第15期：OpenAI 在编程领域持续发力

Codex升级与GPT-5-Codex发布

OpenAI发布了GPT-5-Codex，这是基于GPT-5专门为Codex优化的模型。GPT-5-Codex聚焦于真实的软件工程场景，能够在终端、IDE、Web甚至手机等多种环境下协作开发。它不仅适合快速交互，还能独立完成复杂、长周期的任务。模型在代码审查方面表现突出，能提前发现关键性bug。

GPT-5-Codex的能力与应用场景

GPT-5-Codex专为agentic coding设计，训练数据涵盖了从零构建项目、功能添加、测试生成、调试、大规模重构到代码审查等复杂任务。模型具备更强的可控性，能够更好地遵循AGENTS.md中的指令，生成高质量代码。开发者无需详细说明风格或代码规范，只需直接描述需求。

在代码重构评测中，GPT-5-Codex能够处理大型仓库的复杂任务。例如，Gitea的一个pull request涉及232个文件、3541行代码的重构，模型能动态调整思考时间，针对任务复杂度分配资源。对于简单请求，响应更快；对于复杂任务，模型能持续独立工作数小时，迭代实现并修复测试问题。

在代码审查环节，GPT-5-Codex能够遍历代码库、分析依赖、运行代码和测试，验证正确性。评测显示，GPT-5-Codex生成的审查意见更少出现错误或无关内容，能更有效地聚焦关键问题。

前端与云端协作

GPT-5-Codex在前端任务上表现稳定，能够创建美观的桌面应用，并在移动端网站开发中获得更高的人类偏好评分。云端环境下，模型支持图片输入，能对设计稿或bug截图进行视觉检查，并将结果截图反馈给开发者。

Codex工具链更新

Codex CLI经过重构，支持图片、截图、线框图等多种输入，便于设计沟通。复杂任务下，CLI会自动生成待办清单，集成web搜索和MCP等工具，提升外部系统连接能力。终端UI升级后，工具调用和diff展示更清晰，审批模式简化为三种，支持会话状态压缩，便于长时间协作。

Codex IDE扩展支持VS Code及其分支，能利用本地文件和选中代码上下文，提升响应速度和准确性。开发者可在IDE内无缝切换本地与云端任务，保持上下文一致。

Codex云端通过容器缓存，大幅提升任务完成速度。模型能自动识别并执行常见setup脚本，支持按需联网安装依赖。前端协作同样支持图片输入，模型可自动浏览、迭代并反馈结果截图。

代码审查自动化

Codex自动审查GitHub PR，匹配PR意图与实际diff，分析全局依赖并运行测试。开发者可通过“@codex review”触发审查，并指定安全漏洞、依赖过期等专项检查。Codex已在OpenAI内部广泛应用，显著提升审查效率和质量。

安全与可信

Codex默认在沙盒环境运行，禁用网络访问，防止代码和数据泄露。模型会在执行高风险操作前请求权限，开发者可自定义安全设置。云端可限制网络访问域名，CLI和IDE扩展支持命令审批和外部连接。每个任务都附带引用、日志和测试结果，便于开发者复查。

GPT-5-Codex在生物和化学领域被视为高能力模型，已实施相关安全防护。

价格与可用性

Codex包含在ChatGPT Plus、Pro、Business、Edu和Enterprise套餐中，使用额度随套餐提升。企业可购买额外额度，API接入GPT-5-Codex即将开放。

Codex正逐步成为高效、可靠、深度集成的开发伙伴，持续优化以支持更复杂的项目需求。

Gemini in Chrome 简介

Gemini in Chrome 是集成于浏览器的智能助手。它能够基于当前打开的网页内容，提供摘要、概念澄清和问题解答。用户可以通过点击 Gemini 图标或自定义快捷键激活该功能，完全由用户自主控制。

主要功能

• 内容摘要
  Gemini 能够快速提取网页、文章或讨论串的核心要点，帮助用户高效获取关键信息。例如，阅读一篇长文时，Gemini 会直接给出主要观点，节省逐字阅读的时间。

• 上下文理解与答疑
  用户可以直接在页面上提出问题，Gemini 会结合当前网页内容进行解答。比如在查阅技术文档时，遇到不理解的术语，可以直接询问 Gemini 获得解释。

• 选项对比与思路梳理
  在需要做决策或比较多个方案时，Gemini 能协助梳理各自优缺点，帮助用户理清思路。例如在选型前端框架时，可以让 Gemini 列出 React、Vue、Angular 的主要差异。

• 多终端协作
  除了桌面端，Gemini 也支持移动端使用，便于随时随地获取帮助。

用户控制与隐私

Gemini 仅在用户主动请求时才会介入，不会自动分析或干预网页内容。所有操作均需用户手动触发，确保使用过程中的自主性和隐私安全。

交互方式

用户既可以通过输入文本，也可以语音提问。Gemini 会根据当前页面内容，给出针对性的解答或操作建议，提升信息处理效率。

ChatGPT用户使用现状与趋势

本研究基于对150万次对话的分析，是目前关于ChatGPT消费者使用情况的最大规模研究。数据覆盖了全球范围，重点关注用户结构、使用场景以及经济价值的创造。

用户结构变化

ChatGPT的用户群体正在变得更加多元。早期存在的性别差异正在缩小。2024年初，女性用户占比为37%；到2025年7月，这一比例已上升至52%。此外，低收入和中等收入国家的用户增长速度显著高于高收入国家，增长率达到后者的四倍以上。这表明AI工具的普及正在加速，逐步覆盖更广泛的人群。

主要使用场景

用户主要将ChatGPT用于日常任务。约75%的对话集中在实用指导、信息查询和写作等方面。写作是最常见的工作相关任务，而编程和自我表达则属于小众用途。具体来看，用户行为可分为三类：

• Asking（提问）：占比49%，用户将ChatGPT视为顾问，寻求建议和信息。
• Doing（执行）：占比40%，包括文本生成、规划、编程等任务，约三分之一与工作相关。
• Expressing（表达）：占比11%，涉及个人反思、探索和娱乐。

经济价值与使用演变

ChatGPT的使用不仅限于工作场景，约30%为工作相关，70%为非工作用途。两者均在持续增长。AI工具在知识密集型岗位中提升了决策质量和生产效率。随着模型能力提升和新用例的发现，用户活跃度也在不断增加。部分由ChatGPT带来的价值难以通过传统经济指标衡量，但其对个人和组织的实际影响正在扩大。

数据隐私与研究方法

研究过程中未涉及人工读取用户消息，所有分析均通过自动化工具完成，确保用户隐私安全。

ChatGPT发展概览

ChatGPT自2022年发布以来，已成为全球最受关注的AI聊天工具之一。其核心由OpenAI开发，基于GPT-4等大型语言模型，能够根据用户输入生成自然语言文本。最初，ChatGPT主要用于提升写作和编程效率，现已扩展至多领域应用，用户量持续增长，2025年每周活跃用户接近7亿。

主要产品与技术更新

2024至2025年，OpenAI推出了多项重要更新，包括GPT-4o、GPT-5及其衍生版本（如GPT-5-Codex），并强化了语音、图像、视频生成能力。GPT-5-Codex专注于代码生成和重构，提升了自动化编程的准确性和效率。ChatGPT还集成了“Study Mode”等新功能，鼓励用户主动思考而非被动获取答案。此外，OpenAI正在开发AI浏览器和社交平台，试图进一步拓展产品生态。

安全与合规措施

随着用户群体扩大，尤其是青少年用户增加，OpenAI加强了内容安全策略。例如，针对未成年人，平台限制敏感话题讨论，并在极端情况下将信息上报家长或相关机构。公司还应对了因AI聊天引发的法律诉讼，持续优化自杀风险检测和家长控制功能。

商业化与市场扩展

ChatGPT移动端应用表现突出，全球消费支出达20亿美元。OpenAI在印度等新兴市场推出低价订阅计划，扩大用户基础。企业和政府也成为重要客户，OpenAI为美国联邦机构提供低价企业版服务，并推动数据本地化和合规项目以满足不同地区的法规要求。

模型开放与社区互动

OpenAI重新拥抱开源，发布了gpt-oss-120b等开放权重模型，支持开发者在本地部署。公司还引入了Model Context Protocol（MCP）等标准，提升AI与外部数据源的互操作性。用户可自定义ChatGPT的“traits”，如“chatty”或“Gen Z”，增强个性化体验。

争议与挑战

ChatGPT在隐私、版权、内容安全等方面面临持续争议。部分用户因AI生成虚假信息而提起诉讼，教育系统对其在学业中的应用持保留态度。OpenAI不断调整内容生成和数据处理策略，以应对外部压力和法律风险。

未来趋势

OpenAI正加速推进AI基础设施建设，计划通过硬件和数据中心项目提升算力。公司还在探索更智能的AI代理（Agent），支持自动化办公、深度研究等复杂任务。随着技术迭代，ChatGPT将继续扩展功能边界，推动AI在生产力、教育、商业等领域的深度应用。

Nano Banana简介

Nano Banana是Google DeepMind推出的最新图像生成与编辑工具，属于Gemini 2.5 Flash系列。该模型支持自然语言驱动的图像生成和细致编辑，能够理解复杂的描述并快速响应。用户可以通过简单的文本提示生成全新图像，或对现有图片进行定向修改。

主要功能

• Prompt-Perfect Editing
  用户可通过自然语言描述，修改图片中的背景、姿态或添加特定物体。无需复杂操作，模型自动理解并执行。

• Character Consistency
  在多张图片或故事场景中，保持角色或物体的一致性。适合需要连续性视觉表现的项目，如漫画或动画角色设计。

• Visual Mashups (Multi-Image Fusion)
  支持多图融合，将不同图片中的元素无缝组合，生成新的复合图像。适用于产品展示、场景合成等需求。

• Image Restoration
  可对老旧、损坏或低质量照片进行修复，包括细节锐化、去除划痕、色彩增强等。

使用方式

1. Google AI Studio
   通过网页工具直接体验，无需编写代码或管理API密钥，适合快速测试和非开发者使用。

2. Gemini API集成
   适用于需要定制化的应用场景。开发者可通过Python SDK与API交互，实现自动化图像生成、编辑和批量处理。

代码示例解析

• 环境配置
  使用python-dotenv管理API密钥，Pillow处理图片数据。API密钥存储于.env文件，提升安全性。

• 文本生成图片
  通过generate_content方法，输入文本描述，模型返回符合描述的图片。辅助函数负责解析API响应并保存图片文件。

• 图片编辑
  上传原始图片，结合文本提示，模型根据描述进行定向修改。例如为狗添加帽子和眼镜，或更换背景。

• 多图融合
  同时上传多张图片及融合描述，模型将不同元素合成一张新图。适合复杂场景或产品展示。

• 图片修复
  上传待修复图片，通过详细修复指令，模型自动完成细节增强和色彩恢复。

拓展应用

Nano Banana不仅适用于单次生成，还可批量处理、自动化生成创意资产、集成数据管道，或搭建AI美术后台服务。其高效性和灵活性为前端开发、UI设计及视觉内容生产提供了新的技术路径。