Dakwaan “Harness” Codex OpenAI Belum Disahkan — Tetapi Pengurusan Konteks Memberi Lonjakan Besar

Satu lagi komponen seni bina yang disahkan ialah Codex App Server. Ia menggunakan API JSON-RPC dua hala untuk menghubungkan logik ejen bersama Codex kepada pelbagai antaramuka, termasuk aplikasi web, CLI, sambungan IDE dan aplikasi macOS . OpenAI turut menerangkan Codex CLI sebagai pelaksanaan rujukan sumber terbuka. Pembangun boleh menggunakan model secara terus melalui API atau memilih Codex SDK untuk integrasi yang lebih mudah .

Ringkasnya, bukti ini menunjukkan adanya runtime pelaksanaan di sekeliling model — lengkap dengan alat, keadaan, maklum balas dan antaramuka yang membolehkan ejen menjalankan kerja berbilang langkah. Namun, ia tidak dengan sendirinya membuktikan bahawa OpenAI menyediakan pakej baharu bernama “Harness” di bawah lesen Apache 2.0 pada 20 Ogos.

Mengapa retained reasoning dan compaction penting dalam ARC-AGI-3

Eksperimen OpenAI terhadap set tugasan awam ARC-AGI-3 memberikan dapatan paling jelas dalam bahan yang tersedia. Dengan menggunakan GPT-5.6 Sol, OpenAI melaporkan skor 13.3% melalui harness standard. Selepas mengaktifkan retained reasoning dan context compaction melalui Responses API, skor meningkat kepada 38.3% — kira-kira tiga kali ganda — manakala penggunaan token output turun kira-kira enam kali .

Perubahan yang dibandingkan bukanlah berat model. Perbezaan utamanya ialah cara runtime mengekalkan keadaan antara satu pusingan dengan pusingan berikutnya:

• Retained reasoning membolehkan langkah penaakulan perantaraan yang berguna dikekalkan merentas tindakan, berbanding memaksa model membina semula pendekatannya selepas setiap langkah.
• Context compaction memampatkan sejarah tugasan yang lebih lama apabila konteks semakin panjang, dan bukannya membuangnya begitu sahaja.

Panduan OpenAI untuk pembangun menerangkan tetapan ini sebagai cara menggunakan semula kerja yang telah dilakukan serta mengekalkan kesinambungan bagi tugasan yang berlangsung lebih lama . Oleh itu, keputusan tersebut lebih tepat difahami sebagai ukuran prestasi gabungan model dan runtime — bukan bukti bahawa model asas itu sendiri menjadi tiga kali lebih berkeupayaan.

Dapatan ini juga mempunyai batasan penting: perbandingan tersebut melibatkan dua konfigurasi pelaksanaan pada set penilaian awam. Ia tidak membuktikan peningkatan yang sama akan berlaku pada setiap ejen, model, beban kerja atau persekitaran produksi.

Apa yang boleh digunakan oleh pembangun hari ini

Kesimpulan paling kukuh bukanlah pengumuman Apache 2.0 yang belum disahkan, tetapi hakikat bahawa OpenAI menyediakan beberapa laluan untuk membina aplikasi berasaskan tingkah laku pengekodan agentik:

• Akses API terus: Panduan pengarahan Codex menyifatkan API sebagai pilihan paling boleh disesuaikan .
• Codex SDK: SDK menyediakan laluan integrasi yang lebih mudah bagi pembangun yang tidak mahu membina setiap antaramuka sendiri .
• CLI sumber terbuka: OpenAI mengenal pasti Codex CLI sebagai pelaksanaan rujukan yang boleh diperiksa dan diubah suai oleh pembangun .
• Gelung pelaksanaan ejen: Corak merancang–melaksana–mengesahkan–membaiki menjadi asas kerja pengekodan jangka panjang .
• Pelaksanaan awan: Codex boleh bekerja dengan repositori, menjalankan kod dan mengendalikan tugasan latar secara selari dalam persekitaran awannya .

Gabungan ini membolehkan ejen diletakkan terus dalam produk atau aliran kerja kejuruteraan, bukan hanya digunakan melalui antara muka perbualan umum. Pembangun boleh menetapkan arahan khusus domain, alat, kebenaran, langkah pengesahan dan kaedah pengurusan keadaan di sekeliling model. Arah integrasi ini disokong oleh dokumentasi; dakwaan lebih luas tentang satu keluaran Harness berlesen Apache yang menghimpunkan semuanya masih belum disahkan oleh sumber rasmi yang dibekalkan.

Bukti penggunaan perusahaan lebih terhad daripada dakwaan pelancaran

Sumber yang tersedia tidak mengenal pasti syarikat yang menggunakan rangka kerja Apache yang didakwa itu. Sumber tersebut juga tidak memberikan hasil peringkat syarikat bagi aliran kerja undang-undang, operasi, penyelidikan atau bukan pengekodan yang lain.

Bagaimanapun, terdapat petunjuk lebih umum bahawa Codex digunakan oleh pelanggan perusahaan. OpenAI melaporkan bahawa setakat Jun, Codex menghasilkan 64% daripada jumlah token output gabungan Codex dan ChatGPT dalam kalangan pelanggan perusahaan . Angka ini menunjukkan aktiviti perusahaan yang ketara, tetapi tidak membuktikan penggunaan pakej Harness yang didakwa, tidak menamakan syarikat tertentu dan tidak menetapkan kesan perniagaan.

Implikasi strategik untuk pembangunan ejen

Corak yang disahkan menunjukkan peralihan daripada bantuan berasaskan sembang kepada pelaksanaan tugasan yang boleh diserahkan. Codex menggabungkan model, alat, gelung maklum balas berulang, keadaan yang berterusan atau dimampatkan, serta persekitaran pelaksanaan yang mampu menjalankan kerja melalui beberapa langkah .

Bagi pasukan produk, seni bina sebegini boleh menyokong ejen khusus untuk repositori perisian, operasi dalaman, tugasan penyelidikan atau aliran kerja terkawal yang lain. Kualiti aplikasi itu tidak bergantung pada pilihan model semata-mata. Reka bentuk akses alat, pengekalan keadaan, had konteks, pengesahan dan pemulihan daripada kegagalan juga memainkan peranan penting.

Itulah pengajaran paling berpanjangan daripada eksperimen ARC-AGI-3: mengubah harness boleh mengubah keupayaan dan kecekapan sistem. Namun berdasarkan bukti yang ada, lebih tepat untuk melaporkan runtime serta komponen API Codex yang telah didokumentasikan — dan bukannya menganggap pelancaran “Harness” Apache 2.0 pada 20 Ogos sebagai fakta yang sudah disahkan.