来越简单。

这也是 Tibo 对下一代模型一个非常明确的判断：模型越强，人越不应该去管理 Agent 本身。

03 Laptop 会变成瓶颈

另一个很有意思的判断是：未来限制 Agent 的，可能反而是你的电脑。

今天的电脑，本来就是按照人类工作速度设计的。

我们一次只能操作几个窗口、几个应用，写代码和处理信息也有明显速度上限。

但模型没有这些限制。

Tibo 举了一个很夸张的例子：

未来一个模型可能同时处理 100 个应用。

它可以同时探索不同方案、写测试、编译、验证假设，再启动多个 Agent 并行工作。

到了这个阶段，一台再强的 MacBook 也很难承担这样的工作量。

所以 Tibo 明确认为：云端智能体（Cloud Agent）会越来越重要。

未来你电脑上看到的可能只是一个入口，真正工作的，是背后一整套云端计算系统。

这其实也意味着，Agent 的终局可能不是“电脑里装一个更强的软件”，而是：

背后有一整套随时为你工作的计算系统。

04 Ultra Fast 可能会普及

Ultra Fast 现在最高可以做到大约 14 倍生成速度。

很多人会觉得，这种能力肯定长期属于昂贵的高端功能。

但 Tibo 的判断相当激进：

大概 1～2 年以后，今天 Ultra Fast 这种速度，可能就会逐渐接近默认体验。

当然，不是所有任务都会真的快 14 倍。

如果主要是在生成代码，提升会非常明显；如果涉及大量工具调用、网络访问和 CPU 操作，实际可能只有 3～4 倍。

但更重要的是，OpenAI 的速度提升并不只是靠堆 GPU。

模型本身也在变得越来越高效。

Tibo 提到，Sol 已经比 Terra 高效很多，下一代模型还会继续提高 Token 使用效率。

与此同时，即使不计算 Ultra Fast，OpenAI 普通推理速度在过去大约三个月里，也已经提高了 60% 左右。

所以很可能：

今天的 Ultra Fast，就是一两年后的普通档。

05 AI 太快以后，工作方式也会变

现在很多重度 Agent 用户，一次会开 10 个甚至 15 个 Agent。

一个任务扔进去，再切到另一个，过一会儿回来查看结果。

AI 在帮你干活，但你自己反而变成了“AI 项目经理”。

Tibo 说，OpenAI 现在很在意一个东西：人的注意力。

如果 Ultra Fast 再叠加语音，未来的工作流可能完全不同。

你说一个想法，AI 马上生成原型；你看完直接说哪里要改，它立刻修改；接着再让它补市场研究、数据分析和报告。

整个过程不需要来回切换上下文。

AI 的速度一旦接近人的思考和表达速度，人和 AI 的关系就会从“派任务”，变成真正的实时协作。

这时候，速度提升真正改变的就不只是“等 20 秒还是等 2 秒”，而是整个工作方式。

06 两条 Agent 路线

Tibo 也把未来 Agent 大致分成了两条路线。

一条是 个人通用智能（Personal AGI）。

它长期理解你，知道你在做什么，会主动提供信息，帮你研究、编程、分析和处理工作。

另一条是 全自动化（Full Automation）。

比如生产系统出现问题，Agent 自动查看日志、找到问题、修改代码、测试并修复。

安全扫描发现漏洞，也可能自动完成修复，只把高风险操作交给人批准。

这时候，Agent 就不只是“帮人干活”。

而是开始完整接管一部分工作流程。

07 Codex 已经 2000 万用户

访谈里还透露了一个值得注意的数据：

Codex 已经达到大约 2000 万用户。

而 Codex 与 ChatGPT 的融合，是最近增长的重要推动力之一。

这其实说明了一个趋势：Codex 最终不会只是程序员工具。

当编程能力进入 ChatGPT 以后，产品经理、设计师、销售、市场人员都可以直接使用。

比如你让 ChatGPT 分析 5000 条数据，它背后可能自己写 Python、运行程序、整理结果。

普通用户根本不用知道发生了什么。

代码以后可能只是 AI 操作数字世界的一种底层语言。

所以所谓“Coding Agent”，最后未必只服务 Coding。

程序员可能只是第一批吃到这套能力的人。

08 Reset 原来这么“草台班子”

这大概是整场最好玩的一段。

Tibo 在 X 上被叫作 Reset Lord，就是因为他经常突然给 Codex 用户重置额度。

但这件事一开始根本不是什么运营活动。

早期 Codex 还在高速迭代，经常会出现配置错误、服务故障或者体验下降。

Tibo 的逻辑很简单：如果问题是 OpenAI 搞出来的，用户却花了自己的额度，那就应该补偿。

最开始只是送一点额度，后来慢慢演变成了直接 Reset 使用限制。

更有意思的是，这背后并没有什么复杂的市场或财务审批。

Tibo 基本可以自己决定什么时候按。

后来他们甚至真的做了一个实体 Reset Button。

主持人问他是不是确有其物，Tibo 笑着说：“我可以带你去看。”

所以大家平时在 X 上看到的那些“RESET”，搞不好真的是这哥们亲手按的。

09 AI 已经开始优化 AI

Reset 又引出了一个更重要的问题：OpenAI 为什么越来越有能力提供这么多算力？

除了提前储备计算资源，还有一个原因：

模型正在帮助 OpenAI 降低模型自己的运行成本。

Tibo 提到，Sol 曾参与优化 Luna 的服务架构，随后 Luna 的价格下降了大约 80%。

模型也正在参与优化推理系统、CUDA 内核、服务基础设施、云端 Agent 等环节。

主持人因此问：

这算不算递归自我改进（Recursive Self-Improvement）？

Tibo 的回答基本是：

算。

大家以前想象的递归自我改进，是 GPT-6 自己研究 GPT-7。

但现实可能没那么戏剧化。

模型变强以后，先帮人类优化运行模型的系统；系统因此变快、变便宜；模型又能够承担更多工作，再继续反过来优化系统。

Tibo 把它概括成：这是一个完整的大系统。

所以我们一直等待的“AI 开始自我改进”这一天，可能根本不会有明确的时间点。

它很可能已经一点点开始发生了。

10 最后的 AI 会越来越简单

整场访谈看下来，我觉得 OpenAI 对未来的产品形态已经说得非常清楚。

不是继续给普通用户增加更多 Skills、Memory 和 Sub-agent，也不是做几十个不同的 AI 应用。

而是把这些复杂结构全部藏到后面。

最后留下一个非常简单的 AI。

它长期理解你，知道你的目标、习惯和团队，可以听你说话、看到你正在做什么，还能调用远超一台个人电脑的云端算力。

所以今天我们看到的 ChatGPT、Codex、Skills、Memory、Sub-agent，可能都只是中间形态。

Codex 已经开始并入 ChatGPT，但 OpenAI 真正想做的，还要再往前一步：未来你甚至不需要知道自己在用哪个产品。

最后只剩一个 AI，它认识你、理解你，然后直接帮你把事情做掉。

采访视频地址：https://www.youtube.com/watch?v=4qjEgPojjzM