Codex от OpenAI: агент, который сам пишет и запускает ваш код

Коротко (TL;DR)

OpenAI Codex — это ИИ-агент для программирования. В отличие от обычного чата, который просто выдаёт текст с кодом, Codex сам читает вашу кодовую базу, вносит правки, запускает команды и тесты в изолированной песочнице и возвращает уже проверенный результат — вплоть до готового pull request. Работает в терминале, в облаке и внутри ChatGPT. Модель по умолчанию на 16 июля 2026 — GPT-5.6 Sol. Весь код агента всё равно нужно проверять глазами перед запуском в бою.

Codex простыми словами

Представьте, что у вас есть очень старательный младший разработчик, которому можно поставить задачу словами: «почини баг в корзине» или «добавь тёмную тему». Он открывает проект, разбирается в файлах, пишет правки, сам запускает тесты, чтобы проверить, что ничего не сломалось, и приносит результат с логами. Именно так работает Codex: вы ставите цель — он планирует, действует и проверяет себя сам.

Это и есть ключевое слово — агент. Обычная нейросеть отвечает на запрос текстом, и дальше вы всё делаете руками: копируете код, вставляете, запускаете, ловите ошибки. ИИ-агент выполняет эти шаги самостоятельно, в цикле «сделал — проверил — поправил», пока задача не будет закрыта или пока не упрётся в место, где нужно ваше решение.

Сам OpenAI в справке описывает Codex прямо: это «ИИ-агент, который помогает писать, ревьюить и отправлять код». Ключевое слово здесь — действие: Codex реально запускает написанный код и прогоняет тесты, а не только выдаёт текст с вариантом решения.

Два разных Codex: не перепутайте

Здесь легко запутаться, и большинство статей эту путаницу не разбирают. Имя «Codex» OpenAI использовала дважды для разных продуктов.

Cursor для не-программиста: как собрать первый продукт и заработать

Переход с VS Code и Copilot на Cursor без потери настроек

Интерфейс и режимы Cursor: Tab, Cmd+K, Chat и Agent — что когда включать

Установка и первый запуск Cursor: настройка за 10 минут

ИИ-агент сам взломал Hugging Face — 17 000 действий за один заход

• Codex-2021 — языковая модель, дообученная версия GPT-3, которая переводила текстовое описание в код. Именно она когда-то питала первый GitHub Copilot. Это была просто модель, а не агент: она предлагала код, но ничего не запускала.
• Codex-2025 — тот самый агент, о котором эта статья. Современный агентный Codex CLI вышел в апреле 2025 года, а облачная версия — в мае 2025-го. Это уже не «модель, которая пишет код», а инструмент, который сам работает с проектом.

Если вам попадётся старая статья про «модель Codex» без слова «агент» — почти наверняка речь о поколении 2021 года. В этом тексте везде имеется в виду современный агент.

Агентный Codex за 2026 год заметно вырос: по данным Reuters, к марту 2026 у Codex было более 2 млн еженедельно активных пользователей — примерно впятеро больше, чем в начале года. Так что это не нишевый эксперимент, а один из самых массовых инструментов ИИ-разработки.

Как работает Codex: цикл агента

Главное отличие Codex от чата в том, что он проходит полный рабочий цикл, а не выдаёт один ответ. Упрощённо это выглядит так:

1. Понимает задачу и собирает контекст. Codex читает нужные файлы проекта, чтобы понять, как устроен код. Если в репозитории лежит файл AGENTS.md (это как README, только для агента: где что находится, какой командой запускать тесты), Codex учитывает его инструкции.
2. Строит план. Разбивает задачу на шаги — что и в каком порядке менять.
3. Действует. Правит файлы, создаёт новые, запускает в песочнице обычные команды: сборку, линтер, тесты.
4. Проверяет себя. Если тесты падают, Codex видит ошибку в логах и правит код заново — тот самый цикл «сделал — проверил — поправил».
5. Отдаёт результат. Вы получаете набор изменений (diff) с логами того, что агент делал, а в облаке — сразу готовый pull request, который можно ревьюить как работу коллеги.

В облаке одна задача обычно занимает от 1 до 30 минут в зависимости от сложности, и за прогрессом можно следить в реальном времени. Именно способность запускать код и проверять его тестами отличает агента от подсказчика: на выходе не «вот вариант, попробуйте», а «я это сделал и прогнал тесты — вот что получилось».

Пример на пальцах

Чтобы цикл стал нагляднее, разберём типичную задачу. Вы пишете Codex: «форма входа не показывает ошибку при неверном пароле — почини». Дальше без вашего участия происходит примерно следующее:

1. Codex находит и открывает файлы формы и обработчика входа, читает, как устроена проверка пароля.
2. Видит, что ответ сервера с ошибкой приходит, но на экран не выводится, — и правит компонент, чтобы сообщение показывалось.
3. Запускает тесты. Один падает: оказалось, текст ошибки не совпадает с тем, что ожидает тест.
4. Codex сам правит формулировку, прогоняет тесты снова — теперь все зелёные.
5. Возвращает вам изменения (diff) с логами: что смотрел, что менял, какие тесты гонял.

Вы получаете не «попробуйте вот такой код», а завершённую правку, которую осталось прочитать и принять. Ключевое — шаг 3 и 4: агент сам заметил провал теста и исправился, вместо того чтобы отдать вам сломанный вариант.

Три способа запустить Codex

Codex — это не одна программа, а семейство поверхностей. Все они делают одно и то же (запускают агента), но в разной обстановке. Ниже — обзорная карта; подробные инструкции по каждой поверхности выходят за рамки этого разбора.

Проще всего запомнить так: CLI — для терминала, Cloud — для облака и параллельных задач, ChatGPT и IDE — чтобы делегировать задачу из привычного окна. Один и тот же аккаунт и одни и те же задачи переносятся между поверхностями: можно начать в облаке, а diff применить локально через CLI.

Отдельно стоит отметить: Codex CLI — с открытым исходным кодом (лицензия Apache-2.0, репозиторий openai/codex на GitHub). Для новичка это в первую очередь сигнал прозрачности — видно, как устроен инструмент, а сообщество быстро находит и обсуждает проблемы (к рискам это ещё вернётся). Сама модель при этом остаётся закрытой и работает на серверах OpenAI — открыт именно клиент-агент, а не «мозг».

Какая модель под капотом

Codex — это оболочка-агент, а «думает» за него отдельная модель OpenAI. На 16 июля 2026 модель по умолчанию — GPT-5.6 Sol, флагман семейства GPT-5.6. Всё семейство стало общедоступным всего за неделю до этого — 9 июля 2026 (превью было 26 июня). У него три уровня:

• GPT-5.6 Sol — флагман для сложного кода и самых трудных задач;
• GPT-5.6 Terra — сбалансированный вариант «цена/скорость/качество»;
• GPT-5.6 Luna — быстрая и дешёвая модель для рутины.

Кроме них в интерфейсе ещё встречаются модели прошлых поколений — GPT-5.5, GPT-5.4, GPT-5.3-Codex (её, например, использует функция автоматического code review) и другие. Если в чужом гайде вы видите «модель по умолчанию GPT-5.5» — гайд просто написан до 9 июля 2026. Модель можно сменить вручную под задачу: на простой правке Luna сэкономит деньги, на архитектурном рефакторинге Sol справится лучше.

Насколько эти модели сильны в агентных задачах, показывают специализированные бенчмарки. Например, на Terminal-Bench 2.1 (задачи в терминале) по данным стороннего трекера GPT-5.6 Sol набирает 88.8%, Terra — 84.3%, Luna — 82.5%, тогда как прошлая GPT-5.5 давала 83.4%. Относиться к таким цифрам стоит спокойно: это один конкретный тест, а не универсальный ответ «какая модель самая умная», и приводит его не сам лидерборд, а трекер. Полезнее он как ориентир прогресса поколений, чем как повод для споров «Codex против конкурентов».

Что Codex умеет — и где у него потолок

Раз уж понятно, как агент устроен, полезно очертить границы: что ему реально по силам, а где начинается зона, в которой без человека не обойтись.

Что Codex делает хорошо:

• правки, затрагивающие сразу несколько файлов (не одну строку, а связанное изменение по проекту);
• рутинные, но муторные задачи — обновить зависимости, переписать под новый API, добавить обработку ошибок;
• написание и починку тестов, прогон линтеров и сборки с самопроверкой;
• разбор незнакомого проекта: в режиме «только чтение» агент объяснит, как устроен код, ничего не трогая;
• автоматическое ревью pull request’ов (для этого используется отдельная модель GPT-5.3-Codex);
• параллельную работу — в облаке можно запустить несколько задач разом, каждую в своём изолированном контейнере.

Где у Codex потолок:

• он не заменяет архитектора: решения «как в принципе строить систему» остаются за вами;
• модель может ошибаться и выдавать правдоподобный, но неверный код — поэтому результат обязательно ревьюят;
• на крошечных правках в одну строку живое автодополнение часто быстрее, чем ставить агенту полноценную задачу;
• агент не знает того, чего нет в проекте и в его контексте: неочевидные бизнес-правила нужно проговаривать или выносить в AGENTS.md.

Проще говоря, Codex силён там, где задача формулируется словами и проверяется тестами, и слабеет там, где нужен вкус, контекст «почему так исторически» и ответственность за архитектуру.

Насколько Codex автономен: режимы и песочница

Раз агент сам запускает команды, возникает справедливый вопрос: а не удалит ли он что-нибудь лишнее и не полезет ли в интернет без спроса? На это отвечают режимы одобрения и песочница (sandbox) — они ограничивают, что агенту можно делать без вашего разрешения.

Здесь есть тонкость, из-за которой люди путаются: у Codex два слоя названий. Есть понятные лейблы в интерфейсе и есть технические значения sandbox_mode в конфиге (config.toml), которые за ними стоят. Вот как они соотносятся (данные официальной документации на 16 июля 2026):

Отдельно есть значение read-only — агент только читает файлы и ничего не меняет; удобно, чтобы дать ему разобраться в проекте и что-то объяснить, ничего не сломав.

Песочница ограничивает не только файлы, но и сеть: по умолчанию в режиме workspace-write агент спрашивает разрешение, прежде чем выйти в интернет, а в облаке у контейнера задачи доступа в сеть нет вовсе, пока вы явно его не откроете. Это защита сразу от двух вещей — чтобы агент не утянул данные наружу и чтобы вредная инструкция извне не смогла им управлять.

Практический ориентир по выбору режима простой: на незнакомом или чужом проекте начинайте с режима по умолчанию (Ask for approval) или вовсе с read-only, чтобы агент сперва разобрался и предложил, ничего не ломая. Повышать автономию до Full access есть смысл только когда вы доверяете задаче и готовы отвечать за результат.

Важная оговорка для тех, кто читает старые инструкции: в ранних гайдах те же режимы называли иначе — «Read Only / Auto / Full Access», а задавали их флагами командной строки (например, codex -s read-only или codex --full-auto). Это те же концепты под другими именами. Если видите такие флаги — не пугайтесь, смысл тот же, поменялись только вывески.

Доступ и тарифы: коротко

Codex не продаётся отдельно — по данным OpenAI, он входит без доплаты в тарифы ChatGPT: Free, Go, Plus, Pro, Business, Edu и Enterprise. Лимиты использования при этом зависят от плана. Подробный разбор оплаты и доступа из разных стран — тема отдельного материала, здесь только суть.

Механику оплаты OpenAI поменяла: со 2 апреля 2026 расход в Plus/Pro/Business считается по токенам (кредиты за миллион входных и выходных токенов), а не по числу сообщений. По оценке самого OpenAI, в среднем Codex обходится примерно в $100–200 на разработчика в месяц, но разброс большой — зависит от выбранной модели, числа параллельных задач и «быстрого» режима. Типичная задача на GPT-5.5, для примера, съедает 5–45 кредитов.

Для кого Codex и когда он не нужен

Codex рассчитан на разные уровни, и польза от него у каждого своя:

• Непрограммист или основатель. Хочет собрать продукт, делегируя код агенту, и разговаривать с ним задачами, а не синтаксисом. Codex снимает часть барьера — но чем меньше вы понимаете в коде, тем важнее не отдавать агенту полную автономию вслепую.
• Джун или смежный специалист. Переходит от «спросил у чата — скопировал» к управляемой работе: агент делает черновую часть, а вы учитесь ревьюить и направлять.
• Опытный разработчик. Выжимает из Codex автономность: параллельные облачные задачи, авто-ревью, рутинные миграции — чтобы освободить время под сложное.

А вот где Codex — избыточен или неуместен: для правки в одну строку (быстрее дописать руками или автодополнением), для задач без чётких критериев готовности (агенту нечем себя проверить), и для боевого кода, который выкатывают без ревью, — автономный агент здесь скорее добавит риска, чем ускорит.

Codex — не чат и не автодополнение

Чтобы окончательно уложить в голове, чем Codex отличается от привычных инструментов, — два коротких сравнения (детальные разборы каждого выходят за рамки этого объяснителя):

• Codex vs обычный чат ChatGPT. Чат отвечает текстом, а дальше всё делаете вы. Codex сам открывает проект, правит файлы и запускает тесты. Чат объясняет — агент исполняет.
• Codex vs автодополнение кода (например, GitHub Copilot). Автодополнение подсказывает следующую строку, пока вы печатаете, — вы остаётесь за рулём. Codex получает задачу целиком и ведёт её до результата сам. Это подсказчик против исполнителя.

Codex — не единственный агент такого класса: у Anthropic есть Claude Code, есть и другие инструменты. Идея у них общая — модель плюс обвязка, которая даёт ей действовать; отличаются реализация, режимы и экосистема.

Риски и ограничения

Автономный агент, который сам запускает код, — это удобно и опасно одновременно. Вот о чём важно помнить (данные актуальны на 16 июля 2026):

• Код нужно проверять руками. OpenAI прямо пишет: перед тем как интегрировать и запускать сгенерированный агентом код, его обязательно должен проверить и валидировать человек. Codex сигнализирует, где не уверен и где падают тесты, но ответственность остаётся на вас.
• Агент может прочитать секреты. По умолчанию Codex видит файлы проекта — включая потенциально .env, ключи и токены. Встроенного механизма «не читай эти файлы» долго не хватало: соответствующий запрос (issue #2847 в репозитории) обсуждают с августа 2025 года. Вывод простой — не давайте агенту доступ к секретам без нужды и ограничивайте его песочницей.
• Баг с износом SSD. В июне 2026 у Codex CLI нашли баг: журнал логов по умолчанию писался на максимально подробном уровне и мог накапливать до ~640 ТБ записи в год — этого хватит, чтобы выработать ресурс типичного SSD (около 600 ТБ перезаписи) меньше чем за год. Проблему задокументировали 14 июня 2026, и на 22 июня она ещё не была устранена. Урок общий: у молодого инструмента бывают сырые места, следите за обновлениями.
• Prompt injection через данные репозитория. В марте 2026 нашли (и к моменту публикации уже закрыли) уязвимость в Codex Cloud: специально составленное имя ветки GitHub могло подсунуть агенту вредную команду и вытащить токен доступа. Уязвимость пропатчена, но сам класс риска — «агенту скормили вредную инструкцию под видом данных» — остаётся для любых агентов.

Общий принцип безопасности: чем больше свободы вы даёте агенту (вплоть до Full access), тем больше должны ему доверять. Для незнакомого проекта разумно начинать с режима по умолчанию или read-only.

Частые заблуждения

• «Codex — это просто ChatGPT, который умеет в код». Нет. ChatGPT отвечает текстом, Codex — действует: правит файлы и запускает команды.
• «Codex сам всё выложит в прод». Только если вы сами дадите ему такие права (Full access) и не настроите проверку. По умолчанию он спрашивает разрешение на рискованные действия, а коммит и деплой контролируете вы.
• «Раз это ИИ, код можно не проверять». Наоборот: сам OpenAI требует ручной проверки. Агент ускоряет работу, но не снимает ответственности.
• «Codex и старая модель Codex — одно и то же». Это разные продукты разных лет (см. раздел про два Codex).

Связанные понятия

Несколько терминов, которые встречаются вокруг Codex и которые полезно понимать новичку:

• Агент — программа на базе модели, которая не просто отвечает, а сама выполняет шаги для достижения цели (планирует, действует, проверяет). Codex — агент для кода.
• Песочница (sandbox) — изолированная среда, в которой агент запускает команды, ограниченный в доступе к файлам и сети. Нужна, чтобы автономный агент не натворил лишнего.
• Pull request (PR) — оформленный набор изменений в коде, который проверяют и вливают в проект. Codex Cloud возвращает результат именно в таком виде — как работу коллеги на ревью.
• AGENTS.md — текстовый файл в репозитории с инструкциями для агента: как ориентироваться в коде, какой командой запускать тесты. Аналог README, только адресованный не человеку, а Codex.
• Prompt injection — атака, когда вредная инструкция подсовывается агенту под видом обычных данных (например, в имени ветки или в тексте задачи). Риск, актуальный для любых агентов.
• Кредиты и токены — единицы, которыми меряется расход: модель считает объём обработанного текста (токены), а тариф пересчитывает это в кредиты. Чем крупнее задача и «умнее» модель, тем больше расход.

FAQ

Codex — это бесплатно? Отдельно Codex не оплачивается: по данным OpenAI, он входит в тарифы ChatGPT, включая бесплатный Free, — но с лимитами, которые зависят от плана. То есть попробовать можно без отдельной подписки, а для активной работы упрётесь в лимиты своего тарифа.

Может ли Codex сам закоммитить код в прод? Только если вы дадите ему такие права. По умолчанию агент работает в песочнице (workspace-write) и спрашивает разрешение перед рискованными действиями. Полная автономия включается вручную режимом Full access, и делать это на боевом проекте без ревью не стоит.

Codex работает без интернета? Локальный Codex CLI выполняется на вашем ПК, но самой модели нужен доступ к серверам OpenAI, так что интернет для запросов к модели нужен. В облаке каждая задача идёт в изолированном контейнере, у которого по умолчанию доступа в интернет нет — это сделано ради безопасности.

Чем Codex отличается от GitHub Copilot? Классический Copilot — это автодополнение: подсказывает код, пока вы печатаете. Codex — агент: берёт задачу целиком, сам правит проект и запускает тесты. Разные роли: подсказчик рядом с вами против исполнителя, которому делегируют задачу.

Codex и ChatGPT — это одно и то же? Нет, но они связаны. ChatGPT — это чат-ассистент, а Codex — агент для кода, который в том числе доступен из ChatGPT и работает на тех же моделях OpenAI. Можно сказать, что Codex — это «руки для кода» внутри и рядом с экосистемой ChatGPT: он не отвечает текстом, а выполняет задачи в вашем проекте.

На каких языках программирования работает Codex? Codex не привязан к одному языку: под капотом — универсальные модели GPT-5.6, обученные на большом объёме кода, поэтому агент работает с распространёнными языками и стеками (JavaScript/TypeScript, Python, Go, Rust и другими). На практике качество выше там, где в проекте есть тесты и понятная структура: агенту есть на что опереться и чем себя проверить.

С чего начать, если хочется собрать что-то своё? Если вы не программист и хотите понять, реально ли собрать рабочий продукт с помощью ИИ, начните с разбора вайб-кодинга — там про подход «описал словами — получил приложение» и его границы.