OpenAI Codex如何将你的设备连接成超级计算机
OpenAI的秘密武器，正逐渐揭开面纱。种种迹象表明，其代码模型Codex正在经历一场核裂变式的升级，目标直指一个前所未有的角色：掌控所有个人硬件设备的“超级控制平面”。
综合近期流出的内部测试信息以及OpenAI总裁Greg Brockman在社交平台上的多次暗示，一个清晰的图景正在浮现：未来，Codex将能够无缝控制所有安装了该应用的桌面设备。这意味着，你手头的Mac Mini、办公室的台式机、乃至家中闲置的旧电脑，都可能被整合进一个完全属于你个人的、统一的Codex算力网络。
科幻电影中那种弹指间调动所有设备算力的场景，似乎正在加速步入现实。
你的所有设备，被连接成巨大的Codex网络
这场变革的风暴眼，始于一次看似平常的更新。5月14日，OpenAI为ChatGPT手机应用悄然增加了远程控制功能。
用户在外出时，通过手机就能查看家中或办公室Mac上Codex的运行状态，并进行任务审批与派发。起初，这看起来只是一个增强版的远程桌面工具。
然而，海外知名测试爆料者Alexey Shabanov随后抛出的信息，揭示了更宏大的野心。据其透露，OpenAI正在为Codex秘密开发跨设备控制能力，旨在彻底取代SSH等传统且繁琐的连接方式。
在其展示的最新内部测试设置界面中，出现了一个关键入口：「设置」 -> 「连接」 -> 「控制其他设备」。通过简单的添加操作，用户可以将所有安装了Codex的设备绑定在一起。
你的主力笔记本、公司的工作站、作为家庭服务器的Mac Mini，甚至是被淘汰的旧电脑，都将被一根AI的纽带瞬间串联。
在这个构想中，手机将成为最高层级的指挥入口，而所有其他设备则化身为执行节点，共同构成一个听候调遣的超级计算集群。
关键在于，这一切无需复杂的网络配置。只要登录同一个ChatGPT账号，AI便会在底层自动打通所有设备间的通道。这意味着，AI智能体（Agent）将不再局限于单台设备，而是能够在你的整个设备网络中协同工作。
开发者实例：Codex的能力边界正在消失
社区反馈证实，Codex的角色早已超越了一个单纯的代码工具。开发者们发现，它正在演变成一个能够远程操作电脑的通用AI助手。
OpenAI总裁Greg Brockman在社交平台上转发了大量开发者分享的新工作流。有人表示，自从能用手机访问Codex，他的笔记本变成了卫星设备，而Mac Mini则成了主力机。Codex的运行彻底摆脱了“哪台电脑正开机”的物理束缚。
他的MacBook和Mac Mini实现了双向互联，任务可以在任何一台设备上启动或继续。
Codex始终保持在线状态，所有工作线程都可以从他的三台设备中的任意一台进行访问。硬件不再固定，而是像液体一样根据需求灵活流转。
此外，Greg还分享了更多令人印象深刻的用例。有人用Codex分析了自己三年的信息记录，结果情感冲击力巨大；有人利用其“编年史”（Chronicle）功能，自动化处理每日的重复性任务。
AI领域的知名人士“swyx”在观看了功能演示后惊叹地发问：现在你们的Mac上是不是都装上了“智能体化的Excel”？
终结“锁屏瘫痪”：深入系统底层的“锁定使用”
那么，OpenAI究竟打算如何实现这种深度的硬件控制？根据爆料，其首要技术杀招被称为“Locked Use”（锁定使用）。
当前市场上多数AI智能体工具（例如Anthropic的Claude Code）存在一个致命弱点：“锁屏即瘫痪”。因为它们依赖“计算机使用”（Computer Use）原理，需要“看到”屏幕像素才能操作。一旦设备锁屏或休眠，AI便失去了“眼睛”。
而OpenAI正在攻克的，正是这一瓶颈。据悉，团队正在积极获取macOS和Windows的系统底层权限，目标是让Codex在设备锁屏甚至休眠状态下，仍能常驻后台并驱动“计算机使用”功能。
若能突破，Codex的能力将与其他产品拉开代差。当然，这并非易事。绕过“锁屏后会话应不可操作”的限制，本质上与操作系统（尤其是macOS）的安全设计哲学相悖。此类深度集成能否获得苹果的许可，仍是一个巨大的问号。
体验升级：多机上下文共享重塑生产力
如果说远程控制和锁屏运行打破了物理隔阂，那么“多机上下文共享”则是在重塑数字生产力的逻辑。
提前体验到该功能的博主“歸藏”直呼“太有用了”。在未来的Codex网络中，设备连接不再是简单的远程桌面，而是融合成一个统一的逻辑整体。
创建新工作区时，用户无需纠结选择连接哪台具体设备。例如，当MacBook上的Codex需要运行代码时，它可以无缝跨越网络，直接读取另一台Mac Mini上的本地文件、上下文甚至环境变量。设备间的知识、数据和记忆完全同步，毫无缝隙。
如今的Codex，正试图利用大模型和跨设备网络，将你的整个操作系统和硬件编织成一块“只需指令，万物皆可自动化”的智能画布。
更引人注目的是其生态的扩张速度。借助自定义快捷键和极简的一键安装（如npx命令），开发者社区正在以“创始人模式”为其疯狂创建技能（Skills）。
例如，一个名为“codex-complexity-optimizer”的技能，可化身架构师，扫描并优化整个代码库的复杂度。
另一个例子是“local-client-prospector-skill”，它能利用Computer Use功能自动搜索地图和本地生活平台，分析附近商户，提取联系方式，最终生成销售线索表格。
隐忧：便捷背后的安全漏洞
然而，这种极致的便捷也伴随着潜在风险。有技术公众号在实测Codex的跨设备连接后发出了安全警告。
测试者发现了一个令人担忧的逻辑漏洞：当他用主力iPhone成功连接并授权控制电脑上的Codex后，使用同一ChatGPT账号登录的备用iPhone，竟然在未经电脑端任何二次授权、没有验证码的情况下，默认就获得了相同的控制权限。
更值得玩味的是，新设备尝试连接时，电脑端毫无提示，反而是手机端弹出询问：“允许此手机访问电脑上的Codex吗？” 权限管理的逻辑似乎存在错位。这暴露出Codex在远程连接授权机制上可能存在安全隐患。
Agent成为超级中枢：下一代操作系统的灵魂
尽管存在安全疑虑，但OpenAI勾勒的蓝图无疑极具吸引力。过去，实现多机协同需要掌握Linux、SSH密钥、内网穿透等专业知识，门槛极高。
而OpenAI正在做的，是利用大模型作为通用操作接口，将曾经高不可攀的“分布式计算集群”概念，降维打造成一款消费级产品。这才是大模型厂商更深层的野心：AI智能体不应只是浏览器中的一个聊天框，而应成为下一代操作系统的核心，成为连接物理硬件与数字世界的超级中枢。
Codex的触角正在不断延伸。我们或许需要思考的是，是否已经准备好将这把钥匙交出去。
相关攻略
龙虾之父Peter Steinberger，在社交平台X上晒出了一张自己的CodexBar后台截图。 一张相当离谱的截图—— 上面透露出的信息和数字，足以让任何一个关注AI成本的人心头一震： 过去30天，他调用的OpenAI API总费用达到了1,305,088美元，约合软妹币940万元； 同时消耗
一场围绕人工智能伦理与使命的法律大战，迎来了关键性裁决。北京时间5月19日，据路透社报道，美国加州奥克兰联邦法院陪审团就埃隆·马斯克起诉OpenAI一案作出判决，裁定马斯克败诉。 陪审团经过不到两小时的审议后一致认定，OpenAI无需为马斯克所提出的“背离造福人类创始使命”的指控承担法律责任。裁决的
苹果与OpenAI合作因商业回报未达预期出现裂痕。腾讯地图推出AI骑手模式优化配送。百度成立模型委员会强化AI布局。荣耀将发布搭载云台系统的RobotPhone。Anthropic拟以9000亿美元估值融资。阿里发布智能体开发工作台Qoder1 0。千问APP接入药监局数据。发那科与英伟达深化合作，利用AI加速机器人开发。
4月22日，路透社发布了一则引人关注的消息：佛罗里达州总检察长詹姆斯·乌特迈尔于当地时间周二（4月21日）宣布，该州将对OpenAI及其人工智能应用ChatGPT展开刑事调查。事件的起因，与去年发生在佛罗里达州立大学的一起致命枪击案有关。 回顾案情，去年4月，一名枪手在佛罗里达州立大学开枪，导致两人
4月21日，OpenAI对其图像生成能力进行了一次重要升级，正式推出了ChatGPT Images 2 0模型。这次更新并非独立发布，而是通过现有的ChatGPT及Codex平台直接向用户推送。从官方释放的信息来看，新模型在理解用户指令的精准度和生成图像的细节丰富度上，都有了肉眼可见的进步。 更值得
热门专题
热门推荐
在流量日益分散的今天，把鸡蛋放在同一个篮子里，风险不言而喻。多平台推广，早已不是“要不要做”的选择题，而是“如何做好”的生存题。它的核心价值，可以概括为两点：实现“流量风险对冲”，以及构建“品牌触点全覆盖”。通过在不同生态位——无论是搜索、短视频、图文还是电商——建立内容矩阵，企业不仅能有效缓冲单一
DeepSeek知识库的核心，是运用RAG（检索增强生成）技术，将DeepSeek强大的大语言模型推理能力，与您的私有文档资源——包括PDF文件、内部代码库、标准操作流程（SOP）等——深度融合。其最终目标是实现基于特定垂直领域数据的精准智能问答，让AI的回答不再是通用泛化，而是具备专业依据、内容详
三大运营商推出Token套餐，将大模型调用量包装为类似流量包的产品，以降低AI使用门槛。中国电信推出个人与企业多档套餐，最低月费9 9元；上海移动推出1元购40万Tokens服务；联通则提供个人与团队版套餐。运营商凭借用户渠道和支付优势，推动算力消费向大众市场普及，可能重塑AI服务消费模式。
HermesAgent本地运行缓慢常因未量化的大语言模型占用资源过多。可通过AWQ量化模型、llama cpp后端加载GGUF模型、配置vLLM引擎提升并发吞吐、禁用非必要工具降低上下文开销，以及调整SQLite记忆检索阈值等方案优化。这些方法能显著降低延迟，提升响应速度。
随着AI智能体能力的持续增强，确保其行为始终符合预设目标与安全边界，已成为行业亟待解决的核心挑战。然而，当前主流的治理方案在防止智能体“失控”或“脱轨”方面，仍面临显著的实践瓶颈。 在之前的探讨中，我们分析了主流治理思路：部署多样化的对抗性验证器，构建一个多层次的安全审查网络。该方案的核心逻辑并非限