ChatGPT Work 与 Codex 是同一个 harness，差的只是 UX
OpenAI 把 Codex 的 harness 原样搬给了知识工作者，只改 UX 取舍和 sandbox 默认值；背后的判断是职能边界会被 AI 抹平，所以拒绝按「你是谁」划产品线。
核心论点 · 点时间戳可跳到原声
起点是内部人偷用 Codex
Akshay 说 ChatGPT Work 最直接的触发点，是 Codex 在 OpenAI 内部出现了非开发者采用的拐点——strategic finance、marketing 都在用。但真正让他记住的信号不是使用量，而是情绪：这些人对自己在用 Codex 这件事「非常骄傲」，Swyx 当场点破是「我本来不该用它，但我在用」，Akshay 承认就是这样，而且他们觉得自己拿到了超能力。由此推出的结论是：agent 的能力外溢到开发者之外的时间点，比 OpenAI 自己预期的早得多；而 ChatGPT 已有的分发是现成通道，问题只剩下怎么把这份 power 端到那些人面前。
— Akshay Nathanharness 共享，差异只在两处
Swyx 直接追问 Codex 和 ChatGPT Work 的 harness 是不是同一套，Akshay 的回答是同一套、共享，为知识工作做的改进——plugins、computer use、artifacts——两边都能拿到。差别只有两处：一是 UX 取舍，Codex 模式默认把 Git state 和 diff 顶到前台，dynamic island 假定你在 repo 里，同一个「做退休计算器表格」的任务在 Work 里看不到 file edits；二是 sandbox 的安全默认值不同。他给的原则是：用户不该被迫先选自己在哪个体验里。合并的理由也不是工程复用，而是每隔几个月每个人的工作内容都在变，按身份画硬边界迟早会错。
— Akshay Nathan默认值本身就是产品
被问到怎么在模型和推理档位之间 min-max，Akshay 先甩出一个数字：32 个选项，并主动承认「可以说现在选项太多了，我们正在简化」。他给的顺序很硬：先用默认，只有当你在成本效率或智能质量上看到明确不满足，再去改配置。Ultra 和多 agent 设置适合两类任务——极复杂的开放探索，或高度可并行的；goal 适合能持续、可验证推进的任务；而大多数任务两者都不是。滑杆的设计思路是把多维强行投影到一维：一端是速度与效率，一端是质量与彻底。发布后他们还把 Ultra 改成必须手动在高级设置里打开，因为它会更快吃掉用量额度。
— Akshay NathanSites 正在吃掉 deck 和 spreadsheet
Sites 被讨论最多的是原型工具那一面，Akshay 给的另一面更值得注意：公司财务团队按月做的报告，历史上是 slide deck 加 spreadsheet，现在直接就是 Site，Site 本身成了团队协作的载体。理由是带宽和天花板——PowerPoint 和 Excel 名义上无限灵活，但你会撞到两堵墙，要么人不知道某个功能怎么用，要么产品根本不支持；Site 是 HTML，想让某个结论当 hero image 就能当，在 deck 里会被埋掉的东西可以顶上去。连这次发布里那个模型滑杆，设计、工程、产品也是在一个 Site 上协作定稿的。Akshay 对 Markdown 的评价是：本来就不适合人读。
— Akshay NathanAI 写绩效评估的那条线
Swyx 的顾虑很具体：作为管理者，把 LLM 生成的东西用在评价人上，显得你不在乎。Akshay 划的线很干净——绝不会纯靠 AI 写完一份 review 再交上去；AI 的价值全在收集 context：代码、这个人 catch 到的问题、review 记录、Slack，全都能翻。他说六个月前那轮评估周期他试过，完全没帮上忙；这一轮模型比他自己做得好，能捞出他根本没看见的贡献。Swyx 归纳成「这就是 agentic search」，Akshay 认同，并补一句它比以前更能被引导和定向。至于会不会漏掉东西，他的回答是：会，但我也会漏，这是相对的。
— Akshay Nathan1000 万只是分子
Akshay 把 1000 万用户称为一次 culmination，但立刻把它放回分母里：ChatGPT 有数亿用户，几乎所有人都把它等同于 AI，相比之下 1000 万只是起步。关键约束是 OpenAI 自己设的——ChatGPT Work 目前只对付费用户开放，且不会把 ChatGPT 用户默认切进去，得靠教育、试用、反馈一轮轮迭代。同时他明确否认 Codex 会被吸收掉，措辞比 Swyx 的问题更强：开发者一直是核心市场，Codex 会继续针对软件开发做深，合并反而抬高它的效用，因为你能在写 diff、生成 artifact、跨代码库搜索之间无缝切换。
— Akshay Nathan瓶颈是 idea，不是执行
当所有人都能构建东西，Akshay 认为瓶颈就变成 ideas 和 taste。他说自己最想要、但至今做不出来的一项自动化就是「给我新想法」，LLM 在这件事上就是不行。他给的解释不是模型能力不足，而是 idea 的来源结构：想法不在真空里产生，在产品开发里它们来自和用户对话、来自你观察到的摩擦和反馈、来自你之前已经铺好的基础。所以他判断能闭合这个回路的通才会一直有价值。对角色演化，他的看法是 T 型：AI 让每个人都成为通才——他说自己以前根本做不出设计，现在也没有视觉品味，但能和 AI 一起迭代——专长则是那一竖。
— Akshay Nathan别把 motion 当成 progress
旧的生产力代理指标——代码提交、代码行数、story points——在 AI 之后正在失效：token 用量和 PR 数量已经不再和「团队是否在达成目标」高相关。Akshay 给管理者的替代不是新仪表盘，而是 at-bats：不只看次数，还看质量——从产生想法、做出来、拿到反馈、对反馈做出反应、验证或证伪假设、再进入下一个想法，这一整圈能不能跑得高效；以及团队有没有那种反复跑还保持动力和谦逊的文化。他明确点名最大的陷阱：加了一堆 LLM、建了各种 dashboard，但什么都没变，那正是把 motion 误当 progress。
— Akshay Nathan原话 · 已逐字校验
And, like, we should enable users to choose, but we shouldn’t box them in.
我们应该让用户能选，但不该把他们框死在某个格子里。
Akshay Nathan11:43
at these tools like PowerPoint and Excel are like infinitely flexible, but at some point you reach the boundary of like either as a human you may not know how to use some feature or something, or the product itself doesn’t support it. But with a site you can do anything.
PowerPoint 和 Excel 这类工具看上去无限灵活，但你总会撞到边界：要么你作为人不知道某个功能怎么用，要么产品本身就不支持。而用 Site，你想做什么都行。
Akshay Nathan23:52
Oh, I think the etiquette is that, like, I would never write something via, like, well, solely via AI and, like, present it as, like, a review for someone. What I was talking about is more, like, gathering context. That’s the place where it’s incredibly helpful.
规矩就是：我绝不会完全用 AI 写出一份东西，然后把它当成对某个人的评估交上去。我说的是收集 context，那才是它极其有用的地方。
Akshay Nathan38:27
I would say that the one automation that I would love to work and it doesn’t work is bring me new ideas, right? somehow LLMs are just not it. One interesting part about ideas is, like, they’re not, like, in a vacuum.
我最希望能跑通、但就是跑不通的一项自动化，是「给我一些新想法」。LLM 在这件事上就是不行。关于想法有个有意思的点：它们不是在真空里产生的。
Akshay Nathan1:03:07
I think maybe the trap is like conflating motion and progress. I think motion is much easier now than ever before because of the tooling that we have. But progress requires you to be like very prescriptive and deliberate about like what you’re trying to achieve
我觉得陷阱可能就是把 motion 和 progress 混为一谈。因为现在有这些工具，motion 比以往任何时候都容易；但 progress 要求你对自己想达成什么非常明确、非常刻意。
Akshay Nathan1:08:06
数字与实体
| Akshay 加入时 OpenAI 人数 | 约 500 人（2023 年） | 1:33 |
| 模型与推理档位组合数 | 32 个选项 | 16:24 |
| ChatGPT Work + Codex 用户 | 1000 万 | 41:43 |
| ChatGPT 整体用户量 | 数亿（hundreds of millions） | 42:46 |
| ChatGPT Work 开放范围 | 仅付费用户，且不对 ChatGPT 用户默认开启 | 42:46 |
| 同一任务耗时对比（退休计算器） | ChatGPT Work 8 分钟，Codex 当时仍未跑完 | 19:29 |
| Vibhu 用 goal 生成同款桌游耗时 | 18 分 53 秒 | 31:19 |
术语
- harness智能体外壳
- 包住模型的工具、循环与环境层，决定 agent 能调用什么、怎么执行。
- artifacts工件
- 模型生成并可反复迭代的结构化产物，如表格、幻灯片、网页。
- Sites站点
- ChatGPT 直接生成并托管的 HTML 页面，正在替代 deck 和表格做交付物。
- Chronicle电脑行为记忆
- 从你使用电脑的过程中学习、写入记忆的实验功能，默认关闭。
- at-bats上场打击次数
- 棒球比喻，指团队完整跑完「想法—构建—反馈—验证」循环的次数与质量。
- OpenClawOpenClaw
- 独立的开源个人 agent 项目，本集被当作个人 OS 形态的参照。
收听指南
做 agent 产品的 PM 与设计、正在给非工程团队铺 AI 工具的负责人、需要重定生产力指标的工程管理者。
26:02–31:19 两位主持人轮流演示自己做的桌游 Site，信息密度低。