Codex 內部被非程序員偷用，ChatGPT Work 順勢而生
OpenAI 把 Codex 的 harness 原樣搬給了知識工作者，只改 UX 取捨和 sandbox 默認值；背後的判斷是職能邊界會被 AI 抹平，所以拒絕按「你是誰」劃產品線。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
起點是內部人偷用 Codex
Akshay 說 ChatGPT Work 最直接的觸發點，是 Codex 在 OpenAI 內部出現了非開發者採用的拐點——strategic finance、marketing 都在用。但真正讓他記住的信號不是使用量，而是情緒：這些人對自己在用 Codex 這件事「非常驕傲」，Swyx 當場點破是「我本來不該用它，但我在用」，Akshay 承認就是這樣，而且他們覺得自己拿到了超能力。由此推出的結論是：agent 的能力外溢到開發者之外的時間點，比 OpenAI 自己預期的早得多；而 ChatGPT 已有的分發是現成通道，問題只剩下怎麼把這份 power 端到那些人面前。
— Akshay Nathanharness 共享，差異只在兩處
Swyx 直接追問 Codex 和 ChatGPT Work 的 harness 是不是同一套，Akshay 的回答是同一套、共享，為知識工作做的改進——plugins、computer use、artifacts——兩邊都能拿到。差別只有兩處：一是 UX 取捨，Codex 模式默認把 Git state 和 diff 頂到前臺，dynamic island 假定你在 repo 裡，同一個「做退休計算器表格」的任務在 Work 裡看不到 file edits；二是 sandbox 的安全默認值不同。他給的原則是：用戶不該被迫先選自己在哪個體驗裡。合併的理由也不是工程複用，而是每隔幾個月每個人的工作內容都在變，按身份畫硬邊界遲早會錯。
— Akshay Nathan默認值本身就是產品
被問到怎麼在模型和推理檔位之間 min-max，Akshay 先甩出一個數字：32 個選項，並主動承認「可以說現在選項太多了，我們正在簡化」。他給的順序很硬：先用默認，只有當你在成本效率或智能質量上看到明確不滿足，再去改配置。Ultra 和多 agent 設置適合兩類任務——極複雜的開放探索，或高度可並行的；goal 適合能持續、可驗證推進的任務；而大多數任務兩者都不是。滑桿的設計思路是把多維強行投影到一維：一端是速度與效率，一端是質量與徹底。發布後他們還把 Ultra 改成必須手動在高級設置裡打開，因為它會更快吃掉用量額度。
— Akshay NathanSites 正在吃掉 deck 和 spreadsheet
Sites 被討論最多的是原型工具那一面，Akshay 給的另一面更值得注意：公司財務團隊按月做的報告，歷史上是 slide deck 加 spreadsheet，現在直接就是 Site，Site 本身成了團隊協作的載體。理由是帶寬和天花板——PowerPoint 和 Excel 名義上無限靈活，但你會撞到兩堵牆，要麼人不知道某個功能怎麼用，要麼產品根本不支持；Site 是 HTML，想讓某個結論當 hero image 就能當，在 deck 裡會被埋掉的東西可以頂上去。連這次發布裡那個模型滑桿，設計、工程、產品也是在一個 Site 上協作定稿的。Akshay 對 Markdown 的評價是：本來就不適合人讀。
— Akshay NathanAI 寫績效評估的那條線
Swyx 的顧慮很具體：作為管理者，把 LLM 生成的東西用在評價人上，顯得你不在乎。Akshay 劃的線很乾淨——絕不會純靠 AI 寫完一份 review 再交上去；AI 的價值全在收集 context：代碼、這個人 catch 到的問題、review 記錄、Slack，全都能翻。他說六個月前那輪評估週期他試過，完全沒幫上忙；這一輪模型比他自己做得好，能撈出他根本沒看見的貢獻。Swyx 歸納成「這就是 agentic search」，Akshay 認同，並補一句它比以前更能被引導和定向。至於會不會漏掉東西，他的回答是：會，但我也會漏，這是相對的。
— Akshay Nathan1000 萬只是分子
Akshay 把 1000 萬用戶稱為一次 culmination，但立刻把它放回分母裡：ChatGPT 有數億用戶，幾乎所有人都把它等同於 AI，相比之下 1000 萬只是起步。關鍵約束是 OpenAI 自己設的——ChatGPT Work 目前只對付費用戶開放，且不會把 ChatGPT 用戶默認切進去，得靠教育、試用、反饋一輪輪迭代。同時他明確否認 Codex 會被吸收掉，措辭比 Swyx 的問題更強：開發者一直是核心市場，Codex 會繼續針對軟件開發做深，合併反而抬高它的效用，因為你能在寫 diff、生成 artifact、跨代碼庫搜索之間無縫切換。
— Akshay Nathan瓶頸是 idea，不是執行
當所有人都能構建東西，Akshay 認為瓶頸就變成 ideas 和 taste。他說自己最想要、但至今做不出來的一項自動化就是「給我新想法」，LLM 在這件事上就是不行。他給的解釋不是模型能力不足，而是 idea 的來源結構：想法不在真空裡產生，在產品開發裡它們來自和用戶對話、來自你觀察到的摩擦和反饋、來自你之前已經鋪好的基礎。所以他判斷能閉合這個迴路的通才會一直有價值。對角色演化，他的看法是 T 型：AI 讓每個人都成為通才——他說自己以前根本做不出設計，現在也沒有視覺品味，但能和 AI 一起迭代——專長則是那一豎。
— Akshay Nathan別把 motion 當成 progress
舊的生產力代理指標——代碼提交、代碼行數、story points——在 AI 之後正在失效：token 用量和 PR 數量已經不再和「團隊是否在達成目標」高相關。Akshay 給管理者的替代不是新儀表盤，而是 at-bats：不只看次數，還看質量——從產生想法、做出來、拿到反饋、對反饋做出反應、驗證或證偽假設、再進入下一個想法，這一整圈能不能跑得高效；以及團隊有沒有那種反覆跑還保持動力和謙遜的文化。他明確點名最大的陷阱：加了一堆 LLM、建了各種 dashboard，但什麼都沒變，那正是把 motion 誤當 progress。
— Akshay Nathan原話 · 已逐字校驗
And, like, we should enable users to choose, but we shouldn’t box them in.
我們應該讓用戶能選，但不該把他們框死在某個格子裡。
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 這類工具看上去無限靈活，但你總會撞到邊界：要麼你作為人不知道某個功能怎麼用，要麼產品本身就不支持。而用 Site，你想做什麼都行。
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.
規矩就是：我絕不會完全用 AI 寫出一份東西，然後把它當成對某個人的評估交上去。我說的是收集 context，那才是它極其有用的地方。
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、但就是跑不通的一項自動化，是「給我一些新想法」。LLM 在這件事上就是不行。關於想法有個有意思的點：它們不是在真空裡產生的。
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
我覺得陷阱可能就是把 motion 和 progress 混為一談。因為現在有這些工具，motion 比以往任何時候都容易；但 progress 要求你對自己想達成什麼非常明確、非常刻意。
Akshay Nathan1:08:06
數字與實體
| Akshay 加入時 OpenAI 人數 | 約 500 人（2023 年） | 1:33 |
| 模型與推理檔位組合數 | 32 個選項 | 16:24 |
| ChatGPT Work + Codex 用戶 | 1000 萬 | 41:43 |
| ChatGPT 整體用戶量 | 數億（hundreds of millions） | 42:46 |
| ChatGPT Work 開放範圍 | 僅付費用戶，且不對 ChatGPT 用戶默認開啟 | 42:46 |
| 同一任務耗時對比（退休計算器） | ChatGPT Work 8 分鐘，Codex 當時仍未跑完 | 19:29 |
| Vibhu 用 goal 生成同款桌遊耗時 | 18 分 53 秒 | 31:19 |
術語
- harness智能體外殼
- 包住模型的工具、循環與環境層，決定 agent 能調用什麼、怎麼執行。
- artifacts工件
- 模型生成並可反覆迭代的結構化產物，如表格、幻燈片、網頁。
- Sites站點
- ChatGPT 直接生成並託管的 HTML 頁面，正在替代 deck 和表格做交付物。
- Chronicle電腦行為記憶
- 從你使用電腦的過程中學習、寫入記憶的實驗功能，默認關閉。
- at-bats上場打擊次數
- 棒球比喻，指團隊完整跑完「想法—構建—反饋—驗證」循環的次數與質量。
- OpenClawOpenClaw
- 獨立的開源個人 agent 項目，本集被當作個人 OS 形態的參照。
收聽指南
做 agent 產品的 PM 與設計、正在給非工程團隊鋪 AI 工具的負責人、需要重定生產力指標的工程管理者。
26:02–31:19 兩位主持人輪流演示自己做的桌遊 Site，信息密度低。