OpenAI近日发布了一项重要更新,允许用户通过智能手机远程访问其Codex应用。此次ChatGPT移动端更新,将Codex for Mac的远程访问功能引入了iPhone、iPad以及Android平台。
虽然Codex在Mac上作为独立应用运行,但OpenAI选择将远程访问功能集成于ChatGPT移动应用内。
"Codex现已登陆ChatGPT移动端,无论你身在何处,都能随时掌握工作进展,Codex将持续在你的笔记本、开发环境或远程服务器上处理任务。"OpenAI在今日的公告中表示。
OpenAI重点介绍了该功能的典型使用场景:当用户离开电脑时,可直接在手机上审批Codex任务、发起新的指令提示。
随着智能体承担越来越多的长周期任务,一种全新的人机协作节奏正在形成。为了保持工作的连续推进,用户需要能够随时回答问题、查看Codex的阶段性成果、调整工作方向、审批下一步操作,或随时加入新的想法。
"ChatGPT移动端中的Codex,是一套完整的移动端工作体验,让你真正用Codex把事情做成。"OpenAI表示。
"当你连接到任意一台正在运行Codex的设备(无论是笔记本、专用Mac mini还是托管的远程环境),应用会实时加载该环境的当前状态,让你可以在活跃的任务线程、审批请求、插件和项目上下文之间流畅切换。"
在设置流程上,Mac端的Codex应用会生成一个二维码,用户使用iPhone、iPad或Android版ChatGPT扫描后即可完成配对连接。
OpenAI强调,Codex在ChatGPT移动端的功能远不止基础的远程操控:
这不仅仅是远程控制单个任务或向电脑派发新任务那么简单。通过手机,你可以跨线程工作,查看输出内容,审批指令,切换模型,或随时开启新任务。你的文件、凭据、权限和本地配置始终保留在运行Codex的设备上,而截图、终端输出、代码差异、测试结果和审批信息则实时同步到你的手机。
Codex通过ChatGPT移动端实现远程访问的功能现已正式上线,用户需将Codex for Mac以及iOS或Android版ChatGPT更新至最新版本方可使用。OpenAI表示,Windows版Codex的远程控制支持将在后续推出。
上个月,Mac版Codex新增了在不占用鼠标控制权的情况下操作电脑应用的能力,这意味着用户可以在Codex后台处理任务的同时,继续正常使用自己的电脑。
除了持续强化Codex桌面端能力外,OpenAI近期还推出了专为Codex用户设计的订阅方案,并发布了GPT-5.5以全面提升ChatGPT和Codex的能力,同时上线了新一代图像生成功能Images 2。Codex最初以命令行工具形式推出,直至今年2月才正式登陆Mac平台。
Q&A
Q1:Codex移动端远程访问功能怎么设置?
A:设置流程比较简单。首先在Mac上运行Codex应用,系统会生成一个二维码;然后用iPhone、iPad或Android设备打开ChatGPT应用扫描该二维码即可完成配对。需要注意的是,必须将Codex for Mac和ChatGPT移动端都更新到最新版本才能使用该功能。
Q2:通过手机远程使用Codex可以做哪些操作?
A:功能相当完整,不只是简单的远程控制。用户可以在手机上跨线程查看所有任务进展、审批Codex的操作指令、切换使用的AI模型、查看代码差异和测试结果,也可以随时发起新任务。文件、权限等数据始终保存在运行Codex的本地设备上,截图、终端输出等内容则实时同步到手机。
Q3:Codex目前支持哪些平台?Windows版什么时候能用?
A:目前Codex独立应用仅支持Mac平台,于2025年2月正式上线,在此之前只有命令行工具版本。移动端远程访问功能现已支持iPhone、iPad和Android设备。至于Windows版Codex的远程控制支持,OpenAI表示将在后续更新中推出,但尚未公布具体时间表。
好文章,需要你的鼓励
本田汽车因电动车战略失败,创下上市以来最大亏损,电动车相关损失高达1.45万亿日元(约92亿美元)。本田CEO宣布全面调整战略:放弃2040年淘汰燃油车计划,转而推进混动路线,计划到2028年推出两款新混动车型原型,并在本十年末全球发布15款新混动车型。与此同时,本田将暂停150亿美元的加拿大电动车工厂建设,并将俄亥俄州电动车产线改为混动和燃油车生产。
中山大学等机构发现,多模态AI在同一道物理题因表达形式改变时推理能力明显下滑,视觉数值与物理实体的绑定是最核心瓶颈,且遮黑训练图片同样能提升测试成绩。
IEEE信号处理学会与《IEEE信号处理精选主题期刊》联合发布专题征稿,聚焦"网络化AI"领域。该研究方向旨在让机器人和AI系统摆脱孤立运行模式,通过互联网络实现集体学习、实时协同优化。研究涵盖多智能体机器人、分布式AI、边缘智能、自动驾驶等方向,探索系统在无需人工干预的条件下自主进化的可能性。论文征集截止日期为2026年6月15日,成果将于2027年1月发布。
这项由纽约大学与弗拉托恩研究所开展的研究证明,允许可学习嵌入时,Transformer只需对数维度就能存储大量事实,MLP充当通用关系选择器而非知识查找表,思维链可绕开多跳推理的容量瓶颈。