OpenAI 8月20日真的開源了 Codex 的「Harness」嗎？現有證據與 GPT-5.6 Sol 實驗結果

先說結論：Apache 2.0「Harness」發布仍待官方確認

目前提供的資料不足以證實，OpenAI 在 2026 年 8 月 20日正式以 Apache 2.0 授權，發布一個名為「Harness」的開源框架，並將其定位為 Codex 背後的核心執行引擎。

這項說法主要來自二手報導。 但在可核實的 OpenAI 官方文件中，較明確的內容是 Codex 的代理式程式開發流程、API 使用方式，以及 Codex SDK；官方資料並未在提供的來源中列出一次完整的「Harness」發布公告或其正式組件清單。

因此，將

codex exec

已獲官方資料支持的 Codex 能力

Codex 並不只是逐句回答問題的聊天介面，而是能夠執行多步驟工作的程式設計代理。官方描述的基本循環大致如下：

1. 規劃工作
2. 修改程式碼
3. 執行工具，例如測試、建置與 lint 檢查
4. 觀察執行結果
5. 修復失敗或錯誤
6. 更新文件與工作狀態
7. 持續重複，直到任務完成

Codex 可以讀取、撰寫及執行程式碼，也能在雲端環境中處理多項背景工作，支援平行執行，甚至主動推進部分任務。 這種「規劃—行動—觀察—修復」的循環，才是目前資料最清楚呈現的核心執行模式。

對希望自行打造產品的開發者而言，OpenAI 提供兩條路徑：直接透過 API 使用 Codex 模型，以取得較高的客製化程度；或使用 Codex SDK，以較簡化的方式整合代理功能。

GPT-5.6 Sol：保留推理與上下文壓縮帶來什麼變化？

OpenAI 在 ARC-AGI-3 實驗中比較了不同的執行方式。官方文章指出，在 Responses API 中啟用「保留推理」（retained reasoning）與「上下文壓縮」（compaction）後，GPT-5.6 Sol 在公開題集的分數由 13.3% 提高至 38.3%，約為原本的三倍；同時，輸出 token 使用量減少 6 倍。

這兩項設定分別解決了長時間代理工作的不同問題：

• 保留推理：讓後續回合延續先前的中間推理與已累積的問題理解，不必每次都從頭重建思路。
• 上下文壓縮：當歷史紀錄不斷增長時，將有用的狀態以較精簡的形式保留下來，避免整段舊上下文持續佔用大量輸出與處理資源。

這項結果的重要性不只在於分數變高，也顯示代理系統的表現不完全取決於基礎模型本身。如何保存狀態、管理上下文，以及安排工具執行流程，同樣可能大幅影響長程任務的成果。

哪些公司已採用？目前沒有可靠名單

現有提供資料沒有指出哪些公司採用了所謂的 Apache 2.0 Harness，也沒有提供這些公司的具體工作流程、部署規模或可量化成果。

因此，不能據此聲稱已有特定企業把該框架用於非程式開發工作，或已取得某種商業成效。OpenAI 的企業使用資料確實提到 Codex 在企業客戶中的使用情況，但這並不等於證實這些客戶採用了未獲官方確認的 Harness 框架。

對開發者意味著什麼？

即使先撇開尚未證實的「Harness 開源發布」說法，官方資料仍透露出清楚的產品方向：開發者可以透過 API 或 Codex SDK，把程式設計代理的核心能力嵌入自己的產品，而不必依賴 ChatGPT 或 Codex 的既有使用介面。

這類產品可以自行設計：

• 代理如何規劃與拆解任務
• 可使用哪些工具及權限
• 如何保存工作狀態與壓縮上下文
• 何時執行測試、檢查或要求人工審核
• 如何針對工程、營運或受監管流程加入專屬規則

換句話說，真正可確認的趨勢是「從聊天走向執行」：模型不只回答一個回合的問題，也能在工具、狀態管理與反覆驗證的配合下，持續完成多步驟工作。

至於 8月20日是否確實發布了以 Apache 2.0 授權的 Codex Harness，以及傳聞中的完整組件內容，仍應等待 OpenAI 官方公告、程式碼儲存庫或授權文件進一步確認。