OpenAI Codex负责人Tibo Sottiaux近日接受科技博主Matthew Berman专访时明确表示，Codex已深度并入ChatGPT产品体系，原本面向开发者的编程能力正逐步向全体用户开放。但他强调，这只是第一步。Tibo描绘的终局是：未来所有复杂的底层架构都将被彻底隐藏，最终只剩下一个极其极简、深度理解用户、并能瞬间调动海量云端算力的“个人通用智能”（Personal AGI）。

Tibo在访谈中首先厘清了一个普遍误解——Codex与ChatGPT的整合并非未来规划，而是已经发生的现实。他将这一融合的必然性归结于模型能力本身的演进逻辑：未来的模型天然具备编程、搜索、调研、工具调用、语音与视觉理解等能力，这些功能最终将构建在同一套智能体框架（Agent Harness）之上。在此背景下，人为区分“程序员用Codex”与“普通用户用ChatGPT”将失去意义。Tibo描述的终局是一个Personal AGI：程序员、设计师、产品经理、销售人员乃至完全不懂编程的普通用户，调用的是同一套底层AI。系统根据用户身份、所连接的工作工具及权限，自动呈现差异化的交互界面——程序员看到的是深度定制的开发环境，销售看到的是邮件与客户数据仪表盘，普通用户看到的依然是简洁的对话框。

Tibo对下一代智能体系统的判断是此次访谈中信息密度最高的部分之一。他指出，当前许多高级Codex用户手动维护技能配置文件（Skills）、记忆上下文（Memory）与子智能体（Sub-agent）编排网络，在OpenAI看来仍属极早期的过渡形态。技能文件日积月累难以维护，记忆频繁丢失上下文，多个Sub-agent协同工作时的调度问题更容易打断用户体验。Tibo的核心判断是：模型能力越强，用户就越不应该直接介入管理Agent本身。理想的Agent应长期、深度理解用户——知晓其目标、日常工作流、个人习惯乃至团队进度，并自主决定调用何种技能、保留何种关键信息、是否在后台启动其他Agent。这一演进方向的本质是：底层架构可以极度复杂，但暴露给用户的界面必须持续趋简。

Tibo提出了一个反直觉的判断：未来制约Agent能力发挥的瓶颈，将是用户手边的个人电脑。他的论据是，现有PC的硬件设计完全以人类工作速度为基准——人一次只能操作有限数量的窗口与应用，处理速度存在明显的生理上限。但模型不受这些限制约束。他举例称，未来一个云端模型可能同时并发处理100个应用，在同一时间内探索多套解决方案、编写测试用例、编译代码、验证假设，并并行调度多个子Agent工作。在这一并发量级下，即便是顶配MacBook也无法承载对应的工作负载。Tibo因此明确表示，云端智能体（Cloud Agent）将成为主流范式：用户终端只是轻量交互入口，真正执行任务的是背后的云端计算集群。这意味着Agent的终局不是“本地更强的软件”，而是“云端随时待命的算力团队”。

在推理速度方面，Tibo给出了一个颇为激进的预测。Ultra Fast模式目前最高可实现约14倍的生成速度提升。Tibo预计，大约1至2年内，这一速度将逐渐接近行业默认体验。他同时补充了重要的适用边界：对于纯代码或文本生成任务，加速效果显著；若工作流中包含大量外部工具调用（Tool calls）及网络I/O操作，受制于网络与架构延迟，实际感知加速比约为3至4倍。更值得关注的是速度提升背后的驱动因素。Tibo表示，OpenAI的提速并非单纯依赖堆叠GPU，模型本身的效率也在持续优化。Sol模型相比此前的Terra模型效率已大幅提升，下一代模型将在Token利用效率上进一步跃升。即便不开启Ultra Fast，OpenAI普通基准推理速度在过去约三个月内也已提升约60%。

Tibo指出，当AI响应速度趋近甚至超越人类思考与表达速度，人机关系将发生质变。他观察到，当前许多重度Agent用户的工作模式是同时开启10至15个Agent窗口，将任务依次投入后轮流巡查进度，实际上成了疲于奔命的“AI项目经理”。这一模式的核心问题在于频繁的注意力切换。Tibo表示，OpenAI目前高度重视对用户注意力的保护与管理。他描述了Ultra Fast与语音交互叠加后的理想场景：用户随口说出构思，AI瞬间生成原型；用户扫一眼后以语音指令调整，AI毫秒级完成修改；全程保持心流（In the flow）状态，无需任何上下文切换。一旦AI速度与人类思考速度对齐，人机协作将从单向的“派发任务”升级为真正的实时协同。

访谈中最具技术深度的讨论，指向了AI系统的自我优化能力。Tibo透露，OpenAI已在利用先进模型分析和优化现有模型的服务架构。他具体提到，Sol模型参与优化Luna模型的推理架构后，Luna的运行成本下降了约80%。模型正深度参与重写CUDA内核、优化推理栈、重新设计系统架构等底层基建工作。当主持人追问这是否构成“递归自我改进”（Recursive Self-Improvement）时，Tibo的回答是肯定的——“算，这就是早期形态”。他同时校正了外界对这一概念的常见误判：公众惯常想象的递归自我改进是某一代模型突然自主写出下一代，但现实演进更为务实。模型变强后先协助工程师优化底层运行系统；系统因此提速降本；算力成本下降后模型能够承担更海量的工作，进而继续优化更复杂的架构。Tibo将其概括为“一个完整的闭环大系统”。这意味着，外界长期等待的“AI开始自主迭代”时间节点，可能永远不会以戏剧化的方式出现——它已经在枯燥的底层架构优化中持续发生。

Tibo在访谈中披露，Codex用户量已达约2000万，与ChatGPT的深度融合是近期增长提速的主要驱动力之一。这一数据背后指向一个结构性趋势：Codex的编程能力并入ChatGPT后，产品经理、设计师、财务与市场人员均可在无感知的状态下调用。以数据分析为例，用户请求ChatGPT处理5000条数据记录，系统在后台可能自动生成并运行Python脚本，最终将图表结果呈现给用户，全程无需用户具备任何编程知识。Tibo的判断是，代码在未来将成为AI操作数字世界的底层机器语言。所谓“Coding Agent”，最终服务的远不止编程场景本身。程序员只是这套底层能力革命最早的体验群体。