OpenAI Codex 重大更新：支持自动操作电脑、多智能体并行与长期任务自动化

OpenAI 为 Codex 推出重大更新，新增原生电脑操控、后台多智能体并行、长期任务自动化调度及 90+ 插件集成，配合 GPT-5.4 的百万上下文和计算机使用能力，Codex 正从编码助手进化为全栈开发智能体。

OpenAI 刚刚给 Codex 做了一次大手术。

这次更新的核心信息只有一句话：Codex 现在能像人一样操作你的电脑了——看屏幕、点鼠标、敲键盘，在各种桌面应用之间穿梭完成任务。它不再只是一个代码生成器，而是一个能在你 Mac 后台默默干活的智能体军团。

这不是小修小补。这是 Codex 从「编码工具」到「通用开发智能体」的一次身份跃迁。

电脑操控：从生成代码到执行代码

过去的 Codex 再聪明，本质上还是在一个沙盒里写代码、跑终端。你让它改个前端样式，它能生成代码，但没法自己打开浏览器看看渲染效果对不对。你让它测个 App，它只能纸上谈兵。

现在不一样了。新版 Codex 引入了原生的计算机使用能力（Computer Use），能够：

直接操控桌面应用程序，包括浏览器、IDE、终端、甚至 Figma 这类设计工具
通过视觉识别屏幕内容，理解 UI 元素的位置和状态
模拟鼠标点击、键盘输入、滚动等人类操作
在多个应用之间切换完成跨工具工作流

举个实际场景：你让 Codex 修一个前端 Bug。以前它改完代码就停了，你得自己刷新页面、检查效果、截图对比。现在它能自己打开浏览器、加载页面、截屏对比修改前后的差异、发现新问题再回去改代码——整个闭环它自己跑完。

这个能力的底层支撑来自同步发布的 GPT-5.4。这是 OpenAI 第一个具备原生且顶尖计算机使用能力的通用模型，支持高达 1M Token 的上下文窗口。百万级上下文意味着智能体可以在长周期内保持对整个项目的理解，不会「忘事」。

Codex 在后台操控桌面应用完成前端调试的工作流示意图

熟悉 Anthropic 动态的开发者应该会觉得眼熟——Claude 早在去年就推出了 Computer Use 功能。OpenAI 这次算是正面回应，而且直接把电脑操控能力绑定到了 Codex 这个已经有大量开发者用户的产品上，而不是作为一个独立的实验性 API 放出来。The Verge 的报道标题说得很直白：这是对 Claude Code 的正面开火。

不过有个现实问题：电脑操控功能目前只支持 macOS。Windows 用户暂时只能干瞪眼。社区里已经有不少吐槽了——「永远慢半拍的 Win 端」「OpenAI 的员工是不是都用 Mac」。考虑到 Codex 桌面应用今年 3 月才刚出 Windows 版，电脑操控功能登陆 Windows 估计还得等一阵。

后台多智能体：一个人指挥一支团队

如果说电脑操控是 Codex 的新技能，那后台多智能体并行就是它的新工作模式。

新版 Codex 引入了后台运行模式。多个智能体可以同时在你的 Mac 上并行工作，各自处理不同的任务，互不干扰，也不会抢占你正在使用的屏幕。你可以一边写文档，后台的 Codex 智能体们一边在帮你跑测试、审 PR、修 Bug。

Codex 桌面应用被定位为「智能体的指挥中心」。每个智能体在独立的线程中运行，按项目组织，你可以在不同任务之间无缝切换而不丢失上下文。这个设计思路很清晰：开发者的角色正在从「写代码的人」变成「指挥智能体的人」。

OpenAI 自己做了一个很有说服力的演示：他们让 Codex 从零开始做一款赛车游戏，包含不同赛车手、八张地图和道具系统。Codex 独立使用超过 700 万个 Token，同时扮演设计师、游戏开发者和 QA 测试员的角色——它甚至会自己玩游戏来验证功能是否正常。整个过程只需要一个初始提示词。

这个演示当然有秀肌肉的成分，但它展示的工作模式是真实的：你给出目标，智能体自己拆解任务、分配角色、执行验证。

长期任务自动化：不只是一次对话

这次更新中最容易被忽略、但可能最有长期价值的功能是自动化调度（Automation）。

Codex 现在支持跨越数日甚至数周的长期任务。你可以设定一个自动化流程，指定执行时间表，Codex 会按计划在后台运行。任务完成后，结果进入审核队列，等你有空了再回来检查。

这意味着什么？

每天凌晨自动跑一遍测试套件，早上上班直接看报告
每周自动审查新提交的 PR，按照团队规范给出评审意见
监控依赖库更新，自动创建升级 PR 并跑通测试
定期扫描代码库中的安全漏洞，生成修复建议

这些以前需要配置 CI/CD Pipeline 或者写专门的自动化脚本才能实现的事情，现在用自然语言描述一下就行了。

配合记忆能力的强化，Codex 可以记住你的偏好、项目背景和历史决策。它不再是每次对话都从零开始的无状态工具，而是一个越用越懂你的长期协作伙伴。

90+ 插件：打通开发工具链

新版 Codex 整合了超过 90 个插件，覆盖了开发者日常工作中几乎所有常用工具：

代码托管：GitHub
项目管理：JIRA
团队沟通：Slack
云部署：Cloudflare、Netlify、Render、Vercel
以及更多...

Codex 能够根据项目上下文主动建议工作优先级。比如它看到 JIRA 上有一个高优先级的 Bug，GitHub 上有相关的 Issue 讨论，Slack 里有同事提到了复现步骤——它可以把这些信息串起来，直接开始修复。

此外，Codex 还引入了「技能」（Skills）系统。技能是打包好的指令、资源和脚本的集合，让 Codex 能够可靠地连接工具、运行工作流。OpenAI 提供了一个开源的技能库，包括网页游戏开发、图像生成、云端部署等。你也可以创建自定义技能，把团队特有的工作流程封装进去。

内置浏览器和图像生成能力也是这次更新的亮点。Codex 现在可以直接在内置浏览器中查看网页效果，用 GPT 图像能力生成 UI 素材。对于全栈开发者来说，从设计到开发到部署的链路又短了一截。

GPT-5.4：Codex 背后的引擎升级

这次 Codex 更新不是单独发生的，它和 GPT-5.4 的发布是一个整体。

GPT-5.4 对 Codex 的意义在于几个关键能力：

原生计算机使用能力——这是电脑操控功能的基础
1M Token 上下文——让智能体能处理大型项目而不丢失信息
工具搜索（Tool Search）——在 90+ 插件生态中高效找到并使用正确的工具
Token 效率大幅提升——相比 GPT-5.2，解决相同问题所需的 Token 显著减少

第四点对开发者的钱包很友好。Token 效率提升意味着同样的任务花更少的钱，或者同样的预算能干更多的事。Codex 还新增了 /fast 模式，可以把 GPT-5.4 的输出速度提升到 1.5 倍，模型能力不变，纯粹是更快。

对于通过 API 使用这些能力的开发者，GPT-5.4 的模型名称是 gpt-5.4，Pro 版本是 gpt-5.4-pro。如果你在用 OpenAI Hub 这类兼容 OpenAI 格式的 API 聚合服务，切换到新模型基本上就是改一下 model 参数的事：

import openai

client = openai.OpenAI(
    api_key="你的 OpenAI Hub API Key",
    base_url="https://api.openai-hub.com/v1"
)

# 使用 GPT-5.4 进行对话
response = client.chat.completions.create(
    model="gpt-5.4",
    messages=[
        {"role": "system", "content": "你是一个资深全栈开发助手。"},
        {"role": "user", "content": "帮我分析这段代码的性能瓶颈，并给出优化方案。"}
    ],
    max_tokens=4096
)

print(response.choices[0].message.content)

# 使用 GPT-5.4 的工具调用能力
response = client.chat.completions.create(
    model="gpt-5.4",
    messages=[
        {"role": "user", "content": "查看我的 GitHub 仓库最近的 PR 并给出评审意见"}
    ],
    tools=[
        {
            "type": "function",
            "function": {
                "name": "github_list_pull_requests",
                "description": "列出指定仓库的 Pull Requests",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "repo": {"type": "string", "description": "仓库名称，格式: owner/repo"},
                        "state": {"type": "string", "enum": ["open", "closed", "all"]}
                    },
                    "required": ["repo"]
                }
            }
        }
    ],
    tool_choice="auto"
)

print(response.choices[0].message)

安全设计：沙盒还是得有的

让 AI 操控电脑这件事，安全问题是绕不过去的。OpenAI 在这方面的设计还算克制：

Codex 使用原生、开源且可配置的系统级沙盒
默认情况下，智能体只能在指定的工作文件夹或分支中编辑文件
使用缓存的网页搜索，而非直接访问网络
需要提升权限（如网络访问）时，必须请求用户许可
支持为项目或团队配置规则，允许特定命令自动以更高权限运行

这个权限模型和 Linux 的 sudo 思路类似：默认最小权限，需要时逐级申请。对于企业用户来说，这种可配置的安全策略比「要么全开要么全关」实用得多。

谁能用？多少钱？

Codex 的新功能面向所有登录 ChatGPT 桌面端的用户开放。具体来说：

ChatGPT Plus、Pro、Business、Enterprise、Edu 订阅用户可以在 CLI、网页、IDE 扩展和桌面应用中使用 Codex
订阅中已包含试用额度，可按需购买额外额度
限时向 ChatGPT 免费版和 Go 用户开放
所有付费套餐的现有 Codex 用户速率额度翻倍

电脑操控功能首发 macOS，Windows 暂不支持。

API 方面，GPT-5.4 的单 Token 价格高于 GPT-5.2，但凭借更好的 Token 效率，实际使用成本在很多场景下反而更低。Batch 和 Flex 模式价格为标准费率的一半，Priority 模式为两倍。

说点真话

这次更新的野心很大，但也有几个值得冷静看待的地方。

第一，电脑操控的可靠性。Anthropic 的 Computer Use 已经上线一段时间了，实际体验中误操作、卡死、理解错误的情况并不少见。OpenAI 的实现是否更稳定，还需要大量真实场景的验证。演示视频里的流畅操作和日常使用中的各种边界情况，往往是两回事。

第二，Windows 支持的缺失。开发者群体中 Windows 用户的占比不低，尤其是游戏开发、.NET 生态、企业内部工具开发等领域。macOS 优先的策略可以理解（OpenAI 内部确实 Mac 用户居多），但如果 Windows 版迟迟不跟上，会丢掉一大块市场。社区里已经有人在吐槽了，这个情绪不能忽视。

第三，长期任务自动化的信任问题。让 AI 在后台跑几天甚至几周的任务，中间不需要人工干预——这个概念很美好，但在生产环境中，大多数团队恐怕还不敢这么用。审核队列的设计是对的，但「事后审核」和「实时监控」之间的差距，在关键业务场景中可能是致命的。

第四，竞争格局。Cursor、Windsurf、Claude Code、GitHub Copilot Workspace——AI 编码工具赛道已经非常拥挤。Codex 的差异化在于它背靠 ChatGPT 的用户基础和 OpenAI 的模型能力，但其他玩家也在快速迭代。这场仗远没有到终局。

不过话说回来，Codex 这次更新确实把「AI 编码助手」的天花板又往上推了一截。从写代码到操作电脑，从单次对话到长期自动化，从单个智能体到多智能体协作——它描绘的是一个开发者作为「智能体指挥官」的未来。

这个未来离我们有多远？取决于这些功能在真实开发场景中的可靠性。但方向是清晰的，而且不可逆。

参考来源：

OpenAI 发布 Codex 重大更新：支持自动操作电脑与长期任务自动化 - Linux.do 社区讨论 — 社区开发者对 Codex 更新的讨论与反馈

Codex 不只写代码了，它要接管你的电脑