Codex scoort bijna drie keer beter met slimmer contextbeheer

De bewering dat OpenAI op 20 augustus een onder Apache 2.0 gelicentieerd ‘Harness’ heeft uitgebracht als open-source uitvoeringsframework voor Codex, is op basis van de aangeleverde officiële informatie niet geverifieerd. De claim komt uit een secundair bericht . De officiële bronnen beschrijven wel de onderliggende agentlus van Codex, de verschillende integratiemogelijkheden en een afzonderlijk benchmarkexperiment waaruit blijkt dat beheer van runtime-status de prestaties van een model sterk kan beïnvloeden.

Wat officiële bronnen over het Codex-harnas bevestigen

Codex is meer dan een model dat losse prompts beantwoordt. OpenAI beschrijft een iteratieve agentlus die in grote lijnen als volgt werkt:

1. De taak plannen.
2. Code aanpassen.
3. Hulpmiddelen gebruiken, zoals tests, builds en linters.
4. De resultaten bekijken.
5. Fouten herstellen.
6. Documentatie of de voortgang bijwerken.
7. De cyclus zo nodig herhalen.

Deze lus brengt het model, de instructies van de gebruiker, codewijzigingen, toolaanroepen en feedback uit de uitvoeringsomgeving samen . Codex kan code lezen, wijzigen en uitvoeren. In de cloud kan de dienst bovendien meerdere taken parallel en op de achtergrond uitvoeren, soms ook proactief .

Een ander bevestigd onderdeel is de Codex App Server. Die gebruikt een tweerichtings-JSON-RPC-API om de gedeelde agentlogica van Codex te verbinden met onder meer de webapp, de CLI, een IDE-extensie en de macOS-app . OpenAI beschrijft de Codex CLI daarnaast als een open-source referentie-implementatie. Ontwikkelaars kunnen het model rechtstreeks via de API gebruiken of de Codex SDK inzetten voor een eenvoudiger integratiepad .

Samen levert dat een duidelijk praktisch beeld op: rond het model zit een uitvoeringsomgeving met hulpmiddelen, toestand, feedback en verschillende interfaces. De bronnen bewijzen daarmee niet dat OpenAI op 20 augustus een nieuw, officieel ‘Harness’ onder de Apache 2.0-licentie beschikbaar heeft gemaakt.

Welke onderdelen niet zijn geverifieerd

De aangeleverde informatie bevestigt niet:

• dat er op 20 augustus een dergelijke release heeft plaatsgevonden;
• dat de release officieel ‘Harness’ heette;
• dat het pakket onder de Apache 2.0-licentie werd verspreid;
• welke exacte componenten in het vermeende pakket zaten; of
• welke bedrijven het zouden hebben gebruikt en welke resultaten zij behaalden.

Het secundaire bericht noemt

codex exec

Waarom geheugen en contextcompressie zoveel verschil maakten

Het best onderbouwde resultaat in het aangeleverde materiaal komt uit een afzonderlijk experiment van OpenAI. Op de openbare taakset van ARC-AGI-3 behaalde GPT-5.6 Sol met het standaardharnas een score van 13,3%. Nadat OpenAI via de Responses API ‘retained reasoning’ en contextcompressie inschakelde, steeg de score naar 38,3% — ongeveer drie keer zo hoog. Tegelijk daalde het gebruik van outputtokens met ongeveer een factor zes .

In deze vergelijking veranderden de modelgewichten niet. Het verschil zat in de manier waarop de runtime de toestand tussen opeenvolgende stappen doorgaf:

• Bewaarde redeneringen zorgen ervoor dat bruikbare tussenstappen tussen acties behouden blijven. Het model hoeft zijn aanpak daardoor niet telkens opnieuw op te bouwen.
• Contextcompressie vat oudere taakgeschiedenis samen wanneer de context te groot wordt, in plaats van eerdere informatie simpelweg te laten verdwijnen.

OpenAI presenteert deze instellingen als manieren om eerder verricht werk opnieuw te gebruiken en ook tijdens langere taken samenhang te bewaren . De uitkomst is daarom vooral een meting van het gecombineerde model-en-runtimesysteem. Ze bewijst niet dat het onderliggende model op zichzelf drie keer capabeler werd.

Ook is de benchmarkuitkomst beperkt: het gaat om een vergelijking tussen twee uitvoeringsconfiguraties op een openbare evaluatieset. Daaruit volgt niet dat elk model, iedere agent of elke productieomgeving dezelfde verbetering zal laten zien.

Wat ontwikkelaars vandaag wél kunnen gebruiken

De sterkste bevestigde conclusie is niet de onbevestigde Apache 2.0-aankondiging, maar het feit dat OpenAI meerdere routes biedt om agentisch programmeergedrag in eigen workflows te verwerken:

• Rechtstreekse API-toegang: de Codex Prompting Guide noemt de API de meest aanpasbare optie .
• Codex SDK: de SDK is bedoeld als eenvoudiger integratiepad voor ontwikkelaars die niet alle interfaces zelf willen bouwen .
• Open-source CLI-referentie: OpenAI noemt de Codex CLI een referentie-implementatie die ontwikkelaars kunnen bekijken en aanpassen .
• Agentlus: de gedocumenteerde cyclus van plannen, implementeren, valideren en herstellen vormt de basis voor programmeertaken met een lange looptijd .
• Uitvoering in de cloud: Codex kan met repositories werken, code uitvoeren en achtergrondtaken parallel afhandelen .

Daarmee kunnen ontwikkelaars een agent in een product of engineeringproces plaatsen, in plaats van hem te beperken tot een algemene chatinterface. Ze kunnen eigen instructies, hulpmiddelen, toegangsrechten, validatiestappen en toestandbeheer toevoegen. Dat is een gedocumenteerde integratierichting. De bredere bewering dat één Apache-gelicentieerde Harness-release dit alles officieel bundelt, blijft op basis van de aangeleverde officiële bronnen onbevestigd.

Bewijs voor gebruik is smaller dan de releaseclaim

De aangeleverde bronnen noemen geen bedrijven die het vermeende Apache-gelicentieerde framework hebben ingevoerd. Ook bevatten ze geen bedrijfsresultaten voor juridische, operationele, onderzoeks- of andere niet-codegerichte workflows.

Er is wel breder bewijs dat zakelijke klanten Codex gebruiken. OpenAI meldde dat Codex in juni goed was voor 64% van het gecombineerde aantal outputtokens van Codex en ChatGPT bij zakelijke klanten . Dat wijst op aanzienlijke zakelijke activiteit, maar bewijst niet dat deze klanten het vermeende Harness-pakket gebruikten. Het noemt evenmin specifieke bedrijven of concrete bedrijfsimpact.

De bredere strategische betekenis

Het gecontroleerde patroon wijst op een verschuiving van chatgebaseerde hulp naar gedelegeerde uitvoering. Codex combineert een model met hulpmiddelen, een iteratieve feedbacklus, blijvende of gecomprimeerde toestand en uitvoeringsomgevingen die werk over meerdere stappen kunnen uitvoeren .

Voor productteams kan zo’n architectuur gespecialiseerde agents ondersteunen voor software-repositories, interne processen, onderzoekstaken of andere gecontroleerde workflows. De kwaliteit daarvan hangt niet alleen af van de modelkeuze, maar ook van het ontwerp van tooltoegang, toestandbehoud, contextlimieten, validatie en herstel na fouten.

Dat is de blijvende les van het ARC-AGI-3-experiment: verander je het harnas, dan kunnen zowel de mogelijkheden als de efficiëntie veranderen. Op basis van de beschikbare informatie is het echter nauwkeuriger om te spreken over OpenAI’s gedocumenteerde Codex-runtime en API-componenten dan om de vermeende Apache 2.0-release van 20 augustus als vaststaand feit te presenteren.