Codex統計.

CodexはOpenAIのエージェント型ソフトウェアエンジニアリング製品ラインであり、ChatGPT、クラウドタスク、CLI、IDE拡張機能、GitHubワークフロー、デスクトップアプリ、APIモデルで利用可能なコーディングエージェントです。公開されている統計は、企業が報告する利用状況指標、製品リリースにおけるマイルストーン、機能ベンチマークスコア、および広範な開発者AI導入調査という、混同すべきではない4つのカテゴリに分類されます。

主要な数値は企業が報告したものです。OpenAIによると、週に500万人以上がCodexを利用しており、非開発者はユーザーの約20%を占め、開発者の3倍以上の速さで増加しています(OpenAI)。これは週次ユーザー指標であり、月次または日次アクティブユーザー、収益、有料シート、市場シェアではありません。この記事では、調査資料から最も裏付けのあるCodex統計を要約し、ユーザーの導入状況とエコシステムのシグナルを区別し、各数値の背景にある注意点を説明します。

主要統計

OpenAIの利用状況の数値は企業が報告したものであり、有益ですが、調査資料では独立した監査は行われていません。これらは製品エコシステムのシグナルとして、それぞれ特定の対象と期間を持つものとして読んでください。

Codexが測定しているもの：製品、エージェント、モデル、それともワークフロー？

「Codex」は単一の測定カテゴリではありません。OpenAIの資料では、クラウドタスク、CLI、IDE、ウェブ/モバイル、GitHub、CI/CDスタイルのワークフローにまたがる製品スイートおよびエージェントプラットフォームを指します(OpenAI Platform)。

数値を解釈する際の基本的なルール：導入統計はOpenAIのエコシステム内の人々または利用状況を指し、モデル参照統計は技術的限界を指し、ベンチマーク統計は制御されたタスクを指し、GitHubメタデータやnpmダウンロードなどのエコシステム統計は注目または配布のシグナルです。

リリースと製品のタイムライン

公開されているCodexのタイムラインは、導入とベンチマークの数値を製品の時系列に結びつけます。

ロイター通信は後に、OpenAIが主要なグローバルコンサルティング会社との提携を拡大し、企業でのCodex導入を加速させたと報じました(Reuters via Investing.com)。これらの報告は市場投入の文脈で役立ちますが、利用状況のカウントに関するOpenAI自身の定義に代わるものではありません。

ユーザーの導入と利用状況の統計

最も重要な導入統計は、OpenAIが週に500万人以上がCodexを利用していると報告していることです(OpenAI)。これは企業が報告した週次ユーザー数であり、月次アクティブユーザー、日次アクティブユーザー、有料購読者、または市場シェアに変換すべきではありません。

非開発者がユーザーの約20%を占め、開発者の3倍以上の速さで成長しているという事実は、Codexの解釈を純粋な開発者ツールから、より広範な作業委任インターフェースへと変えます。OpenAI社内での導入は異常に強力に見えますが、調査資料はそれを通常の企業を代表するものとして扱うことに警告しています。成長倍率は目覚ましいものですが、ベースラインに敏感です。

成長倍率は、開始ベースが小さい場合に大きく見えることがあるため、単独の市場規模の証拠としてではなく、方向性を示すものとして読むべきです。Axiosも、Codexが週次アクティブユーザー数500万人を超え、ナレッジワーカーの導入が開発者の導入よりも速く成長していると報じました（OpenAIの調査を引用）(Axios) — しかし、基礎となる統計はOpenAIに由来するため、正確な表現は依然として「OpenAIが報告している」であり、「独立して測定された」ではありません。

インターフェース：ChatGPT、CLI、IDE、GitHub、アプリ、API

Codexの統計は、インターフェースごとにグループ化すると解釈しやすくなります。各インターフェースには異なる測定分母があります。

ChatGPTでは、Codexはサイドバーからアクセスできるコーディングエージェントとしてリリースされました。CLIでは、クラウドに引き継ぎ、~/.codex/config.tomlを通じてMCPサーバーに接続できるローカルエージェントワークフローとなりました(OpenAI Platform)。IDE拡張機能はVS Code、Cursor、およびその他のVS Codeフォークをサポートし、エディタのコンテキストを利用してプロンプトを減らします(OpenAI)。GitHubでは、Codexは@codexを介してプルリクエストをレビューし、クラウドタスクからPRを生成できます(OpenAI Help)。API層では、GPT-5.2-Codexモデルリファレンスは40万トークンのコンテキストウィンドウと12.8万の最大出力トークンをリストし、codex-mini-latestはそれぞれ20万と10万をリストしています(OpenAI Developers)。

機能ベンチマークとそれが証明しないこと

ベンチマーク統計は、Codexの数値を引用し、過度に解釈するのが最も簡単なものの1つです。OpenAIは、GPT-5.3-CodexがSWE-Bench Pro Publicで56.8%、Terminal-Bench 2.0で77.3%、OSWorld-Verifiedで64.7%を達成したと報告しており、「xhigh」推論努力を使用しています(OpenAI)。

これらは特定の構成下でのモデル評価結果であり、企業のプライベートモノレポで、その企業のテスト、権限、依存関係、レビュー基準でCodexがどれだけ頻繁に成功するかを測定するものではありません。重要なのは、3つのベンチマークは異なるものを測定しており、直接比較すべきではないということです。SWE-Bench Proはより長期的なプロフェッショナルタスクに重点を置いており(Scale AI)、Terminal-Bench 2.0は89の現実的なターミナルタスクを定義しており(arXiv)、OSWorldはフルオペレーティングシステム全体での実行可能なコンピューター利用を測定しています(arXiv)。

ベンチマークの多様性は、注意を促すものです。TerminalWorldは1,530の検証済みタスクを持つ自動生成ベンチマークを導入し、専門家がキュレーションしたTerminal-Benchとの弱い相関（ピアソンr = 0.20）を報告しており、両者が補完的な機能を測定していることを示唆しています(arXiv)。METRの時間軸フレームワークは別の側面を追加します。そのTime Horizon 1.1アップデートでは、タスクスイートが170から228タスクに、8時間以上の長期タスクが14から31に拡大されました(METR)。

セキュリティ、サンドボックス化、デプロイメント制御

エージェント型コーディングツールはコードベース、依存関係、テスト、ターミナル、そして時にはネットワークリソース上で動作するため、セキュリティはCodexの統計の中心です。OpenAIの最初のリリースでは、各タスクはインターネットアクセスがデフォルトで無効化された隔離されたクラウドサンドボックスで実行されると述べられていました(OpenAI)。

GPT-5-Codexシステムカードは、ターミナル、IDE、クラウド、GitHub、ChatGPTモバイルへのデプロイメント、およびサンドボックス化と設定可能なネットワークアクセス緩和策について説明しています(OpenAI PDF)。これは指標の比較にとって重要です。ネットワークなしのサンドボックスで完了したタスクは、設定可能なインターネットアクセスとブラウザ自動化を使用して完了したタスクと直接比較できません。エンタープライズおよび教育版のリリースノートには、RBAC、コンプライアンスAPI、管理者制御を含む管理層が追加されています。

開発者AI市場の状況

Codexの導入は、AI支援ソフトウェア開発への広範な移行の中に位置づけられます。調査統計は有用な文脈を提供しますが、異なる集団を測定しており、単一の「開発者導入率」に混ぜるべきではありません。

Stack Overflowの2025年調査では、AIに対する感情は60%が好意的であると報告されましたが、46%はAI出力の正確性を信用せず（2024年の31%から増加）、33%は信用し、わずか3%が非常に信用していると回答しました(Stack Overflow)。既製のAIアシスタントの中では、ChatGPTとGitHub Copilotが最も使用されていると報告されました。

JetBrainsの2025年調査（194カ国の24,534人の開発者を対象に2025年4月～6月に実施）では、85%がAIツールを定期的に使用し、62%が少なくとも1つのAIコーディングアシスタント、エージェント、またはコードエディタに依存していると報告されました(JetBrains)。GitHubの2024年調査では、調査対象の開発者の97%以上が職場でAIコーディングツールを使用していると報告されましたが、米国の開発者のうち、組織が積極的に導入を奨励していると回答したのはわずか38%でした(GitHub Blog)。これらのいずれも、Codex固有の市場シェアの分母を提供していません。

エコシステムのシグナル：GitHub、npm、そして推測すべきでないこと

Codexのオープンソースおよびパッケージエコシステムは有用な公開シグナルを提供しますが、アクティブユーザー数は提供しません。正規のリポジトリはopenai/codexであり、公式のnpmパッケージは@openai/codexです(npm)。

GitHub自身の定義が重要です。stargazers_count、watchers、watchers_countはすべてスターを表し、subscribers_countはリポジトリのウォッチャーを表します(GitHub Docs)。パッケージのダウンロード数もアクティブユーザー数ではありません。CIシステム、再インストール、ミラー、自動化によって水増しされる可能性があります。スターは認知度を示し、フォークは実験を示しますが、どちらも本番環境での使用を証明するものではありません。OpenAIの週次ユーザー数と月次開発者数は、調査資料における唯一の直接的な製品利用状況指標です。

生産性の主張とケーススタディの注意点

Codexはしばしば生産性の観点から議論されますが、公開されている証拠基盤は不均一です。OpenAIは、同社のエンジニアがセキュリティ、製品エンジニアリング、フロントエンド、API、インフラストラクチャ、パフォーマンスエンジニアリングの各部門でCodexを日常的に使用していると述べています(OpenAI PDF) — これは意味のあるワークフローの例ですが、ランダム化された生産性試験ではありません。

Codexの製品ページには、Harveyが報告した初期反復時間の30～50%削減が記載されています(OpenAI) — これは顧客が報告した結果であり、「Codexはすべてのチームで生産性を30～50%向上させる」と一般化すべきではありません。また、コンテナキャッシュによるタスク完了時間の中央値の90%削減は、システムパフォーマンスの統計であり、エンジニアリング作業の90%削減ではありません(OpenAI)。

指標の定義と一般的な誤読

Codexを要約する最も安全な方法は、指標の定義を明確にすることです。

情報源の品質に関する注意

この記事は、提供された調査資料のみを事実の根拠として使用しています。Codexに特化した最も強力な情報源は、OpenAIの製品発表、ドキュメント、システムカード、開発者モデルリファレンス、および研究PDFです。

よくある質問

情報源と参考文献