全球资源网科技频道讯：8月17日，OpenAI工程师、Codex和ChatGPT相关团队成员Tibo在X上表示，GPT-5.6 Sol的1M Token上下文已经可以在Codex中使用。此前，这项能力主要需要通过API Key调用，现在已经扩展至ChatGPT账户。
与此同时，Tibo也特别提醒，当前Codex的默认上下文长度经过专门调校，并非越大越好；用户可以自行开启更大的上下文窗口。相关信息显示，GPT-5.6 Sol本身的官方模型规格为105万Token上下文窗口，最大输出为12.8万Token。
OpenAI正在把模型的“长记忆”能力，转化为Agent处理复杂软件工程任务的能力。
对于Codex用户而言，一次性塞进去更多文字不是初衷，而是能连续干多少活。Codex的目标并不是简单回答代码问题，而是越来越多地承担软件开发过程中的实际工作。OpenAI此前已经将Codex从一个“写代码、审代码”的工具，向能够在计算机上执行复杂任务的Agent推进。
这意味着，其要涉及代码仓库、项目文档、历史修改、终端输出、测试结果、错误日志、用户需求以及Agent此前已经执行过的操作。上下文越长，Agent就越有机会在一个较长的任务周期内保留这些信息。
为什么OpenAI要这么做呢？OpenAI真正争夺的，可能是开发者的工作流。以前AI公司的竞争核心主要是围绕模型能力展开，但进入Agent时代之后，开发者真正关心的问题是谁能把工作做完。
OpenAI官方已经将GPT-5.6定位为面向复杂专业工作的旗舰模型，并强调其在复杂推理、编码以及专业工作流中的表现。与此同时，GPT-5.6也被用于OpenAI自身的工程工作，包括分析生产流量、优化路由以及改进模型运行效率。
于是，要满足模型能力、长上下文、工具调用、Agent、复杂任务执行兼具备的工作流，才是开发者真正想要的需求，若开发者把所有的工作流生态都归进OpenAI，那么OpenAI的商业价值就会很大。
为什么之前已经能够通过API使用，现在还要进一步让ChatGPT账户使用？答案很可能与OpenAI正在推动的产品融合有关。
API面向开发者，而ChatGPT则拥有更加庞大的终端用户和企业用户基础。如果一个开发者能够直接通过ChatGPT账户使用Codex，那么模型、Agent、代码环境以及用户身份体系之间的距离就进一步缩短。
实际上，OpenAI正在建立的是一个一个完整的工作入口：ChatGPT负责交互，Codex负责执行，模型负责推理，工具负责连接现实世界。
这与传统SaaS软件的逻辑已经越来越不同。过去的软件是：人使用软件。未来的Agent软件可能变成：人告诉AI目标，AI使用软件完成任务。
因此，OpenAI正在打造的商业模式是生产力的售卖，是更强的模型、更长的上下文、更强的coding Agent，然后能处理更复杂的软件工程任务，开发者使用频率提升，然后到工作流逐渐迁移到Codex，个人订阅价值提升、企业采用，从而形成更高的企业收入和API收入。
从API价格也能看到长上下文背后的成本逻辑。OpenAI官方数据显示，GPT-5.6 Sol标准输入价格为每百万Token 5美元，长上下文输入价格则更高；超过一定长度的输入还会采用更高的计费档位。
所以，1M Context并不是没有成本的免费午餐。OpenAI需要在模型效果、上下文长度、计算成本以及用户体验之间寻找平衡。
Tibo特别提到，目前默认上下文长度经过专门调校，用户虽然可以使用更大的上下文，但默认值并非随意设置。
原因很简单：Context越大，不一定意味着模型越聪明。当上下文不断扩大之后，模型面对的信息也会越来越多。其中可能包括：大量重复代码、无关日志、历史对话、过期信息以及各种工具输出。
信息越多，噪音也可能越多。同时，更大的上下文意味着更高的计算资源消耗。
事实上，OpenAI开发者社区近期也出现过关于Codex上下文容量变化的讨论，一些用户报告实际产品上下文窗口与GPT-5.6 Sol公开模型规格之间存在差异。这也说明，模型理论上下文、产品实际开放额度以及用户真正能够有效利用的上下文，并不是完全相同的概念。所以，谁能够让AI真正有效利用这些上下文，是下一阶段竞争的关键。
真正与Codex发生正面竞争的，整个AI Coding Agent生态。包括Claude Code、Cursor、GitHub Copilot以及Google生态中的相关Coding Agent等。
因为开发者最终比较的是，谁能够用更少的人力、更低的成本、更高的成功率完成一个真实任务，谁就拥有更强的商业价值。
未来真正具有护城河的AI公司，可能不是拥有某一个参数规模最大的模型，而是能够把模型能力嵌入用户日常工作，并让用户越来越依赖这套系统。
OpenAI正在努力让AI拥有处理大型项目、保持长期上下文、调用工具并持续执行任务的能力。如果这一方向最终成立，那么未来AI公司的竞争，就不再只是模型之间的竞争。而是谁能够成为人类工作流中的“数字劳动力入口”。
这或许才是Codex以及长上下文能力真正值得关注的战略意义。
