Dakwaan “Harness” Codex OpenAI Belum Disahkan — Tetapi Pengurusan Konteks Memberi Lonjakan Besar
Sumber berautoriti yang dibekalkan tidak mengesahkan pelancaran “Harness” Codex berlesen Apache 2.0 pada 20 Ogos, tetapi mendokumentasikan gelung pelaksanaan Codex: merancang, menyunting, menguji, memerhati dan membaiki. Codex boleh membaca, mengubah suai dan menjalankan kod, melaksanakan tugasan secara selari dalam...
Diterbitkan olehDisunting dengan GPT-5.6 LunaImej dijana dengan GPT Image 1.5
Sumber berautoriti yang dibekalkan tidak mengesahkan pelancaran “Harness” Codex berlesen Apache 2.0 pada 20 Ogos, tetapi mendokumentasikan gelung pelaksanaan Codex: merancang, menyunting, menguji, memerhati dan membaiki.
Codex boleh membaca, mengubah suai dan menjalankan kod, melaksanakan tugasan secara selari dalam awan, serta diintegrasikan melalui API, SDK dan CLI sumber terbuka [1][5].
Dalam eksperimen ARC AGI 3, retained reasoning dan context compaction menaikkan skor GPT 5.6 Sol daripada 13.3% kepada 38.3%, sambil mengurangkan penggunaan token output kira kira enam kali [19][28].
Tiada sumber yang dibekalkan menamakan syarikat yang menggunakan rangka kerja Apache tersebut atau melaporkan hasil terukur daripada aliran kerja bukan pengekodan.
What did OpenAI release on August 20 under the Apache 2.0 license as the core execution framework behind its Codex coding agent, what componThe key distinction is between Codex’s documented agent runtime and the unverified claim of a new Apache 2.0 Harness release.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What did OpenAI release on August 20 under the Apache 2.0 license as the core execution framework behind its Codex coding agent, what compon. Article summary: ## What was released Insufficient evidence supports the claimed August 20 Apache 2.0 release of an OpenAI “Harness” as a named, open-source Codex execution framework. The available official material does confirm Codex’s . Topic tags: general, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
openai.com
Dakwaan pelancaran yang masih belum terbukti
Dakwaan bahawa OpenAI melancarkan “Harness” berlesen Apache 2.0 pada 20 Ogos sebagai rangka kerja pelaksanaan sumber terbuka untuk Codex belum disahkan oleh bahan berautoriti yang dibekalkan. Dakwaan itu muncul dalam laporan sekunder, tetapi sumber rasmi yang tersedia lebih banyak menerangkan gelung ejen Codex, cara ia diintegrasikan dan satu eksperimen penanda aras yang menunjukkan kesan besar pengurusan keadaan runtime terhadap prestasi model .
Bukti yang ada tidak menetapkan bahawa:
pelancaran pada 20 Ogos benar-benar berlaku;
nama rasmi produk itu ialah “Harness”;
ia diedarkan di bawah lesen Apache 2.0;
komponen tepat yang terkandung dalam pakej tersebut; atau
syarikat mana yang telah menggunakannya dan apakah hasil yang dicapai.
Laporan sekunder berkenaan menyenaraikan codex exec, Codex SDK dan app-server sebagai sebahagian daripada keluaran itu . Namun, sumber rasmi yang dibekalkan menerangkan keupayaan dan komponen tersebut pada masa serta konteks yang berbeza. Tanpa pengumuman rasmi atau rekod repositori yang sepadan, ia tidak wajar dianggap sebagai pengesahan pelancaran baharu.
Apa yang disahkan tentang “harness” Codex
OpenAI menggambarkan Codex bukan sekadar model yang menjawab arahan secara berasingan. Sistem ini beroperasi melalui gelung ejen berulang:
Merancang tugasan.
Menyunting kod.
Menjalankan alat seperti ujian, binaan atau linter.
Memerhati keputusan.
Membaiki kegagalan.
Mengemas kini dokumentasi atau status.
Mengulangi proses jika perlu.
Gelung ini menyelaraskan model, arahan pengguna, perubahan kod, panggilan alat dan maklum balas daripada persekitaran pelaksanaan . Codex boleh membaca, mengubah suai dan menjalankan kod. Dalam persekitaran awan, ia juga boleh mengendalikan beberapa tugasan secara selari atau secara proaktif .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Dakwaan “Harness” Codex OpenAI Belum Disahkan — Tetapi Pengurusan Konteks Memberi Lonjakan Besar"?
Sumber berautoriti yang dibekalkan tidak mengesahkan pelancaran “Harness” Codex berlesen Apache 2.0 pada 20 Ogos, tetapi mendokumentasikan gelung pelaksanaan Codex: merancang, menyunting, menguji, memerhati dan membaiki.
What are the key points to validate first?
Sumber berautoriti yang dibekalkan tidak mengesahkan pelancaran “Harness” Codex berlesen Apache 2.0 pada 20 Ogos, tetapi mendokumentasikan gelung pelaksanaan Codex: merancang, menyunting, menguji, memerhati dan membaiki. Codex boleh membaca, mengubah suai dan menjalankan kod, melaksanakan tugasan secara selari dalam awan, serta diintegrasikan melalui API, SDK dan CLI sumber terbuka [1][5].
What should I do next in practice?
Dalam eksperimen ARC AGI 3, retained reasoning dan context compaction menaikkan skor GPT 5.6 Sol daripada 13.3% kepada 38.3%, sambil mengurangkan penggunaan token output kira kira enam kali [19][28].
Dakwaan “Harness” Codex OpenAI Belum Disahkan — Tetapi Pengurusan Konteks Memberi Lonjakan Besar
Sumber berautoriti yang dibekalkan tidak mengesahkan pelancaran “Harness” Codex berlesen Apache 2.0 pada 20 Ogos, tetapi mendokumentasikan gelung pelaksanaan Codex: merancang, menyunting, menguji, memerhati dan membaiki. Codex boleh membaca, mengubah suai dan menjalankan kod, melaksanakan tugasan secara selari dalam...
Diterbitkan olehDisunting dengan GPT-5.6 LunaImej dijana dengan GPT Image 1.5
Sumber berautoriti yang dibekalkan tidak mengesahkan pelancaran “Harness” Codex berlesen Apache 2.0 pada 20 Ogos, tetapi mendokumentasikan gelung pelaksanaan Codex: merancang, menyunting, menguji, memerhati dan membaiki.
Codex boleh membaca, mengubah suai dan menjalankan kod, melaksanakan tugasan secara selari dalam awan, serta diintegrasikan melalui API, SDK dan CLI sumber terbuka [1][5].
Dalam eksperimen ARC AGI 3, retained reasoning dan context compaction menaikkan skor GPT 5.6 Sol daripada 13.3% kepada 38.3%, sambil mengurangkan penggunaan token output kira kira enam kali [19][28].
Tiada sumber yang dibekalkan menamakan syarikat yang menggunakan rangka kerja Apache tersebut atau melaporkan hasil terukur daripada aliran kerja bukan pengekodan.
What did OpenAI release on August 20 under the Apache 2.0 license as the core execution framework behind its Codex coding agent, what componThe key distinction is between Codex’s documented agent runtime and the unverified claim of a new Apache 2.0 Harness release.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What did OpenAI release on August 20 under the Apache 2.0 license as the core execution framework behind its Codex coding agent, what compon. Article summary: ## What was released Insufficient evidence supports the claimed August 20 Apache 2.0 release of an OpenAI “Harness” as a named, open-source Codex execution framework. The available official material does confirm Codex’s . Topic tags: general, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
openai.com
Dakwaan pelancaran yang masih belum terbukti
Dakwaan bahawa OpenAI melancarkan “Harness” berlesen Apache 2.0 pada 20 Ogos sebagai rangka kerja pelaksanaan sumber terbuka untuk Codex belum disahkan oleh bahan berautoriti yang dibekalkan. Dakwaan itu muncul dalam laporan sekunder, tetapi sumber rasmi yang tersedia lebih banyak menerangkan gelung ejen Codex, cara ia diintegrasikan dan satu eksperimen penanda aras yang menunjukkan kesan besar pengurusan keadaan runtime terhadap prestasi model .
Bukti yang ada tidak menetapkan bahawa:
pelancaran pada 20 Ogos benar-benar berlaku;
nama rasmi produk itu ialah “Harness”;
ia diedarkan di bawah lesen Apache 2.0;
komponen tepat yang terkandung dalam pakej tersebut; atau
syarikat mana yang telah menggunakannya dan apakah hasil yang dicapai.
Laporan sekunder berkenaan menyenaraikan codex exec, Codex SDK dan app-server sebagai sebahagian daripada keluaran itu . Namun, sumber rasmi yang dibekalkan menerangkan keupayaan dan komponen tersebut pada masa serta konteks yang berbeza. Tanpa pengumuman rasmi atau rekod repositori yang sepadan, ia tidak wajar dianggap sebagai pengesahan pelancaran baharu.
Apa yang disahkan tentang “harness” Codex
OpenAI menggambarkan Codex bukan sekadar model yang menjawab arahan secara berasingan. Sistem ini beroperasi melalui gelung ejen berulang:
Merancang tugasan.
Menyunting kod.
Menjalankan alat seperti ujian, binaan atau linter.
Memerhati keputusan.
Membaiki kegagalan.
Mengemas kini dokumentasi atau status.
Mengulangi proses jika perlu.
Gelung ini menyelaraskan model, arahan pengguna, perubahan kod, panggilan alat dan maklum balas daripada persekitaran pelaksanaan . Codex boleh membaca, mengubah suai dan menjalankan kod. Dalam persekitaran awan, ia juga boleh mengendalikan beberapa tugasan secara selari atau secara proaktif .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Dakwaan “Harness” Codex OpenAI Belum Disahkan — Tetapi Pengurusan Konteks Memberi Lonjakan Besar"?
Sumber berautoriti yang dibekalkan tidak mengesahkan pelancaran “Harness” Codex berlesen Apache 2.0 pada 20 Ogos, tetapi mendokumentasikan gelung pelaksanaan Codex: merancang, menyunting, menguji, memerhati dan membaiki.
What are the key points to validate first?
Sumber berautoriti yang dibekalkan tidak mengesahkan pelancaran “Harness” Codex berlesen Apache 2.0 pada 20 Ogos, tetapi mendokumentasikan gelung pelaksanaan Codex: merancang, menyunting, menguji, memerhati dan membaiki. Codex boleh membaca, mengubah suai dan menjalankan kod, melaksanakan tugasan secara selari dalam awan, serta diintegrasikan melalui API, SDK dan CLI sumber terbuka [1][5].
What should I do next in practice?
Dalam eksperimen ARC AGI 3, retained reasoning dan context compaction menaikkan skor GPT 5.6 Sol daripada 13.3% kepada 38.3%, sambil mengurangkan penggunaan token output kira kira enam kali [19][28].
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.
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.
developers.openai.comRun long horizon tasks with Codex | OpenAI Developers
platform.openai.comOfficial Codex documentation - OpenAI Platform
openai.comUnlocking the Codex harness: how we built the App Server