OpenAI 聯合創始人稱 Codex 能力巨大
Greg Brockman 表示，每當不使用 Codex 處理任務時，通常是因爲缺少上下文、需編寫 skill，或未想到調用，很少是因爲任務超出模型能力範圍。
他強調當前 AI 能力 overhang 顯著，暗示模型潛力遠未被充分挖掘，開發者應重點解決上下文管理和 skill 構建問題以釋放更多生產力。
這一觀點在 AI 工程社區快速傳播，推動更多團隊優先投資工作流工具而非單純追求更大模型，加速從模型能力向實際落地轉化的進程。
來源：公開信息
ABAB AI 解讀
Greg Brockman 作爲 OpenAI 聯合創始人兼前 CTO，長期推動 Codex 等編碼工具發展，此前已多次在公開場合分享 Agent 技能系統與上下文管理實踐，此番觀點延續其對工程化 LLM 工作流的專注，早前在 Anthropic Claude Code 相關討論中也有類似能力溢出觀察。
資本路徑上，OpenAI 通過 Codex 等產品將模型能力轉化爲開發者訂閱與企業付費，同時鼓勵 skill 構建與上下文工程，形成用戶生成資產的正反饋循環，引導行業資本從單純算力競賽轉向工具鏈與工作流基礎設施投資。
類似 Anthropic Skills 文件夾框架及 Cursor 等平臺的迭代；當前處於 LLM 從原始能力釋放向結構化、可複用工作流控制的轉型階段。
本質屬於技術替代：強大模型 overhang 通過 skill 與上下文補齊實現替代傳統開發流程，重構生產力鏈條，定價權從模型參數規模轉向掌握技能資產、持久化上下文和 Agent 編排的平臺與開發者。
ABAB News · 認知定律
模型能力溢出如礦藏：不挖 skill，不寫上下文，黃金永埋地下。
不用工具非能力限，而是習慣限：反思“爲什麼不用”，即開啓複利開關。
上下文即新槓桿：補齊一處，模型潛力放大十倍，工程勝於參數。