公式資料で確認できるCodexの実行ループ

Codexの中核にあるのは、単発の質問応答ではなく、複数の工程を繰り返すエージェントループです。

1. 作業計画を立てる
2. コードを編集する
3. テスト、ビルド、Lintなどのツールを実行する
4. 実行結果を確認する
5. 失敗を修正する
6. ドキュメントや進捗状況を更新する
7. 必要に応じて同じサイクルを繰り返す

つまり、モデルの推論だけで完結するのではなく、コード変更、ツール利用、観測結果、修正作業をランタイムがつなぐ構成です。

開発者が独自のアプリケーションに組み込む方法として、OpenAIはAPIを直接利用する方式と、より簡単に統合できるCodex SDKを案内しています。 公式資料から具体的に確認できるのは、このAPI・SDKを通じて、開発者が独自の指示やツール、状態管理を組み合わせる道筋です。

ARC-AGI-3で何が変わったのか

OpenAIは、ARC-AGI-3の公開タスクセットで、Responses APIの設定を変更した実験結果を発表しています。通常の公式ハーネスではGPT-5.6 Solのスコアが13.3％だったのに対し、**推論保持（retained reasoning）とコンテキスト圧縮（compaction）を有効にしたResponses APIのハーネスでは38.3％**となりました。

OpenAIの説明では、これはスコアが188％上昇し、おおむね3倍になったことを意味します。また、出力トークンの使用量は6分の1になりました。

推論保持とは

推論保持を有効にすると、長時間にわたるエージェント処理で、過去の中間的な検討結果を次のターンに引き継ぎやすくなります。 毎回ゼロから問題を解き直すのではなく、これまでに分かった制約や試行結果を踏まえて次の行動を選べる点が重要です。

コンテキスト圧縮とは

作業が長引くと、過去の会話やツール出力をすべてそのまま次の処理へ渡すのは難しくなります。コンテキスト圧縮は、増え続ける履歴を圧縮し、重要な状態を残しながら後続の処理へ引き継ぐ仕組みです。

この2つを組み合わせることで、必要な作業状態を保ちながら、毎回大量の出力を生成する負担を抑えられたと考えられます。ただし、これは基盤モデル単体の性能だけでなく、推論状態やツール実行、履歴管理を含むランタイム設計が結果を左右することも示しています。

企業の採用状況と成果は確認できるか

提供された権威ある資料には、Apache 2.0版の「Harness」を採用した企業名、同フレームワークで実行された非コーディング業務、企業別の定量的な成果は記載されていません。

そのため、「すでに多くの企業が採用している」「特定の業務で何％効率化した」といった主張を、今回の資料だけから裏付けることはできません。

何が戦略的に重要なのか

「Harness」の公開そのものは、現時点の提供資料では確認が不十分です。しかし、OpenAIが開発者に対し、ChatGPTやCodexの画面を介さず、APIやCodex SDKからコーディング向けモデルを利用する道を示していることは確認できます。

これは、開発者が自社製品の中に次の要素を組み込めることを意味します。

• モデルによる計画と推論
• コードや業務システムを操作するツール
• 実行結果を受け取る観測機能
• 会話や作業履歴を扱う状態管理
• 失敗時に再試行・修正するループ

将来的には、社内の開発工程、定型的なオペレーション、規制の厳しい業務手順など、用途に合わせてエージェントを設計することも可能です。ただし、こうした応用可能性は戦略的な解釈であり、提供資料が特定企業の導入実績や成果を証明しているわけではありません。

現時点で確実に言えるのは、Codexが「一問一答型のアシスタント」から、計画して実行し、結果を見て修正する、委任可能な複数工程エージェントへと設計されていることです。

公式資料で確認できるCodexの実行ループ

Codexの中核にあるのは、単発の質問応答ではなく、複数の工程を繰り返すエージェントループです。

1. 作業計画を立てる
2. コードを編集する
3. テスト、ビルド、Lintなどのツールを実行する
4. 実行結果を確認する
5. 失敗を修正する
6. ドキュメントや進捗状況を更新する
7. 必要に応じて同じサイクルを繰り返す

つまり、モデルの推論だけで完結するのではなく、コード変更、ツール利用、観測結果、修正作業をランタイムがつなぐ構成です。

開発者が独自のアプリケーションに組み込む方法として、OpenAIはAPIを直接利用する方式と、より簡単に統合できるCodex SDKを案内しています。 公式資料から具体的に確認できるのは、このAPI・SDKを通じて、開発者が独自の指示やツール、状態管理を組み合わせる道筋です。

ARC-AGI-3で何が変わったのか

OpenAIは、ARC-AGI-3の公開タスクセットで、Responses APIの設定を変更した実験結果を発表しています。通常の公式ハーネスではGPT-5.6 Solのスコアが13.3％だったのに対し、**推論保持（retained reasoning）とコンテキスト圧縮（compaction）を有効にしたResponses APIのハーネスでは38.3％**となりました。

OpenAIの説明では、これはスコアが188％上昇し、おおむね3倍になったことを意味します。また、出力トークンの使用量は6分の1になりました。

推論保持とは

推論保持を有効にすると、長時間にわたるエージェント処理で、過去の中間的な検討結果を次のターンに引き継ぎやすくなります。 毎回ゼロから問題を解き直すのではなく、これまでに分かった制約や試行結果を踏まえて次の行動を選べる点が重要です。

コンテキスト圧縮とは

作業が長引くと、過去の会話やツール出力をすべてそのまま次の処理へ渡すのは難しくなります。コンテキスト圧縮は、増え続ける履歴を圧縮し、重要な状態を残しながら後続の処理へ引き継ぐ仕組みです。

この2つを組み合わせることで、必要な作業状態を保ちながら、毎回大量の出力を生成する負担を抑えられたと考えられます。ただし、これは基盤モデル単体の性能だけでなく、推論状態やツール実行、履歴管理を含むランタイム設計が結果を左右することも示しています。

企業の採用状況と成果は確認できるか

提供された権威ある資料には、Apache 2.0版の「Harness」を採用した企業名、同フレームワークで実行された非コーディング業務、企業別の定量的な成果は記載されていません。

そのため、「すでに多くの企業が採用している」「特定の業務で何％効率化した」といった主張を、今回の資料だけから裏付けることはできません。

何が戦略的に重要なのか

「Harness」の公開そのものは、現時点の提供資料では確認が不十分です。しかし、OpenAIが開発者に対し、ChatGPTやCodexの画面を介さず、APIやCodex SDKからコーディング向けモデルを利用する道を示していることは確認できます。

これは、開発者が自社製品の中に次の要素を組み込めることを意味します。

• モデルによる計画と推論
• コードや業務システムを操作するツール
• 実行結果を受け取る観測機能
• 会話や作業履歴を扱う状態管理
• 失敗時に再試行・修正するループ

将来的には、社内の開発工程、定型的なオペレーション、規制の厳しい業務手順など、用途に合わせてエージェントを設計することも可能です。ただし、こうした応用可能性は戦略的な解釈であり、提供資料が特定企業の導入実績や成果を証明しているわけではありません。

現時点で確実に言えるのは、Codexが「一問一答型のアシスタント」から、計画して実行し、結果を見て修正する、委任可能な複数工程エージェントへと設計されていることです。