Matthew Berman 最近採訪了 OpenAI Codex 負責人 Tibo Sottiaux，整期大概 44 分鐘。
如果你經常關注 Codex，應該對 Tibo 不陌生。他應該是 OpenAI Codex 的核心營運人員。
他在 X 上還有一個很出圈的外號：
Reset Lord。
原因也很簡單，Codex 使用者經常會突然收到額度重設，而很多時候，就是 Tibo 自己在 X 上喊一句“RESET”。
這次訪談裡，他第一次講清楚了 Reset 背後的故事，但真正有意思的內容遠不止這些。
先放結論。
這場訪談裡，我覺得最值得關注的是下面幾個訊號：
1. Codex 已經併入 ChatGPT，但這還只是第一步。 OpenAI 的終點，是讓 “ChatGPT” 和 “Codex” 這兩個產品概念繼續淡化，最後只剩一個長期理解你的個人通用智能（Personal AGI）。
2. Astra 和下一代模型，會越來越依賴新的智能體系統（Agent Harness）。 今天大家手動維護 Skills、Memory、Sub-agent，在 OpenAI 看來都還很早期。
3. 一台 Laptop 很快會成為 Agent 的限制。 未來模型可能同時處理 100 個應用，大量任務會轉向雲端智能體（Cloud Agent）。
4. Ultra Fast 這種速度，1～2 年後可能接近默認。 同時 OpenAI 普通推理速度在過去約三個月已經提升了約 60%。
5. 模型已經開始反過來最佳化自己的推理基礎設施。 Tibo 認為，這已經可以算遞迴自我改進（Recursive Self-Improvement）的早期形態。
6. Codex 已經達到約 2000 萬使用者。 程式設計師可能只是第一批使用者，未來程式設計能力會成為所有知識工作者都能呼叫的底層能力。
下面展開聊幾個最值得看的部分。
01. 最後只剩一個 AI
這裡先澄清一個容易誤解的點。
Codex 和 ChatGPT 其實已經開始合併了。
現在 Codex 已經進入 ChatGPT 的整體產品體系，很多 Codex 能力也開始向普通使用者開放。
所以 Tibo 在訪談裡講的，並不是“未來才把兩個 App 放到一起”。
他講的是更徹底的一步：未來使用者甚至不需要再知道，自己現在到底是在用 ChatGPT，還是 Codex。
主持人問他，為什麼 OpenAI 要繼續推動兩者融合？
Tibo 的回答很明確：未來的模型，本身就要求它們走向統一。
因為未來的模型天然會程式設計、搜尋、研究、呼叫工具、理解語音和圖像，這些能力最終都會建立在同一套智能體系統（Agent Harness）之上。
所以再人為區分“程式設計師用 Codex”、“普通人用 ChatGPT”，意義會越來越小。
Tibo 描述的終局，是一個 個人通用智能（Personal AGI）。
程式設計師、設計師、產品經理、銷售，甚至完全不會程式設計的人，底層用的其實可能都是同一個 AI。
不同的只是它連接的工具、權限、工作環境，以及最後呈現出來的介面。
程式設計師看到的可能更像開發環境，銷售看到的可能是郵件、客戶和資料，普通使用者看到的依然可能只是一個非常簡單的對話介面。
OpenAI 想做的不是一堆不同的 AI 工具，而是一個 AI，根據你是誰，自動變成適合你的樣子。
02. Astra 和下一代模型
這部分其實很關鍵。
Tibo 談到 Astra 和下一代模型時，重點並不是“下一代模型會強多少”，而是：
下一代模型會需要完全不同的智能體系統。
今天很多高級 Codex 使用者已經習慣維護技能檔案（Skills）、記憶（Memory）和子智能體（Sub-agent）。
技能越來越多要整理，Memory 會遺忘，Sub-agent 多了以後，還得考慮它們之間怎麼協作。
Tibo 的判斷是：
這些都還是很早期的東西。
真正理想的 Agent，不應該讓人天天維護這些底層結構。
它應該長期理解你，知道你的目標、日常工作、習慣，甚至理解你的團隊，然後自己決定需要呼叫什麼技能、記住什麼資訊、是否啟動其他 Agent。
底層可以非常複雜，但使用者看到的應該越來越簡單。
這也是 Tibo 對下一代模型一個非常明確的判斷：模型越強，人越不應該去管理 Agent 本身。
03. Laptop 會變成瓶頸
另一個很有意思的判斷是：未來限制 Agent 的，可能反而是你的電腦。
今天的電腦，本來就是按照人類工作速度設計的。
我們一次只能操作幾個窗口、幾個應用，寫程式碼和處理資訊也有明顯速度上限。
但模型沒有這些限制。
Tibo 舉了一個很誇張的例子：
未來一個模型可能同時處理 100 個應用。
它可以同時探索不同方案、寫測試、編譯、驗證假設，再啟動多個 Agent 平行工作。
到了這個階段，一台再強的 MacBook 也很難承擔這樣的工作量。
所以 Tibo 明確認為：雲端智能體（Cloud Agent）會越來越重要。
未來你電腦上看到的可能只是一個入口，真正工作的，是背後一整套雲端計算系統。
這其實也意味著，Agent 的終局可能不是“電腦裡裝一個更強的軟體”，而是：
背後有一整套隨時為你工作的計算系統。
04. Ultra Fast 可能會普及
Ultra Fast 現在最高可以做到大約 14 倍生成速度。
很多人會覺得，這種能力肯定長期屬於昂貴的高端功能。
但 Tibo 的判斷相當激進：
大概 1～2 年以後，今天 Ultra Fast 這種速度，可能就會逐漸接近默認體驗。
當然，不是所有任務都會真的快 14 倍。
如果主要是在生成程式碼，提升會非常明顯；如果涉及大量工具呼叫、網路訪問和 CPU 操作，實際可能只有 3～4 倍。
但更重要的是，OpenAI 的速度提升並不只是靠堆 GPU。
模型本身也在變得越來越高效。
Tibo 提到，Sol 已經比 Terra 高效很多，下一代模型還會繼續提高 Token 使用效率。
與此同時，即使不計算 Ultra Fast，OpenAI 普通推理速度在過去大約三個月裡，也已經提高了 60% 左右。
所以很可能：
今天的 Ultra Fast，就是一兩年後的普通檔。
05. AI 太快以後，工作方式也會變
現在很多重度 Agent 使用者，一次會開 10 個甚至 15 個 Agent。
一個任務扔進去，再切到另一個，過一會兒回來查看結果。
AI 在幫你幹活，但你自己反而變成了“AI 項目經理”。
Tibo 說，OpenAI 現在很在意一個東西：人的注意力。
如果 Ultra Fast 再疊加語音，未來的工作流可能完全不同。
你說一個想法，AI 馬上生成原型；你看完直接說那裡要改，它立刻修改；接著再讓它補市場研究、資料分析和報告。
整個過程不需要來回切換上下文。
AI 的速度一旦接近人的思考和表達速度，人和 AI 的關係就會從“派任務”，變成真正的即時協作。
這時候，速度提升真正改變的就不只是“等 20 秒還是等 2 秒”，而是整個工作方式。
06. 兩條 Agent 路線
Tibo 也把未來 Agent 大致分成了兩條路線。
一條是 個人通用智能（Personal AGI）。
它長期理解你，知道你在做什麼，會主動提供資訊，幫你研究、程式設計、分析和處理工作。
另一條是 全自動化（Full Automation）。
比如生產系統出現問題，Agent 自動查看日誌、找到問題、修改程式碼、測試並修復。
安全掃描發現漏洞，也可能自動完成修復，只把高風險操作交給人批准。
這時候，Agent 就不只是“幫人幹活”。
而是開始完整接管一部分工作流程。
07. Codex 已經 2000 萬使用者
訪談裡還透露了一個值得注意的資料：
Codex 已經達到大約 2000 萬使用者。
而 Codex 與 ChatGPT 的融合，是最近增長的重要推動力之一。
這其實說明了一個趨勢：Codex 最終不會只是程式設計師工具。
當程式設計能力進入 ChatGPT 以後，產品經理、設計師、銷售、市場人員都可以直接使用。
比如你讓 ChatGPT 分析 5000 條資料，它背後可能自己寫 Python、運行程序、整理結果。
普通使用者根本不用知道發生了什麼。
程式碼以後可能只是 AI 運算元字世界的一種底層語言。
所以所謂“Coding Agent”，最後未必只服務 Coding。
程式設計師可能只是第一批吃到這套能力的人。
08. Reset 原來這麼“草台成員”
這大概是整場最好玩的一段。
Tibo 在 X 上被叫作 Reset Lord，就是因為他經常突然給 Codex 使用者重設額度。
但這件事一開始根本不是什麼營運活動。
早期 Codex 還在高速迭代，經常會出現配置錯誤、服務故障或者體驗下降。
Tibo 的邏輯很簡單：如果問題是 OpenAI 搞出來的，使用者卻花了自己的額度，那就應該補償。
最開始只是送一點額度，後來慢慢演變成了直接 Reset 使用限制。
更有意思的是，這背後並沒有什麼複雜的市場或財務審批。
Tibo 基本可以自己決定什麼時候按。
後來他們甚至真的做了一個實體 Reset Button。
主持人問他是不是確有其物，Tibo 笑著說：“我可以帶你去看。”
所以大家平時在 X 上看到的那些“RESET”，搞不好真的是這哥們親手按的。
09. AI 已經開始最佳化 AI
Reset 又引出了一個更重要的問題：OpenAI 為什麼越來越有能力提供這麼多算力？
除了提前儲備計算資源，還有一個原因：
模型正在幫助 OpenAI 降低模型自己的運行成本。
Tibo 提到，Sol 曾參與最佳化 Luna 的服務架構，隨後 Luna 的價格下降了大約 80%。
模型也正在參與最佳化推理系統、CUDA 核心、服務基礎設施、雲端 Agent 等環節。
主持人因此問：
這算不算遞迴自我改進（Recursive Self-Improvement）？
Tibo 的回答基本是：
算。
大家以前想像的遞迴自我改進，是 GPT-6 自己研究 GPT-7。
但現實可能沒那麼戲劇化。
模型變強以後，先幫人類最佳化運行模型的系統；系統因此變快、變便宜；模型又能夠承擔更多工作，再繼續反過來最佳化系統。
Tibo 把它概括成：這是一個完整的大系統。
所以我們一直等待的“AI 開始自我改進”這一天，可能根本不會有明確的時間點。
它很可能已經一點點開始發生了。
10. 最後的 AI 會越來越簡單
整場訪談看下來，我覺得 OpenAI 對未來的產品形態已經說得非常清楚。
不是繼續給普通使用者增加更多 Skills、Memory 和 Sub-agent，也不是做幾十個不同的 AI 應用。
而是把這些複雜結構全部藏到後面。
最後留下一個非常簡單的 AI。
它長期理解你，知道你的目標、習慣和團隊，可以聽你說話、看到你正在做什麼，還能呼叫遠超一台個人電腦的雲端算力。
所以今天我們看到的 ChatGPT、Codex、Skills、Memory、Sub-agent，可能都只是中間形態。
Codex 已經開始併入 ChatGPT，但 OpenAI 真正想做的，還要再往前一步：未來你甚至不需要知道自己在用那個產品。
最後只剩一個 AI，它認識你、理解你，然後直接幫你把事情做掉。 (AI范兒)