Tibo Sottiaux：Codex年內提速十倍
Tibo Sottiaux 提到，基於 GPT-5.4 的 Codex 已經具備較高速度，但工程層面仍有“至少一個數量級”的提速空間，並預計這種性能躍遷將在年內實現。
這一判斷與近期多方英文信息一致：OpenAI 在開發者更新中持續強調推理與生成延遲的工程優化，GitHub 及多家 AI 編程工具也在通過緩存、並行執行與模型蒸餾顯著降低響應時間，行業正從“模型能力競爭”轉向“系統工程效率競爭”。
部分開發者社區反饋顯示，新一代代碼模型在響應速度與交互流暢度上的提升，已經開始改變開發流程，從“等待生成”轉向“實時協作式編程”。
來源：公開信息
ABAB AI 解讀
這條信息的核心不在“更快”，而在“速度成爲新的生產函數變量”。早期大模型競爭集中在參數規模與能力邊界，而當能力逐漸趨於可用，延遲開始直接決定使用頻率與場景滲透率。速度提升一個數量級，本質上是把 AI 從“工具”推向“基礎設施”。
工程優化的複利效應正在顯現。模型本身的改進只是第一層，更關鍵的是推理框架、硬件調度、緩存機制和任務拆分策略的疊加，這些因素共同構成真實用戶體驗。歷史上類似路徑出現在雲計算與數據庫領域：性能提升往往不是單點突破，而是系統性工程積累。
從產業結構看，這意味着競爭重心正在從“誰的模型更強”轉向“誰的系統更快更便宜”。擁有基礎設施能力的公司（雲廠商、模型提供商）將獲得更強定價權，而單純依賴模型調用的應用層公司，邊際優勢會被壓縮。
對開發者生態而言，速度提升改變的不只是效率，而是工作範式。當延遲接近實時，人機交互從“請求-等待-返回”變成“連續協作流”，代碼生成工具開始接近 IDE 的基礎能力層，這也是爲什麼“現在是學習 Codex 最好的時間”這類判斷開始出現——門檻正在下降，而依賴正在加深。
AI