Em 16 de maio de 2025, a equipa do OpenAI Codex conduziu um evento AMA (Ask Me Anything) no Reddit, detalhando as origens, o desenvolvimento, as funcionalidades actuais e os planos futuros do Codex.
**Origem e desenvolvimento**
O Codex começou como um projeto paralelo para os engenheiros da OpenAI para resolver a subutilização de modelos internos no seu trabalho diário. A principal mudança no Codex foi melhorar drasticamente a experiência de codificação, gerando vários pequenos "codificadores de ambiente" e selecionando depois o melhor resultado de código. O Codex foi desenvolvido utilizando o CLI do Codex e uma versão anterior do Codex para demonstrar a sua eficácia na correção rápida de erros locais e na gestão remota de várias tarefas paralelas. O CLI do Codex e versões anteriores do Codex foram utilizados para demonstrar a sua eficácia na correção rápida de erros locais e na gestão remota de múltiplas tarefas paralelas.
Funções e capacidades actuais
O Codex oferece dois modos: o "Modo de consulta" permite aos utilizadores colar documentos de conceção ou requisitos detalhados e dividi-los em partes mais pequenas; o "Modo de código" executa tarefas num ambiente de contentor até uma hora. Faça alterações direcionadas com base nos pedidos dos utilizadores, mantenha-se dentro do âmbito do pedido e utilize o histórico do repositório ou quaisquer ficheiros de contentor acessíveis como contexto. O codex é particularmente hábil a trabalhar com grandes repositórios, desenvolvimento orientado por testes e a seguir as instruções nas diretivas AGENTS[.] nos ficheiros md (por exemplo, testes, verificações de código, verificações de formatação e modelos de commit). Para um escalonamento seguro e para se concentrar na saída conhecida, o acesso à Internet é desativado quando o agente entra no ambiente de tempo de execução.
Muitos engenheiros do macOS, iOS e Android utilizam ativamente o Codex no seu trabalho diário. Um fluxo de trabalho prático é adicionar um ficheiro TODO[.] md e dizer ao Codex para escolher um TODO e corrigi-lo, ou fazer um plano para a funcionalidade X e colocá-lo num TODO[.] md.
Disponibilidade e promoção actuais
O Codex foi totalmente implementado para os utilizadores Pro, com a implementação para os utilizadores Team agendada para segunda-feira, após a conclusão do balanceamento de carga. O acesso à aplicação móvel está em desenvolvimento, mas os utilizadores já podem lançar o Codex no telemóvel através do ChatGPT Web. O Codex-1 está agora optimizado para o ChatGPT UI e o acesso à API para o agente Codex está em curso.
Melhoria do desempenho e da produtividade
As equipas internas descobriram que os lançamentos de código e de funcionalidades são até 3 vezes mais eficientes quando se utiliza o Codex, especialmente quando a abstração é clara, a cobertura de testes é elevada e os testes são rápidos. O Codex CLI tem sido muito eficaz na criação de aplicações de raiz e, à medida que a aplicação cresce, a tarefa pode ser transferida para o Codex baseado na nuvem.
Política de preços e de dados
Estão a ser exploradas opções de preços flexíveis (incluindo o pagamento conforme o uso). Para os utilizadores Team, Enterprise e Edu, o OpenAI não treinará o conteúdo do Codex; os utilizadores Pro (e eventualmente Plus) terão uma opção proeminente no front end.
Realização técnica e ambiente
A versão atual é uma pré-visualização de pesquisa MVP com planos de integração com outras ferramentas de gestão de código-fonte, rastreadores de problemas e ferramentas de comunicação para além do GitHub. O Codex CLI é escrito em TypeScript para permitir a familiaridade com a interface de utilizador do ponto final, com planos para fornecer ligações de motor de alto desempenho para outras linguagens. Os utilizadores podem definir scripts de configuração de ambiente que suportam Dockerfile ou extrair imagens do registo do utilizador. Está a ser considerada a possibilidade de os utilizadores introduzirem os seus próprios ambientes informáticos em sistemas altamente bloqueados.
A comunidade demonstrou grande interesse em integrar a CLI do Codex diretamente nos IDEs. Atualmente, os contentores estão totalmente isolados, com planos para suportar configurações multi-repositório e memória partilhada entre tarefas no futuro.
Planos futuros e investigação
O Codex adicionará a capacidade de utilizar interações computador/browser para testes e validação da interface do utilizador. O GPT-5 é o próximo modelo de base e foi concebido para melhorar todas as funcionalidades dos modelos existentes e reduzir a necessidade de mudar de modelo. Os planos futuros consistem em integrar o Codex, o Operator, o Deep Research e o Memory para que pareçam um só. A aprendizagem por reforço em grande escala já está a ser utilizada para melhorar as capacidades de codificação, o estilo e a precisão do Codex. A equipa prevê revisões de código baseadas em IA que resumem as alterações de código e se baseiam fielmente em resultados de execução e citações reais.
As futuras funções de engenharia de software podem evoluir para posições de liderança técnica, gerindo grandes componentes do sistema e trabalhando em conjunto com agentes de codificação de IA.
---
O Codex foi oficialmente lançado e espera-se que venha a revolucionar a forma tradicional de revisão manual do código. A ferramenta analisa automaticamente repositórios ou ramos de código e gera de forma independente uma lista de tarefas que precisam de ser corrigidas.
Esta capacidade de automatização é impressionante, na medida em que não só melhora a qualidade do código, como também reduz significativamente o tempo investido pelo programador na revisão do código. Imagine um fluxo de trabalho futuro em que cada pedido pull (PR) pode ser automaticamente optimizado com a ajuda do Codex, o que irá melhorar drasticamente a produtividade da equipa e a consistência do código.
cenário de aplicaçãoIncluindo, mas não se limitando a:
- Controlo de qualidade de bases de código em grande escala
- Feedback imediato no desenvolvimento iterativo rápido
- Verificação da especificação do código no início de um novo projeto
O potencial do Codex é enorme e o seu impacto promete desencadear uma revolução no sector do desenvolvimento de software. Em termos de pormenores técnicos, o Codex utiliza algoritmos avançados de processamento de linguagem natural e de aprendizagem automática para compreender a estrutura e a lógica do código e sugerir melhorias específicas. Isto é importante para melhorar a eficiência do desenvolvimento e a qualidade do código.
---
Recentemente, um programador partilhou a sua experiência com o Codex para migração de código. Utilizou o Codex para atualizar um projeto antigo do Python 2.7 para o 3.11 e a estrutura Django da versão 1.x para a 5.0.O processo completo demorou apenas 12 minutos.Esta migração demora normalmente várias semanas.
O significado inovador desta tecnologia reside no facto de reduzir significativamente o tempo e a energia consumidos pelas equipas de desenvolvimento na migração de código e melhorar a eficiência do trabalho. O Codex garante a compatibilidade e a estabilidade do código através da conversão e otimização automatizadas do código. Além disso, o Codex é capaz de lidar com cenários de aplicação complexos, tais como bases de código em grande escala e projectos multi-módulos, aumentando ainda mais o seu valor de aplicação prática.
Para os programadores, o Codex não só simplifica a tediosa tarefa de migração, como também os ajuda a concentrarem-se mais na implementação e otimização da lógica empresarial, conduzindo assim a uma rápida iteração e desenvolvimento de projectos.
---
Os cientistas de dados vão adorar este servidor MCP!
Gera automaticamente** dados sintéticos** de alta qualidade, avalia-os e valida-os com ferramentas de visualização. Tudo isto é facilmente efectuado no IDE Cursor.
O servidor é completamente de código aberto e fornece um guia passo-a-passo detalhado: https://t.co/fOgViRFHQQ
Caraterísticas principais:
- Geração automática de dados sintéticos de alta qualidade
- Avaliação e validação automatizadas
- Suporte de ferramentas de visualização
- Integração no Cursor IDE
- 100% Java Código aberto
É certamente uma ferramenta poderosa para os cientistas de dados que necessitam de grandes quantidades de dados para formação, teste e validação de modelos. Quer se trate do desenvolvimento de projectos de aprendizagem automática ou da necessidade de proteção da privacidade dos dados, o MCP Server fornece um suporte eficiente e fiável.
---
A Google DeepMind lançou recentemente o AlphaEvolve, um agente de programação com tecnologia Gemini concebido para revolucionar a descoberta de algoritmos.
As principais caraterísticas do AlphaEvolve incluem:
- Conceção de algoritmos de multiplicação de matrizes mais rápidos para melhorar a eficiência computacional
- Encontrar novas soluções para problemas matemáticos em aberto e fazer avançar a investigação em matemática
- Melhoria da eficiência em centros de dados, conceção de chips e formação em IA para uma vasta gama de aplicações
Detalhes técnicos do AlphaEvolveAlphaEvolve: O agente baseia-se nas poderosas capacidades computacionais do Gemini e é capaz de explorar e otimizar automaticamente os algoritmos. Através de técnicas de aprendizagem profunda e de reforço, o AlphaEvolve é capaz de funcionar eficazmente em conjuntos de dados de grande escala e encontrar soluções óptimas num curto espaço de tempo.
cenário de aplicaçãoAlphaEvolve não só revela um grande potencial na investigação académica, como também tem uma vasta gama de aplicações na indústria. Por exemplo, na gestão de centros de dados, pode reduzir o consumo de energia através da otimização da atribuição de recursos; na conceção de circuitos integrados, pode acelerar o processo de simulação e melhorar a qualidade da conceção; na formação em IA, pode acelerar a convergência de modelos e melhorar a eficiência da formação.
O lançamento do AlphaEvolve marca um grande avanço na IA no domínio da descoberta algorítmica e espera-se que impulsione o desenvolvimento de tecnologias relacionadas.
---
A AliCloud lançou recentemente uma versão optimizada do Qwen 2.5 Omni com melhorias de desempenho através das técnicas GPTQ e AWQ, que foi lançada publicamente na plataforma Hugging Face. A GPTQ é uma técnica de quantização que reduz significativamente o espaço de memória e os requisitos computacionais do modelo, enquanto a AWQ melhora ainda mais a eficiência de inferência do modelo.
Este lançamento da versão Omni-optimizada do Qwen 2.5 não só melhora o desempenho, como também se destaca em aplicações do mundo real. É adequado para uma vasta gama de tarefas de processamento de linguagem natural, tais como geração de texto, sistemas de diálogo, tradução automática, etc.
Para os programadores e investigadores, esta versão optimizada fornece ferramentas mais eficientes e flexíveis que permitem tarefas de processamento de linguagem natural de elevado desempenho em ambientes com recursos limitados.
Além disso, o Qwen 2.5 Omni Optimised suporta uma vasta gama de plataformas de hardware, incluindo GPUs e CPUs, permitindo aos utilizadores fazer escolhas com base nas suas próprias condições de hardware, melhorando ainda mais a usabilidade e a flexibilidade do modelo.
---
Simplificámos o processo de utilização de qualquer modelo na plataforma Replicate, o que facilitará muito a utilização de editores de código de IA e de modelos de linguagem de grande dimensão (LLM). Esta atualização coincide com o lançamento do Codex, que proporciona ainda mais flexibilidade aos programadores.
Agora, os utilizadores podem:
- Copiar páginas para o formato Markdown
- Carregar diretamente no Claude ou no ChatGPT
- Ver o ficheiro llms.txt para qualquer modelo
Por exemplo, a ligação para o ficheiro llms.txt do Google Veo-2 é a seguinte: https://t.co/PwbpQe1JYS.
Estas melhorias não só melhoram a experiência do programador, como também melhoram a acessibilidade e a integração do modelo.Quer esteja a completar código, a depurar ou a gerar novos fragmentos de código, estas funcionalidades podem melhorar significativamente a eficiência do desenvolvimento.
Além disso, ao suportar várias plataformas de IA convencionais, o Replicate facilita aos programadores a utilização das mais recentes tecnologias de IA para acelerar o desenvolvimento e a inovação de software.
---
A recém-lançada tecnologia Emergent AI torna possível gerar aplicações completas através de simples conversas de chat, abrangendo o desenvolvimento de backend, testes automatizados e implementação em direto de URLs. O advento desta tecnologia marca uma mudança significativa na forma como a programação é feita.
Ao interagir com a IA, os utilizadores podem descrever facilmente a funcionalidade de que necessitam para as suas aplicações sem terem de escrever código complexo. Este processo de desenvolvimento altamente automatizado não só melhora a eficiência do desenvolvimento, como também reduz a barreira técnica, permitindo que mais pessoas participem no desenvolvimento de software.
Eis 10 exemplos da loucurademonstrando o poder da IA emergente:
- Clonagem da Airbnb
Os programadores interessados podem experimentar esta tecnologia revolucionária visitando a ligação fornecida.
À medida que a tecnologia de IA continua a evoluir, espera-se que a IA emergente beneficie de uma vasta gama de aplicações em vários domínios, desde aplicações a nível empresarial a projectos pessoais.
---
A CLI do Codex está constantemente a ser melhorada para trazer ferramentas mais poderosas aos programadores. A longo prazo, os agentes de codificação locais (por exemplo, Codex CLI) e remotos (por exemplo, Codex) fundir-se-ão gradualmente para formar um novo modelo de trabalho colaborativo.
Imagine esta combinação como um colega remoto que não só fornece apoio remoto, mas também analisa o seu código em tempo real e oferece sugestões. Este tipo de colaboração melhoraria muito a eficiência da programação e o trabalho em equipa.
Fizemos as seguintes melhorias na CLI do Codex com base no feedback dos utilizadores:
- Ligue rapidamente a sua organização API iniciando sessão através do ChatGPT
- Introdução de um novo modelo codex-mini, especificamente optimizado para funções de consulta e edição de código de baixa latência
Estas melhorias irão aumentar ainda mais a utilidade e a experiência do utilizador do Codex CLI, permitindo aos programadores programar de forma mais eficiente.
O futuro da programação está cheio de possibilidades infinitasAguardemos com expetativa o desenvolvimento desta tecnologia.
---
Recentemente, a LangChain publicou um tutorial sobre a sua nova integração com a Box. Ao utilizar o kit de ferramentas de agentes de IA da LangChain e o servidor MCP, as empresas podem construir agentes inteligentes que automatizam a correspondência de facturas com ordens de compra para otimizar os fluxos de trabalho de aquisição.
Esta solução pode melhorar significativamente a eficiência e a precisão do processamento e reduzir a intervenção manual, especialmente em operações de aquisição em grande escala. Ao incorporar a tecnologia de processamento de linguagem natural, o sistema é capaz de identificar e comparar automaticamente informações importantes em documentos, tais como números de encomenda, montantes e datas, para garantir a consistência e integridade dos dados.
Cenários de aplicação:
- Departamentos de compras de grandes empresas
- Plataforma de comércio eletrónico
- gestão da cadeia
Veja o vídeo de demonstração para obter mais pormenores sobre a implementação: https://t.co/g9DoOldIjf
