Codex 赚到 16.88 美元：AI Agent“打工”的真正信号

16.88美元听起来不像一个会改写就业市场的数字。按报道，这是一名用户让基于OpenAI Codex的代理去做开源安全/审计赏金后，约22小时后拿到的第一笔付款。

真正值得关注的不是这点钱，而是流程：AI不只是给出代码建议，而是似乎完成了找任务、审代码、提PR、沟通、验证、收款这一整圈。这才是它引发讨论的原因。

到底发生了什么

据报道，一名X（原Twitter）用户要求基于Codex的代理“自己赚5美元”，方向是开源安全或审计赏金。报道称，该代理找到了合适项目，检查代码，提交GitHub pull request（PR，即代码合并请求），与项目维护者沟通，完成验证流程，保护付款隐私，并最终收到一张日期为2026年5月10日的16.88美元收款凭证。

同一批报道还称，在第一笔款项到账前，该代理在多项审计任务上累计工作约22小时。如果只按时薪看，这甚至不到每小时1美元。

不过，需要先踩一脚刹车：目前可见资料主要是对用户帖子的转述，而不是正式的第三方独立审计。因此，这个案例更适合被看作一个信号，而不是一个已经可复现、可对标的行业基准。

里程碑不是收入，而是“闭环”

如果把它当成赚钱故事，16.88美元并不惊人。真正有意义的是，它展示了一种从“写代码助手”到“跑流程智能体”的转变。

这个闭环里有几个关键环节：

• **理解目标：**把“赚5美元”这样的宽泛指令，拆成可以执行的开源赏金路径。
• **使用工具：**阅读代码、提交GitHub PR、处理验证步骤。
• **与人协作：**不是只在本地生成补丁，而是跟项目维护者沟通，让修改进入真实项目流程。
• **结果可衡量：**最终以验证、合并或收款凭证作为结果，哪怕金额很小。

这就是普通代码补全工具和“类工作者”AI Agent之间的差别。前者能帮你写一段代码；后者尝试把这段代码推进到外部系统里，让它真正产生结果。

为什么最先冒头的是软件和安全

OpenAI对Codex的定位是云端软件工程代理，可以并行处理多项任务，并强调用户可通过引用、终端日志和测试结果来核验其产出。这类能力天然更适合软件工作流：代码可以测试，可以审查，可以回滚，也可以通过PR合并。

网络安全赏金的评分方式更直接：发现问题、证明影响、修复漏洞，然后由项目方或平台审核。BountyBench这个研究框架正是用来评估AI代理在网络安全中的能力，它在25个复杂真实代码库系统上设置任务，并把漏洞生命周期拆成Detect（发现新漏洞）、Exploit（利用指定漏洞）和Patch（修补指定漏洞）三类。

另一份BountyBench资料还描述了40个漏洞赏金，金额从10美元到30,485美元不等，覆盖OWASP Top 10中的9类风险；OWASP Top 10是安全行业常用的Web应用风险清单。

这说明，Codex这次16.88美元的故事并不是孤立的网红段子。研究者已经在用更接近真实安全工作的方式衡量AI Agent：能不能找漏洞、能不能利用漏洞、能不能打补丁，以及这些结果对应多大的金钱影响。

它不能证明什么

这个案例不能证明AI代理已经可以取代开发者、安全研究员或知识工作者。它只是一个被报道的单例，金额很小，外界也还看不到完整成本、失败率和可复现性。

相关基准也提醒我们：能力并不均衡。一个BountyBench摘要显示，在最多三次尝试的设定下，OpenAI Codex CLI在Patch任务上达到90%，但在Detect任务上只有5%。换句话说，修补一个已知问题，可能远比独立发现一个有价值的新漏洞容易。

这一区别很重要。真实世界的自主工作，不只是“把题做出来”，还包括选对题、避免误报、在混乱环境里安全行动，并且知道什么时候该停下来等人类审批。

短期更像“有人管的自主”

更现实的近期图景，并不是AI Agent无人监管地在互联网上到处接活，而是“监督式自主”：

人类设定目标、预算、账号权限、风险边界和审批规则；代理负责搜索、草拟、测试、提交和跟进；涉及敏感权限、资金、身份和高风险操作时，人类仍然审核，并承担最终责任。

较早适合交给AI代理的任务，大概率会有这些特征：

• 主要发生在数字系统里；
• 成功标准比较清楚；
• 可以被测试、审查或回滚；
• 单次失败的风险相对可控；
• 可以拆成许多小任务、并行尝试。

因此，早期场景可能包括修bug、补安全漏洞、写测试、更新文档、做QA检查、清理数据、整理工单等。真正的经济问题不是“一个代理能不能拿到人类工资”，而是“大量便宜、可审计、可并行的尝试，能不能稳定产出被接受的结果”。

安全问题会变得更核心

同一套能力，既能用于防守，也能用于进攻。一个能读代码、找漏洞、写补丁的代理，也可能被评估在攻击性网络安全任务中的表现。BountyBench本身就把AI代理放在攻防两类能力中考察，包括Detect、Exploit和Patch任务。

这意味着治理不是附加项，而是基础设施。真实部署AI代理时，需要权限边界、沙箱、身份控制、披露规则、操作日志，以及高风险动作的人类批准。OpenAI关于Codex的材料也强调安全和透明，包括通过引用、终端日志和测试结果来验证输出。当代理开始接触更多真实系统时，这些记录会从“最好有”变成“必须有”。

结论：小钱，大信号

Codex拿到16.88美元，不是AI发财的故事，也不是大规模岗位替代的证据。它更像一个小而重要的信号：自主代理正在从演示阶段，走向真实经济流程——有明确任务、有外部系统、有人工对手方、有验证，也有付款。

如果这种模式继续扩展，未来的AI工作不会只是“回答问题”，而会越来越多地变成“在边界内追求目标”。真正有价值的Agent，也不只是能生成看似合理的内容，而是能安全地产出可验证、可审计、可追责的结果。