Codex 統計數據.

Codex 是 OpenAI 的代理式軟體工程產品線：一個可在 ChatGPT、雲端任務、CLI、IDE 擴充功能、GitHub 工作流程、桌面應用程式和 API 模型中使用的編碼代理。公開統計數據分為四類，不應混淆 — 公司報告的使用指標、產品發布里程碑、能力基準分數，以及更廣泛的開發者 AI 採用調查。

最主要的數字是公司報告的：OpenAI 表示每週有超過 500 萬人使用 Codex，其中非開發者佔用戶的約 20%，且增長速度比開發者快 3 倍以上 (OpenAI)。這是一個每週用戶指標 — 而非每月或每日活躍用戶、收入、付費席位或市場份額。本文總結了研究檔案中支持度最高的 Codex 統計數據，將用戶採用與生態系統信號分開，並解釋了每個數字背後的注意事項。

主要統計數據

OpenAI 的使用數據是公司報告的，具有參考價值，但在檔案中未經獨立審計。應將其視為產品生態系統信號，每個信號都有特定的群體和時間窗口。

Codex 測量的是什麼：產品、代理、模型還是工作流程？

「Codex」並非單一指標類別。在 OpenAI 的資料中，它指的是一個產品套件和代理平台，涵蓋雲端任務、CLI、IDE、網路/行動、GitHub 和 CI/CD 風格的工作流程 (OpenAI Platform)。

解釋這些數字的基本規則是：採用統計數據指的是 OpenAI 生態系統內的人員或使用情況；模型參考統計數據指的是技術限制；基準統計數據指的是受控任務；而生態系統統計數據，例如 GitHub 元數據或 npm 下載量，則是關注度或分發信號。

發布與產品時間軸

公開的 Codex 時間軸將採用和基準數字與產品時間順序錨定。

路透社後來報導，OpenAI 擴大了與主要全球諮詢公司的合作夥伴關係，以加速企業 Codex 的部署 (路透社，透過 Investing.com)。這些報告對於市場推廣背景很有用，但它們不能取代 OpenAI 自己對使用數量的定義。

用戶採用與使用統計數據

最重要的採用統計數據是 OpenAI 報告稱每週有超過 500 萬人使用 Codex (OpenAI)。這是一個公司報告的每週用戶數據，不應轉換為每月活躍用戶、每日活躍用戶、付費訂閱者或市場份額。

非開發者約佔用戶的 20%，且增長速度比開發者快 3 倍以上，這將 Codex 的解釋從純粹的開發者工具轉變為更廣泛的工作委派介面。OpenAI 內部的採用似乎異常強勁 — 但檔案警告不要將其視為普通企業的代表。增長倍數引人注目，但對基準線敏感：

當起始基數較小時，增長倍數可能看起來很大，因此應將其視為方向性有用，而非獨立的市場規模證據。Axios 也報導稱，Codex 的每週活躍用戶超過 500 萬，知識工作者的採用速度快於開發者，並引用了 OpenAI 的研究 (Axios) — 但由於基礎統計數據源自 OpenAI，因此準確的措辭仍然是「OpenAI 報告」，而非「獨立測量」。

介面：ChatGPT、CLI、IDE、GitHub、應用程式和 API

當按介面分組時，Codex 統計數據更容易解釋 — 每個介面都有不同的測量分母。

在 ChatGPT 中，Codex 作為一個可從側邊欄存取的編碼代理推出。在 CLI 中，它成為一個本地代理工作流程，可以轉交給雲端並透過 ~/.codex/config.toml 連接到 MCP 伺服器 (OpenAI Platform)。IDE 擴充功能支援 VS Code、Cursor 和其他 VS Code 分支，利用編輯器上下文減少提示 (OpenAI)。在 GitHub 中，Codex 可以透過 @codex 審查拉取請求，並從雲端任務生成 PR (OpenAI Help)。在 API 層，GPT-5.2-Codex 模型參考列出了 400,000 個代幣的上下文窗口和 128,000 個最大輸出代幣，而 codex-mini-latest 分別列出了 200,000 和 100,000 個代幣 (OpenAI Developers)。

能力基準與它們無法證明什麼

基準統計數據是 Codex 數字中最容易引用和過度解釋的。OpenAI 報告 GPT-5.3-Codex 在 SWE-Bench Pro Public 上達到 56.8%，在 Terminal-Bench 2.0 上達到 77.3%，在 OSWorld-Verified 上達到 64.7%，使用「xhigh」推理努力 (OpenAI)。

這些是在特定配置下的模型評估結果 — 而非衡量 Codex 在公司私人單一儲存庫中，使用該公司的測試、權限、依賴項和審查標準時的成功頻率。關鍵是，這三個基準衡量的是不同的事物，不應直接比較：SWE-Bench Pro 強調長期專業任務 (Scale AI)；Terminal-Bench 2.0 定義了 89 個實際的終端任務 (arXiv)；而 OSWorld 衡量跨完整作業系統的可執行電腦使用 (arXiv)。

基準的多樣性強化了謹慎。TerminalWorld 引入了一個自動生成的基準，包含 1,530 個經過驗證的任務，並報告與專家策劃的 Terminal-Bench 相關性較弱（Pearson r = 0.20），這表明兩者衡量的是互補的能力 (arXiv)。METR 的時間範圍框架增加了另一個維度：其 Time Horizon 1.1 更新將任務套件從 170 個擴展到 228 個任務，並將 8 小時以上的長任務從 14 個增加到 31 個 (METR)。

安全性、沙盒化和部署控制

安全性對於 Codex 統計數據至關重要，因為代理式編碼工具在程式碼庫、依賴項、測試、終端機，有時甚至是網路資源上運行。OpenAI 最初的發布聲明指出，每個任務都在隔離的雲端沙盒中運行，執行期間預設禁用網路存取 (OpenAI)。

GPT-5-Codex 系統卡描述了跨終端機、IDE、雲端、GitHub 和 ChatGPT 行動裝置的部署，以及沙盒化和可配置的網路存取緩解措施 (OpenAI PDF)。這對於指標比較很重要：在無網路沙盒中完成的任務不能直接與使用可配置網路存取和瀏覽器自動化完成的任務進行比較。企業和教育發布說明增加了管理層，包括 RBAC、合規性 API 和管理控制。

開發者 AI 市場背景

Codex 的採用發生在 AI 輔助軟體開發的更廣泛轉變中。調查統計數據是有用的背景，但它們衡量的是不同的群體，不應混為一談，形成單一的「開發者採用率」。

Stack Overflow 2025 年的調查報告稱，AI 情緒有 60% 持正面態度，而 46% 不信任 AI 輸出的準確性（高於 2024 年的 31%），33% 信任它，只有 3% 高度信任它 (Stack Overflow)。在開箱即用的 AI 助手方面，它報告 ChatGPT 和 GitHub Copilot 是最常用的：

JetBrains 2025 年的調查（2025 年 4 月至 6 月，來自 194 個國家的 24,534 名開發者）報告稱，85% 的人經常使用 AI 工具，62% 的人依賴至少一個 AI 編碼助手、代理或程式碼編輯器 (JetBrains)。GitHub 2024 年的調查報告稱，超過 97% 的受訪開發者在工作中使用 AI 編碼工具，而只有 38% 的美國開發者表示他們的組織積極鼓勵採用 (GitHub Blog)。這些都沒有提供 Codex 特定的市場份額分母。

生態系統信號：GitHub、npm 以及不應推斷的內容

Codex 的開源和套件生態系統提供了有用的公共信號，但不是活躍用戶數。規範儲存庫是 openai/codex，官方 npm 套件是 @openai/codex (npm)。

GitHub 自己的定義至關重要：stargazers_count、watchers 和 watchers_count 都代表星標，而 subscribers_count 代表儲存庫觀察者 (GitHub Docs)。套件下載量也不是活躍用戶 — 它們可能因 CI 系統、重新安裝、鏡像和自動化而膨脹。星標表示關注，分支表示實驗；兩者都不能證明生產使用。OpenAI 的每週用戶和每月開發者數據仍然是檔案中唯一的直接產品使用指標。

生產力聲明與案例研究注意事項

Codex 經常以生產力來討論，但公開的證據基礎不均。OpenAI 表示其工程師每天在安全、產品工程、前端、API、基礎設施和性能工程等領域使用 Codex (OpenAI PDF) — 這些是有意義的工作流程範例，但不是隨機的生產力試驗。

Codex 產品頁面包含 Harvey 報告的早期迭代時間減少 30–50% (OpenAI) — 這是一個客戶報告的結果，不應推廣為「Codex 將所有團隊的生產力提高 30–50%」。而透過容器緩存將中位任務完成時間減少 90% 是一個系統性能統計數據，而不是工程勞動減少 90% (OpenAI)。

指標定義與常見誤讀

總結 Codex 最安全的方法是明確指標定義。

來源品質說明

本文僅使用所提供的研究檔案作為事實依據。最強大的 Codex 特定來源是 OpenAI 產品公告、文件、系統卡、開發者模型參考和研究 PDF。

常見問題

來源與延伸閱讀