OpenAI近日宣布,旗下编程智能体Codex正式登陆iOS和Android平台上的ChatGPT应用。此前,Codex仅支持桌面端、命令行工具(CLI)及网页端使用。
此次移动端适配的方式,与Anthropic为Claude Cowork推出的Dispatch功能有一定相似之处,但在功能层面更进一步。
ChatGPT移动应用可连接至运行Codex的本地机器(如笔记本电脑、Mac Mini或其他设备)及远程环境,并实时加载当前的环境状态。这意味着移动端始终与桌面端操作保持同步。
OpenAI将这一体验定义为"基于Codex完成工作的完整移动端体验"。由于其依赖更强大的本地或远程环境,移动端Codex本质上是桌面端的延伸,而非独立产品。
因此,移动端Codex完整继承了桌面应用的全部功能,包括凭据、安全策略及其他相关配置。
OpenAI强调,桌面与移动端之间的连接通过一个中继层运行,"确保受信任的设备可跨终端访问,同时不对公共互联网暴露"。
对于外界可能将此与Anthropic的Dispatch进行比较,OpenAI提前作出说明,表示"这不仅仅是远程控制单一任务或向电脑派发新任务的能力",而是能够跨所有现有会话线程进行工作——这一点是Claude Cowork中的Dispatch所不具备的。在Anthropic的方案中,Dispatch作为独立线程运行,与Claude桌面应用其他部分相互隔离。
据OpenAI透露,Codex目前已拥有超过400万周活跃用户。在桌面端,公司选择将Codex作为其超级应用的核心组件(该超级应用将整合大语言模型工具与Atlas浏览器);而在移动端,OpenAI并未单独推出Codex应用,而是将其融入ChatGPT应用,以此构建移动端超级应用的形态。
此次更新正面向所有Codex用户在iOS和Android上陆续推送,包括免费用户和最低价位的Go计划用户。不过,用户需先确保将移动端ChatGPT应用与Codex应用更新至最新版本才可使用。
需要注意的是,目前移动端Codex仅支持连接macOS设备,Windows支持将在近期推出。
此次发布还附带了若干重要更新:Codex现已支持通过远程SSH连接企业远端环境,受授权的所有ChatGPT设备均可访问这些环境,并纳入同一安全中继网络。此外,新增了程序化访问Token功能,为ChatGPT工作区提供范围化凭据(适用于企业版和商业版用户);并在CLI、IDE及Codex应用中支持符合HIPAA合规要求的使用场景(适用于企业版用户,且仅限在本地环境中使用Codex时生效)。
Q&A
Q1:ChatGPT移动端的Codex和桌面端有什么区别?
A:移动端Codex并非独立产品,而是桌面端的延伸。它通过连接运行Codex的本地或远程机器,实时同步桌面端的环境状态,完整继承桌面应用的功能、凭据和安全策略,用户在手机上即可跨所有会话线程开展工作,体验与桌面端高度一致。
Q2:移动端Codex目前支持哪些系统?
A:目前移动端Codex支持iOS和Android平台,但本地机器端仅支持连接macOS设备。Windows系统的支持尚在开发中,预计近期推出。用户需提前将ChatGPT移动应用和Codex应用更新至最新版本才能正常使用。
Q3:Codex新增的企业功能有哪些?
A:此次更新为企业用户带来了多项新功能:支持通过远程SSH连接企业远端开发环境;新增程序化访问Token,为ChatGPT工作区提供范围化凭据(企业版和商业版可用);以及在CLI、IDE和Codex应用中支持符合HIPAA合规标准的使用场景(仅企业版用户在本地环境下可用)。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。