Вышло интервью с Тибо: главой Codex/ChatGPT в OpenAI Это тот самый парень-инсайдер, который постоянно намекает в X на релизы и объявляет об обнулении лимитов. Возможно, по вырезке из интервью вы его не узнаете, но это он (жизнь в OpenAI немного помотала, и на свою аватарку из X инженер мало похож) 😐 Он выдал мощное заявление: через 2-3 месяца текущий Codex будет казаться примитивным. Агенты на базе следующего поколения моделей OpenAI (Astra) перестанут работать локально, им потребуется облако, в котором будет запускаться гораздо больше параллельных процессов, чем сможет потянуть обычный ноутбук. При этом скорость агентов существенно вырастет, и то, что сейчас мы называем Ultra Fast (750 токенов в секунду и больше), станет настройкой по умолчанию. Кроме того, нас ждет еще более плотное слияние Codex и ChatGPT. Будущие модели будут работать из коробки на одном и том же харнессе для кодинга, рисерча, дизайна, поиска и пр. Так что конечная цель – это единое высоко персонализированное приложение Personal AGI, интерфейс которого будет меняться в зависимости от того, чем конкретно вы занимаетесь. Полное интервью идет 45 минут, посмотреть можно здесь: https://youtu.be/4qjEgPojjzM

🕸️ Когда Codex «гуглит», он реально заходит на каждый сайт? Вчера я советовал сделать сайт agent-friendly через Ora. Но сам до конца не понимал, что именно там надо оптимизировать. В моей голове это работало так:

я прошу Codex что-то найти → OpenAI дёргает Google или Bing → какой-то crawler в realtime идёт по сайтам.

1. Как ищет сам Codex

Codex не достаёт свежий интернет из весов модели. Он вызывает отдельный web search tool. В локальном Codex по умолчанию используется cached search по индексу OpenAI. Ещё есть indexed и live: в live-режиме поиск может открыть актуальную страницу прямо во время задачи. Но это не значит, что он синхронно заходит на каждый сайт.

2. Кто тогда заранее ходит по сайтам

У OpenAI есть несколько разных ботов: • OAI-SearchBot собирает страницы для ChatGPT Search • ChatGPT-User может открыть страницу по конкретной просьбе человека • GPTBot отвечает за потенциальное использование контента для обучения Можно разрешить поиск и отдельно запретить обучение.

3. А Google или Bing?

OpenAI публично не пишет, какой именно внешний поисковик стоит под капотом Codex и чем конкретно наполняется cached index. Поэтому рассказы в духе «оно точно всегда ходит через Bing» пока додумывание.

so what? ⚡️ твой будущий клиент может вообще не открыть сайт сам. Он попросит своего агента найти API, сравнить сервисы и выбрать, что купить. Если агент не нашёл страницу, не вытащил цену или не понял, куда нажимать, ты можешь не попасть даже в shortlist. 🧩 @danokhlopkov

✔️ OpenAI усилила защиту в Codex в ответ на инциденты удаления файлов Руководитель Codex Тибо Соттьё подвёл итог изменениям последних недель, которые снижают риск деструктивных действий Codex. 🟡Контекст

Месяц назад в сети появились жалобы на то, что GPT-5.6 в Codex делает с файлами то, о чем его не просили. Самый серьезный кейс - команда, которая должна была почистить за собой временные файлы, вместо этого удаляла файлы пользователя. В ходе разбора выяснили, что Codex создает временные папки и потом чистит их, и в редких случаях чистил неправильно - он переиспользовал под временную работу системную переменную окружения, а некорректная команда очистки затем указывала на настоящий домашний каталог вместо временной папки. Второй случай проще - модель удаляла или перезаписывала временный путь, не посмотрев, что там уже лежит.

По итогам расследования добавили дополнительную защиту на нескольких уровнях: 🟢Инструкции самой модели. Codex теперь обязан проверять, что именно он собирается удалить, заводить временные каталоги заново, не переиспользовать системные переменные окружения, выбирать обратимые действия и останавливаться, когда масштаб операции неясен. 🟢Проверки на исполнении. Механизм, который выявляет рискованные команды удаления и отправляет их на ревью, усилили. Если команду отклонили, модель направляют к более безопасному способу. 🟢Ужесточение Full access. Включить полный доступ случайно стало труднее, предупреждения переписали понятнее, а самые рискованные сочетания разрешений дополнительно ограничили. 🟢Обновленный Auto-review. Он стал лучше распознавать деструктивные действия. 🟢Тесты и обучение. OpenAI собрала условия и данные, воспроизводящие найденные сбои. Сейчас добавляются RL-задачи и грейдеры под эти риски, а деструктивные действия вычищаются из обучающих данных. 🟡Что советуют делать самим Обновлять Codex и работать в одном из режимов песочницы - Ask for approval или Approve for me. Full access включать только там, где среде можно доверять и откуда легко восстановиться. @ai_machinelearning_big_data #news #ai #ml

Кстати помните пост что Codex доводит задачу до конца даже если кончился лимит? Фичу убрали... 🥰 Из-за того что в твиттере одна девушка выложила харнесс чтобы абузить лимиты, превращая последний ответ в бесконечную сессию. Через такой механизм: 1/ Codex как обычно начинает выполнять задачу 2/ Получает инструмент wait_for_user_input 3/ Когда задача готова, не заканчивает вывод, а вызывает этот тул и ждет 4/ Юзер отправляет новое сообщение 5/ Codex ловит его как результат тула, не прерывая свою работу То есть, не смотря на лимит юзер кое как всё равно мог ставить новые задачи и получать ответы агента Я даже сам успел потестить, но выкладывать это не решился Забавно что после того как пост стрельнул, она удалила все твиты и свой репо, еще и написала:

надеюсь команда Codex сможет это проверить и забанить эти аккаунты, тогда мы все в безопасности 😔

Не кусай руку которая тебя кормит.. @tips_ai

Status Update Я вернулся из отпуска. Канал и коммьюнити будут потихоньку возвращаться в рабочий режим. Хочу поделиться самым ярким впечатлением, когда, казалось бы, далекие космические технологии внезапно делают жизнь приятнее. На вчерашних рейсах, словно в каком-то кафе, раздавали по WiFi интернет от StarLink. Летишь ты на высоте в 36k футов, за бортом -50 градусов, а у тебя ноутбук подключен к сети. И вместо 6-7 часов в капсуле без связи - и чатики и кодекс работают в штатном режиме. И можно в полете продолжать разрабатывать платформу для выкладки материалов по AI-Coding. Причем идеи, BDD-спеки и фреймворк для нее я разрабатывал практически на ходу с сотового при помощи связки из Codex агентов (как Remote на сервере, так и по-старинке оставленный открытый лаптоп). Да и в целом за время поездки я привык гораздо больше вопросов и задач сваливать на ChatGPT/Codex. Когда ноутбука нет под рукой, не сработает "мне самому проще и быстрее руками сделать". Проще как через телефон и ChatGPT. А потом как-то привыкаешь и понимаешь, что проще и быстрее - это как раз через агентов, а не ручками. Заодно и инструменты нарастают. И получается, что будущее, это когда агенты постоянно работают рядом с тобой через разнообразные девайсы, даже на высоте. Так что получается, что следующий рабочий/учебный код в нашем коммьюнити пойдет под лозунгом - "Даешь интеграцию агентов в жизнь и процессы") Ваш, @llm_under_hood 🤗

​​Cayley puzzles: 666 on claude vs codex Я уже рассказывал, что занимаюсь решением cayley головоломок. В этот раз я пошёл штурмовать головоломки 555 и 666. Почему они сложнее предыдущих? Дело в том, что с каждым увеличением пространства решений и диаметра нам всё сложнее решать задачу. Во-первых, модели у нас двигаются к решению итеративно - каждый дополнительный шаг увеличивает ошибку. Во-вторых, чем длиннее пути, тем сложнее собрать корректные лейблы для путей; плюс random walks чаще будут путаться и/или не достигать дальние точки. Я начал решать 555 теми же подходами, что и прошлые головоломки - первичная тренировка модели, потом шлифовка и beam search. Трансфомер пришлось отложить - он бы работал слишком медленно. После нескольких дней тренировки на A100 мне удалось получить прилично работающую модель. Она решает головоломки не всегда, но всё-таки стабильно выдаёт хорошие решения. Результат - второе место; на первом месте - участник команды 16-го места с Santa 2015. Дальше я попробовал сделать тоже самое для 666... и ну не работает оно. Модель учится плохо и головоломки совсем не решает - лейблы собирать тяжело, пути длинные, в общем сложно всё. От безысходности я решил обратиться к агентам. Взял claude code + opus 5.0 max и codex + 5.6 Sol Extra High. Обоим отправил один и тот же промпт - мол вот головоломка, вот как мы решали подобное раньше, давайте попробуем её решить классическими способами. Потом подбадривал модели, чтобы они её решили. Клод после пары итераций ответил, что решить невозможно, ваще. Решил 0 головоломок и сдался. Кодекс подумал, сделал мелкую итерацию и остановился. Я ему поставил goal - достичь скор 180к или меньше (это суммарная длина найденных путей решенных головоломок). Он подумал, запустил процесс... и через почти 7 часов выдал топовое решение. Я попросил его пояснить, но в ответ получил сложное описание процесса решения из 7 этапов. Я впечатлён. #ai

Как используют Сodex и ChatGPT для работы На картинке наглядно о том, кто и для чего пользуется. Там круто разделено по профессиям и даже сеньорности - такой уровень инсайтов доступен только самому OpenAI, на своих внутренних данных - по ним и написана работа (pdf). Knowledge artifacts в схеме - это создания всяких файлов: слайдов, документов и т.д. Видно, что пользуются сейлзы, маркетологи и продакты (что логично). Самое неожиданное для меня, что анализ данных сильно выражен только у эйчаров (ну понятно, читают резюме через llm), а у остальных анализа данных почти нет. Еще видно, что если человек не кодит, то число кейсов использования llm в работе резко сокращается. В работе кстати кроме прочего интересно считали распределение использования Codex vs ChatGPT. У личных акаунтов доля кодекса 16,5%, у корпоративных 63%, а у контрольной группы из сотрудников OpenAI - аж 99,8%! Наверное многим как и мне, будет интересно сравнить данные таблицы со своим использованием. @kyrillic

Раньше по дефолту в Codex у GPT-5.6 Sol окно контекста было ограничено конфигом на 272к токенов Но теперь его можно расширить до 1 млн токенов. Вставьте это в конфиг:

model = "gpt-5.6-sol" model_context_window = 1000000 model_auto_compact_token_limit = 900000

Или если нужно только на одну сессию:

codex -m gpt-5.6-sol \ -c model_context_window=1000000 \ -c model_auto_compact_token_limit=900000

Эти строчки расширяют контекст у 5.6 Sol до 1 млн токенов, и ставят авто-компакт на 900к, чтобы был запас под системный контекст И в CLI и в десктопной версии Подглядел у Tibo (руководитель OpenAI), только имейте ввиду что токены за пределами дефолтного окна считаются как x2, и тратят больше лимита ☕️ @tips_ai

🚀 OpenAI приближается к $40 млрд годовой выручки. По данным Bloomberg, компания сейчас движется к annualized revenue run rate около $40 млрд - примерно в два раза больше, чем в конце 2025 года. Главный драйвер роста - не только ChatGPT, но и инструменты для разработчиков. Особенно быстро растёт Codex, который становится одним из самых сильных направлений бизнеса OpenAI. При этом Anthropic с Claude Code показывает агрессивную динамику и уже движется к очень высоким показателям выручки в корпоративном сегменте. AI-рынок всё больше превращается в гонку не только моделей, но и продуктов вокруг них: кто лучше встроится в рабочие процессы разработчиков и компаний, тот заберёт большую часть рынка.

Ответ на предыдущий вопрос. На реализацию фичи у кодекса ушло 12 минут и меньше процента подписки (как было 89, так 89 и осталось). Я не за компом, поэтому пришлось попросить Codex сделать и прислать скриншоты. Вложу их в комментарии. В коде много оверинжиниринга не заметил, только не понравилось, как сделана работа с выкачкой архивов. Но я все равно сейчас откачу назад все изменения! Фишка в том, что в этом проекте у Codex-a есть возможность создавать переиспользуемые UI компоненты в едином стиле. И этот прототип нужен был, чтобы понять то, как эти компоненты должны выглядеть. Поэтому следующий шаг:

I want to manage UI complexity. Load piecemeal mentality and suggest which high level UI components would you implement and pull into the component library

Codex иногда даёт бесплатный сброс лимитов, я не до конца понял за что, но штука полезная. Он хранится ограниченное время, а потом сгорает. У меня таких сбросов было несколько, и несколько я уже благополучно сгорели. Так как лимиты заканчивается довольно быстро, к очередному сбросу я решил подойти более ответственно. Идеальный сценарий: потратить текущий лимит почти до нуля ровно перед тем, как сгорит бесплатный сброс, а затем сразу его применить. Поэтому сейчас я специально сфокусировался на самых токеноёмких задачах. А вчера даже поставил будильник, чтобы не пропустить момент. 🙂 И тут вспомнил, как много лет назад работал в контактном центре. Тогда в Facebook были очень популярны игры-фермы. Сам я не играл и смотрел на коллег с лёгким недоумением, вот же заняться нечем, у нас этой фермой была увлечена чуть ли не вся смена. Люди сажали виртуальный урожай, а потом ставили будильники, чтобы собрать его сразу после созревания, иначе его могли украсть или он мог забыть. Прошло много лет, и вот я сам ставлю будильник, считаю оставшийся ресурс и стараюсь вовремя собрать "урожай" со своего токенового поля. В общем, я всё-таки начал играть в Ферму. Просто теперь вместо помидоров у меня токены. 🤣

Приятный лайфхак - просить Codex писать красивые новости про прогресс своих проектов Ему это ничего не стоит (ибо в ~/.codex/sessions есть все логи всех проектов), а вот со стороны посмотреть на прогресс во время отпуска - приятно. К слову, Agentic OS на скриншоте - это не очередная AI Native среда для построения следующего единорога (такие продукты сейчас пытаются писать почти все), а просто наглядный пример моего текущего подхода к разработке проектов, которая заодно реализует тот Stateless MCP 2.0 протокол для доступа агентов к единой multi-tenant Personal OS. Примерами из этого проекта я буду делиться тут в канале, а полный доступ ко всем изменениям и исходникам сделаю отдельно, в рамках продолжения направления с AI Coding. Ваш, @llm_under_hood 🤗

Помогает ли claude.md файл? Интересный рисерч. Взяли три реальных Python-репозитория с хорошими AGENTS.md – pdm, firebase-admin-python и opshin. Из смерженных PR сделали 17 задач: описание PR = промпт агенту, тесты из этого же PR = скрытая проверка. Агент тестов не видит. Дальше три режима подачи контекста: – none – файл вообще убран из воркспейса – always_on – весь AGENTS.md вставляется в системный промпт каждый ход – selective – вместо файла лежит вики по темам, агент читает нужное сам Прогнали на Claude Code (Sonnet 4.6) и Codex CLI (GPT-5.5), по 3 повтора. Всего 288 засчитанных прогонов. Результат - все тлен. Claude: 53,3% / 55,6% / 55,6%. Codex: 58,8% / 56,9% / 52,9%. В пределах шума. Автор вручную разобрал «почти прошедшие» падения – те, где до зачёта не хватило пары тестов. И там ни одного случая, где агенту не хватило знания о репозитории. Не хватало интеллекта и инженерии, и такое AGENTS.md не лечит. Отдельно проверял улучшение правил, чтобы падения починить. Не получилось. А вот что реально сработало: у репозитория opshin в AGENTS.md есть строчка: полный прогон тестов занимает больше 20 минут. Без контекста Claude вслепую гонял весь сьют 3,67 раза за прогон. С always_on – 2,44. С selective – 1,67. Время выполнения упало с 2689 до ~2030 секунд, примерно на четверть. Корректность при этом не сдвинулась ни на пункт. То есть контекст-файл работает как операционная инструкция, а не как учебник. «Не запускай полный сьют, он медленный», «сборка вот этой командой», «линтер такой» – экономит время и деньги. А вот всякие там "ты синьор разработчик", "мы придерживаемся чистой архитектуры и SOLID" – не делает ничего измеримого. До этого были две работы с противоположными выводами – одна на Codex-агентах нашла пользу у файла, другая на Claude-агентах не нашла. Оказалось, сложность задач у агентов не совпадает: примерно у 40% задач агенты по-разному упираются в потолок. Задача, на которой можно было бы увидеть эффект у одного агента, у другого либо решается всегда, либо не решается никогда. Короче, писать AGENTS.md стоит, но как список правил, не как описание проекта. Команды, тайминги, грабли, что не трогать. Всё, что агент может вывести из кода сам, туда класть бессмысленно: он и выведет. А качество реализации вытягивается не файлом, а декомпозицией задачи и примерами. https://arxiv.org/abs/2607.27250

В этом месяце мы путешествуем. Поэтому время наедине с лаптопом ограничено. Поэтому я и завел codex демонов на linux сервере. Самое главное, наконец, доделал новую версию full-stack event-driven BDD фреймворка, про который обсуждали на вебинарах по AI Coding. Про подход к BDD спекам в продуктах (еще в эру до LLM) я рассказывал в этой истории. Сейчас получилось сделать их full-stack, привязать к UI компонентам (например, через go templ) и свалить работу по написанию и поддержанию на Codex. Скорость я сильно не оптимизировал, спеки запускаются на одном ядре, поэтому получается прогонять "всего" тысячу спеков в секунду). Когда спеков будет больше тесячи - добавлю параллелизм, ибо дольше секунды гонять все базовые бизнес-тесты - для меня недопустимо. И когда есть такие спеки, давать с мобилики задачи кодексу на "напиши спеки под такую фичу" и "а теперь реализуй эти спеки" - одно удовольствие! Даже когда спеки про такие заунывные вещи, как GDPR-compliant email opt-in. А сам код в проекте на скриншоте - от будущей платформы для AI Coding коммьюнити. Ваш, @llm_under_hood 🤗

#мнение Сейчас Codex лучше Claude Code Здравствуй, неподгоревший читатель. Этот пост про то что сейчас рабочая лошадка из фронтир моделей Если нужен один дефолт -> GPT-5.6 Terra в Codex Pro с medium usege без Fast mode. Мое глубокое субъективное имхо на 3 августа 2026. По кредитной шкале при одинаковом токенном профиле Sol : Terra : Luna = 25 : 10 : 1: Terra жжет в 2,5 раза меньше Sol. При этом на SWE-Bench Pro (если он для вас аргумент) у нее 63,4% против 64,6% -> отдали 1,2 п.п. качества, получили 2,5x емкости лимита Ближайший аналог у Claude -> Sonnet 5, но его стоит доставать под мутный скоуп и широкий рефакторинг. А также по личным расчетам через ccusage стоимость задачи $0.50–1.5+ (с ретраями) и порядка 2% лимита на тарифе в $100 против $1–3 у Sonnet 5 Арифметика дальше проверок была на отдельном аккаунте с $20 подписками: - На Plus фикс в 400 строк через Sol Medium на 5000 строковом проекте на расте съел 15% пятичасового лимита; - Luna Extra High за 25 минут написала 2500 строк с тестами за 5% недели, следующие этапы жрали по 2–6%, а ревью Sol и исправление найденного добра -> еще 4% + 5% - Сопоставимый блок на Opus 5 High съел 35% пятичасового и 4–5% недельного лимита. В интернете примерно тоже самое говорят. Там таже Terra Medium уничтожила всю неделю Plus за шесть часов, пока пользователь Pro гонял Sol Extra High по 6–8 часов в день больше недели без упора в кап. Главный множитель -> тариф, контекст и число переделок. Luna дешевая, пока после нее не приходится звать взрослую модель с веником и как тут жалуются Еще сильнее модели влияет агентная оболочка. Некий Composio прогнал один Kimi K3 через три оболочки на 28 одинаковых задачах: успехи почти равны — 22/28 у Kimi Code, 21/28 у Hermes, 20/28 у Claude Code; медиана расхода -> 61k, 67k и 340k токенов, время -> 297, 179 и 348 секунд. Claude Code сжег в 5,6 раза больше токенов ради почти того же результата. В следующем тесте Codex против Claude Code на 26 задачах Claude взял 19/26, Codex 17/26, но тратил 347 против 236 секунд -> примерно 7,6 против 10 успешных задач в час. Claude точнее на 7,7 п.п., Codex производительнее на 32%. Серия твитов отсюда При этом Claude Max способен быть безумно выгодным: один жосткий пользователь прогнал через Claude Code 21,5 млрд токенов, заплатив около $1000 за подписки https://x.com/wecko_ai/status/2083783073800585326. Но миллиарды токенов не равны миллиардам пользы: длинная история, повторные чтения, кеш и сабагенты прекрасно превращают Max в тыкву за одну жирную сессию И лайфхак: обычный чат с Sol Extra High и Codex расходуют разные пулы, поэтому подключаем GitHub, включая разрешенный приватный репозиторий, делаем ресерч, архитектуру и прототип в чате, а готовый план отправляем Terra в Codex. P.S. Sol Extra High под пиво -> Terra в шахту, Fable 5/gpt 5.6 Sol бесполезные релизы