הטענה על ה־Harness של OpenAI לא אומתה — אבל ניהול ההקשר שילש את תוצאות ARC-AGI-3

מה באמת מאומת לגבי סביבת ההרצה של Codex?

הטענה שלפיה OpenAI שחררה ב־20 באוגוסט 2026 רכיב בשם “Harness”, ברישיון Apache 2.0, כמסגרת הביצוע בקוד פתוח של Codex — אינה מאומתת בחומר הרשמי שסופק כאן. היא מופיעה בדיווח משני, אך המקורות הרשמיים מתעדים במקום זאת את לולאת הסוכן של Codex, את דרכי האינטגרציה שלו וניסוי נפרד שהראה עד כמה ניהול מצב בזמן ריצה יכול להשפיע על ביצועי המודל .

OpenAI מציגה את Codex לא כמודל שמגיב לכל פרומפט בנפרד, אלא כמערכת שפועלת בלולאה:

1. תכנון המשימה.
2. עריכת הקוד.
3. הפעלת כלים כמו בדיקות, בנייה או linters.
4. בחינת התוצאות.
5. תיקון כשלים.
6. עדכון תיעוד או סטטוס.
7. חזרה על התהליך לפי הצורך.

הלולאה הזו מתאמת בין המודל, הוראות המשתמש, שינויי הקוד, קריאות לכלים והמשוב שמגיע מסביבת ההרצה . Codex יכול לקרוא, לשנות ולהריץ קוד, וסביבת הענן שלו מסוגלת לטפל בכמה משימות במקביל ואף ליזום עבודה באופן פרואקטיבי .

רכיב ארכיטקטוני נוסף שאושר במקורות הוא Codex App Server: ממשק דו־כיווני המבוסס על JSON-RPC, שמחבר את לוגיקת הסוכן המשותפת של Codex לממשקים כמו אפליקציית הווב, שורת הפקודה, תוסף IDE ואפליקציית macOS . בנוסף, OpenAI מתארת את Codex CLI כמימוש עזר בקוד פתוח, ומציעה למפתחים להשתמש במודל ישירות דרך ה־API או להיעזר ב־Codex SDK לאינטגרציות פשוטות יותר .

התמונה המעשית היא של סביבת ביצוע שמקיפה את המודל: כלים, מצב פנימי, משוב וממשקים המאפשרים לסוכן לבצע עבודה מרובת שלבים. עם זאת, המקורות האלה אינם מוכיחים ש־OpenAI פרסמה דווקא ב־20 באוגוסט חבילה חדשה בשם “Harness” וברישיון Apache 2.0.

מה עדיין לא אומת?

הראיות שסופקו אינן קובעות:

• שאכן התרחש שחרור ב־20 באוגוסט;
• שהשחרור נקרא רשמית “Harness”;
• שהוא הופץ ברישיון Apache 2.0;
• אילו רכיבים בדיוק נכללו בחבילה הנטענת; או
• אילו חברות אימצו אותה ואילו תוצאות השיגו.

הטענה מופיעה בדיווח משני, המציג את

codex exec

איך שימור reasoning ודחיסת הקשר השפיעו על ARC-AGI-3?

ניסוי נפרד של OpenAI מספק את התוצאה הברורה ביותר שנתמכת במקורות. בהרצת GPT-5.6 Sol על מערך המשימות הציבורי של ARC-AGI-3, OpenAI דיווחה על ציון של 13.3% עם סביבת ההרצה הסטנדרטית. לאחר הפעלת שימור reasoning ודחיסת הקשר דרך Responses API, הציון עלה ל־38.3% — שיפור של בערך פי שלושה — בעוד השימוש בטוקני פלט ירד בערך פי שישה .

ההשוואה לא מתארת שינוי במשקלי המודל. השינוי המרכזי היה באופן שבו סביבת ההרצה העבירה את המצב בין תורות:

• שימור reasoning אפשר למסקנות ביניים שימושיות להישאר זמינות בין פעולות, במקום לאלץ את המודל לבנות מחדש את דרך החשיבה שלו בכל שלב.
• דחיסת הקשר — context compaction — דחסה את היסטוריית המשימה הישנה, במקום לאפשר לה להיעלם פשוט כשהאינטראקציה התארכה.

מדריך המפתחים של OpenAI מציג את ההגדרות האלה כאמצעים לשימוש חוזר בעבודה שכבר בוצעה ולשמירה על עקביות במשימות ארוכות . לכן נכון יותר להבין את התוצאה כמדידה של מערכת משולבת — מודל וסביבת ריצה — ולא כהוכחה שהמודל לבדו נעשה מסוגל פי שלושה.

יש גם מגבלה חשובה: מדובר בהשוואה בין שתי תצורות הרצה על מערך הערכה ציבורי. הניסוי אינו מוכיח שאותו שיפור יופיע בכל סוכן, מודל, עומס עבודה או סביבת ייצור.

מה מפתחים יכולים לעשות כבר עכשיו?

המסקנה המאומתת החשובה אינה ההכרזה הלא־מאומתת על Harness ברישיון Apache 2.0, אלא העובדה ש־OpenAI מספקת כמה דרכים לבנות סביב התנהגות קידוד סוכנית:

• גישה ישירה ל־API: מדריך הפרומפטים של Codex מציג את השימוש ב־API כאפשרות הגמישה ביותר להתאמה אישית .
• Codex SDK: ה־SDK מוצג כדרך אינטגרציה פשוטה יותר למפתחים שאינם רוצים להרכיב בעצמם כל ממשק ורכיב .
• CLI בקוד פתוח: OpenAI מגדירה את Codex CLI כמימוש עזר שניתן לעיין בו ולהתאים אותו .
• לולאת ביצוע של סוכן: מחזור התכנון–יישום–אימות–תיקון הוא דפוס הפעולה שמאחורי עבודת קידוד ארוכת־טווח .
• הרצה בענן: Codex יכול לעבוד עם מאגרי קוד, להריץ תוכניות ולטפל במשימות רקע במקביל בסביבת הענן שלו .

השילוב הזה מאפשר להטמיע סוכן בתוך מוצר או תהליך הנדסי, במקום להגביל אותו לממשק שיחה כללי. מפתחים יכולים להוסיף הוראות ייעודיות לתחום, כלים, הרשאות, שלבי אימות וניהול מצב סביב המודל. זהו כיוון אינטגרציה שמתועד במקורות; הטענה הרחבה יותר, שלפיה שחרור יחיד ברישיון Apache מאגד את כל הרכיבים האלה, עדיין אינה מאושרת במקורות הרשמיים שסופקו.

נתוני האימוץ מצומצמים יותר מהטענה על השחרור

המקורות שסופקו אינם מזהים חברות שאימצו את המסגרת הנטענת ברישיון Apache, ואינם מציגים תוצאות ברמת החברה עבור תהליכים משפטיים, תפעוליים, מחקריים או תהליכים אחרים שאינם קידוד.

עם זאת, קיימת אינדיקציה רחבה יותר לשימוש ב־Codex אצל לקוחות עסקיים: OpenAI דיווחה כי נכון ליוני, Codex יצר 64% מסך טוקני הפלט המשולבים של Codex ו־ChatGPT בקרב לקוחות ארגוניים . הנתון מצביע על פעילות ארגונית משמעותית, אך אינו מוכיח אימוץ של חבילת ה־Harness הנטענת, אינו מזהה חברות מסוימות ואינו קובע מה הייתה ההשפעה העסקית.

המשמעות האסטרטגית: פחות צ'אט, יותר ביצוע

הדפוס המאומת מצביע על מעבר מעוזר שמציע תשובות בצ'אט לסוכן שמקבל עליו ביצוע של עבודה. Codex משלב מודל עם כלים, לולאת משוב איטרטיבית, מצב שניתן לשמר או לדחוס וסביבות הרצה שמסוגלות לבצע משימות לאורך כמה שלבים .

עבור צוותי מוצר, ארכיטקטורה כזו יכולה לתמוך בסוכנים ייעודיים למאגרי תוכנה, לתפעול פנימי, למחקר או לתהליכים מבוקרים אחרים. איכות היישומים האלה תלויה לא רק בבחירת המודל, אלא גם בתכנון הגישה לכלים, שמירת המצב, מגבלות ההקשר, האימות וההתאוששות מכשלים.

זהו הלקח העמיד ביותר מניסוי ARC-AGI-3: שינוי סביבת ההרצה יכול לשנות גם את היכולת וגם את היעילות. אבל על סמך הראיות הזמינות, מדויק יותר לדבר על סביבת הריצה ורכיבי ה־API המתועדים של Codex, ולא לדווח על שחרור Harness ברישיון Apache 2.0 ב־20 באוגוסט כעל עובדה מבוססת.