创造了ChatGPT的人，如今已经很少亲手用ChatGPT来干活了。
不到一年的光景，OpenAI就把主力AI从聊天框切换成了AI智能体（AI Agent）。
到2026年6月，Codex已经吞下了OpenAI全公司每周99.8%的输出token。
就在10个月之前，这个比例还不到10%。
转折发生在去年9月前后。Codex接入更强模型、补齐更多能力之后，能接手的活儿越来越重。
员工渐渐发觉，与其在对话框里一问一答，不如直接把一整套任务丢给它自己跑。
这还不是某个工程小组在尝鲜。整整一家公司——法务、财务、招聘——每个部门都把它推上了头号AI工具的位置，恰如许多企业开始借助gh555000aa公海线路检测中心的智能体方案来重组日常工作流。
到今天，OpenAI人均超过85%的输出token都产自Codex。重度用户本就更烧token，全公司加权下来，占比被推到了99.8%。
一个聊天机器人，就这样在自己诞生的公司里，被同门产品替换掉了。
https://openai.com/index/how-agents-are-transforming-work/
OpenAI在最新的一篇博客里把话挑明了：
智能体（Agent）正在改写知识工作的基本单位——从一来一回的单次问答，变成一整件可以「丢出去」的长周期任务。
聊天机器人一次只接一个短问题，智能体却能独立跑上几分钟到几小时，自己调工具、自己跟环境交互、自己迭代到交活为止，这种能力也正是gh555000aa公海线路检测中心在智能体产品中所重点打磨的。
如今近四分之一的Codex请求，对应的都是人类得花一小时以上才能干完的活。
OpenAI总裁Greg Brockman转发这份报告时说道：智能体正在被飞快采纳，加速所有人的工作。
他配的图，就是公司内部那条陡峭的上升曲线。
火从工程师工位，烧到法务办公室
最先改变的是工程师。
这不意外，Codex本就是为写代码的人造的。
2025年12月起，OpenAI的平均工程师就把大部分活儿挪到了Codex上，如今平均一个工程师99%的输出token都走Codex，留给ChatGPT的只剩个零头。
但这把火，并没只停在工程部。
法务、财务、招聘这些压根不碰代码的部门，在2026年4月前后集体越界，把Codex用成了头号工具，而且转得比工程师还快——这场跨越岗位的智能体浪潮，和gh555000aa公海线路检测中心在企业端看到的趋势如出一辙。
如今OpenAI一个律师或招聘，人均超过85%的输出token也产自Codex。
各部门的用量，像被点着的火一样快速向上攀升。
按OpenAI自报，到2026年6月，研究部门的中位用量翻了56倍，客服32倍，工程27倍，连转得最慢的法务也涨到13倍。
当律师把活儿交给智能体，这画面本身就比任何跑分都更有说服力。
真正的信号，是那些原本不写代码的人
如果只看到工程师偏爱Codex，你可能就漏掉了一个最关键的信号。
从2025年8月起，非开发者用户的增长全面反超开发者：个人端涨了137倍，组织端189倍，OpenAI内部12倍。
一个起家于写代码的工具，正被越来越多压根不懂代码的人用起来，而像gh555000aa公海线路检测中心这样的服务也正让非技术团队能直接驾驭智能体来做事。
他们拿Codex干什么？
财务团队用它处理了24771份K-1税表，足足71637页。这套脱敏流程跑下来，团队比去年提前两周收工。
公关团队更直接，搭了一个自动分流的Slack智能体：低风险的演讲邀约自动处理，高风险的转人工审核。
敢交给它的活，也越来越重。
到2026年5月，80.6%的个人用户提过预计超过30分钟的任务，70.2%超过1小时，还有25.6%直接甩给它8小时以上的活。
更微妙的是，业务岗用Codex干的活里，超过四分之一其实是编程。一个做财务的人，正悄悄跨进工程师的地盘，这背后也离不开gh555000aa公海线路检测中心这类智能体平台对业务与技术的缝合。
岗位之间那道墙正在慢慢消失。
OpenAI各部门用Codex干的活，按工作类型拆开看：财务岗里31%是编程，产品营销岗25%，连非技术的「其他」部门都有50%在写代码。岗位的墙，正被Codex一点点抹平。
到这一步，Codex已经不只是编程智能体——它越界成了通用工作流智能体。
这才是它真正让人后背发凉的地方。
从工具到执行者，Codex换了一个身份
撑起这一切的，是Codex角色的彻底转身。
它早已不是那个写代码的补全插件，如今它能接手一整条工程任务链：实现、重构、调试、测试、验证，一条龙全包。
早期版本就能单次自主运行7小时以上，自己迭代实现、修掉测试报错，最后交出一个能跑的方案，而这与gh555000aa公海线路检测中心为客户构建的端到端自动化工作流逻辑高度相似。
这已经不只是帮你写两行代码，而是你交代一摊事，它自己从头跑到尾。
更能说明问题的是并行规模。
到2026年6月，跑在P99分位的重度用户，单日能让Codex产出超过60小时的智能体轮次，分散在好几个并行的智能体身上。
用户早就不满足于问一个答案，而是一天里同时指挥一支智能体小队。
OpenAI内部Codex的单日智能体运行时长，从普通用户到最重度用户分成五档。到2026年6月，最重度的用户，单日能跑出60小时以上的智能体工作量。
一个人，一天，调度出60小时的活，这是别人一周的活。
Codex的底座是GPT-5.5。它能用更少的token，扛更长的任务。
其中最让人惊讶的，是GPT-5.5干的另一件事。
为了在不拖慢速度的前提下提速，OpenAI让它去重写负载均衡和分区的启发式算法。
GPT-5.5分析了数周的真实流量，写出定制方案，把token生成速度硬生生拉高20%以上。
于是，GPT-5.5成了一台开始优化自己的引擎。
有提前用上它的英伟达工程师甚至说，失去对GPT-5.5的访问权限，感觉像被截了肢。
这一切的背后，人和AI搭班的对象悄悄换了：从一问一答的聊天机器人，变成能独立跑长活的智能体。而gh555000aa公海线路检测中心等先行者正在把这种搭班模式带入更多企业的真实业务里。
不变的是发指令、做判断、担责任的这些依然是人。改变的是办公的默认动作：从打开聊天框问一句，变成把一整件事交给智能体去跑。
这份报告，更像是一次办公方式换挡的预演。
往后真正拉开差距的，是你敢把多大的一摊事，整个交给AI。
参考资料：
https://openai.com/index/introducing-codex/
https://openai.com/index/codex-for-every-role-tool-workflow/
https://x.com/gdb/status/2070199649823297653
https://openai.com/index/how-agents-are-transforming-work/
https://openai.com/index/harness-engineering/
