「模型没换、得分翻了快 3 倍」——这句话在 AI 圈炸开，靠的不是新模型，而是一次开源。8 月 20 日，OpenAI 把自己智能体产品 Codex 的底层执行框架 Harness 全面开源了，代码挂在 GitHub 上，许可证 Apache-2.0，任何人可以拿去用、改、甚至放进自己的产品里。仓库目前已经积累了超过 10 万 star，成了最近一周开源圈最火的项目之一。
为什么要关注这件事？因为 OpenAI 用一组数据把行业的一个认知直接颠覆了：同一颗模型（GPT-5.6 Sol），只调整了执行框架里的两项能力——保留推理状态和上下文压缩，在 ARC-AGI-3 这个号称「最难」的推理基准上，得分从 13.3% 直接冲到 38.3%，接近 3 倍提升，同时输出 token 降到原来的六分之一。也就是说，模型的「智商」一点没变，只是换了个更聪明的「身体」，结果判若两人。
这对普通人的意义很直接：过去我们总以为 AI 好不好用全看模型大不大、参数多不多，而这次开源告诉你——把 AI 用起来的「执行系统」，可能比模型本身更值钱。这篇文章就把这次开源拆开讲清楚：开源了什么、数据意味着什么、以及它为什么是 AI 行业的一个分水岭。
一、OpenAI 这次到底开源了什么
先说结论：开源的不是模型，而是「跑模型的那套机器」。Codex 是 OpenAI 的 AI 编程智能体，你给它一个需求，它自己写代码、跑命令、改文件。这套东西能干活，靠的不只是背后的大模型，还有一层被叫做「Harness（执行框架）」的软件系统。
这次开源的就是这层系统，它由三大部分组成：
第一，codex-rs 核心执行引擎。这是整个框架的心脏，用 Rust 语言编写，负责管理对话状态、调度工具调用、隔离沙箱环境、处理审批策略。简单说，Agent 的「大脑」是模型，「身体」就是这一层——它决定 Agent 怎么理解任务、怎么记住上下文、怎么调用工具、怎么在人需要把关的时候停下来问一句。
第二，codex exec 命令行工具。它让你可以在终端里、在 CI/CD 流水线里、在脚本里一次性跑完一个任务，适合自动化场景。比如「重构一下某个函数并加错误处理」这种活儿，一行命令丢给它就行。
第三，官方 SDK 与 app-server。TypeScript 和 Python 两套官方 SDK，让开发者可以在自己的应用里启动、恢复、流式获取 Codex 任务；app-server 则暴露了一个 JSON-RPC 协议，负责长期会话的状态保持和事件推送——你现在在 IDE 插件里看到 Codex 的进度条、审批弹窗，底层走的就是这个协议。
值得注意的是，OpenAI 仓库里的很多代码其实早在 2025 年就在了，Apache-2.0 协议也不是今天才挂上的。这次真正的变化是：OpenAI 把「读代码自己琢磨」升级成了「官方支持你基于它做产品」——SDK 转正、协议文档化、明确邀请第三方来构建。这是一个信号：OpenAI 想把 Codex 的执行框架变成行业默认的「Agent 底座」。
二、13.3% 到 38.3%：这个数据为什么震撼
这次发布里最抓眼球的是那组 ARC-AGI-3 数据。ARC-AGI-3 是一个专门测「类人推理」的基准，被很多团队认为是当前最难的大模型评测之一。OpenAI 给出的对照是：同一颗 GPT-5.6 Sol 模型，什么都不改，只动 Harness 层的「保留推理状态」和「上下文压缩」两项，得分就从 13.3% 涨到 38.3%，翻了近 3 倍，输出 token 反而只有原来的六分之一。
这说明什么？说明长任务的 Agent 出问题，很多时候不是模型「不够聪明」，而是「上下文在运行两小时后散架了」——记不住前面干了什么、推理过程被截断、对话越来越长越来越乱。执行框架解决的就是这些「运行时的脏活累活」。
这套逻辑放到现实里，最典型的例子就是：同一个模型在 A 平台跑得很顺、在 B 平台频繁出错，用户往往以为是平台「用了假模型」，其实多半是执行框架的差距。模型负责「想」，框架负责「把想的东西变成结果」——后者做得怎么样，直接决定体验。
三、为什么说这是行业分水岭
第一，AI 竞争的主战场正在从「模型层」挪向「执行层」。过去一年，各家卷的是参数、跑分、上下文长度；而 OpenAI 这次用一组数据证明，执行系统的优化空间可能比模型升级还大。当模型能力拉不开差距的时候，谁能把 Agent 用得又稳又省，谁就赢了。
第二，OpenAI 在下一盘「平台棋」。把执行框架免费开源、SDK 转正、协议文档化，本质上是在说：你们尽管基于我的底座做产品，流量和模型调用自然就流到我这里。这被业内解读为「免费送管道、收费卖水」的打法——先让开发者在生态里长起来，再通过模型 API 变现。
第三，对开发者和副业党的直接利好。以前想在产品里嵌一个能自己干活、能审批、能流式输出的 Agent，得从零搭一套执行系统；现在直接基于开源框架起步，省掉大量重复造轮子的时间。对想用 AI 做自动化产品、接企业定制单的团队来说，门槛实实在在降了一截。
四、普通人怎么理解这件事
如果你不是开发者，这篇新闻对你最大的价值是更新一个认知：AI 好不好用，模型只占一半，另一半是「怎么用它」。
以后你选 AI 工具、看 AI 产品的评测，除了看「用了什么模型」，还可以多问一句「它的执行系统怎么样」——同一个模型在不同产品里表现天差地别，原因往往就在这层看不见的框架上。这也是「AI 智习室」一直强调的：看懂 AI，先看懂它干活的那套机制，而不只是看参数。
这次开源把 AI 行业的「军备竞赛」从拼模型拉进了拼执行的新阶段。接下来值得观察的是：谁能把这套开源框架真正用起来，做出稳定、省钱的 Agent 产品——那才是普通人能实实在在用上的红利。
关注「AI 智习室」，每天一条看得懂的 AI 情报。
