Как Codex Cloud выполняет задачу в облаке и возвращает готовый pull request

Коротко (TL;DR)

Codex Cloud — это способ отдать задачу агенту OpenAI Codex не в свой терминал, а в облако. Вы описываете, что нужно сделать; задача уходит в изолированную облачную песочницу с копией вашего репозитория; агент там сам читает код, вносит правки, запускает тесты — и на выходе отдаёт краткое резюме, дифф изменений и предлагает готовый pull request на проверку. Ваш компьютер при этом свободен.

Вся суть поверхности — в одной схеме: задача → песочница → pull request. Ниже разберём по шагам, как пользоваться Codex Cloud: чем облако отличается от локального Codex CLI, какую задачу куда отдавать, как читать результат и где облако ломается.

Что нужно, чтобы гайд принёс пользу: рабочий аккаунт ChatGPT с доступом к Codex, репозиторий на GitHub и 10 минут, чтобы прочитать логику один раз. Все команды, режимы и цифры сверены с официальной документацией OpenAI на 16 июля 2026; Codex меняется быстро, поэтому имена моделей и флагов стоит перепроверять при чтении.

Что такое облачная задача Codex

Codex — это агент: он не просто отвечает текстом, а сам работает с файлами и командной строкой. Запустить этого агента можно по-разному, и Codex Cloud — одна из поверхностей: облачный агент, который живёт по адресу chatgpt.com/codex и работает под тем же входом через ChatGPT, что и локальный CLI.

Разница с терминалом простая. Когда вы работаете в Codex CLI, агент выполняется прямо на вашей машине: видит ваши файлы, ваши переменные окружения, ваши запущенные сервисы. Когда вы ставите облачную задачу, всё происходит на инфраструктуре OpenAI: агент получает свою изолированную копию окружения, а вы получаете результат, когда он готов.

Microsoft вывел свои модели MAI-Image и MAI-Voice в паблик превью — экономия до 89% против OpenAI

Codex откуда угодно: запускаем задачу из ChatGPT и ведём её с телефона

Как поставить Codex в VS Code, Cursor и Windsurf и что он умеет прямо в редакторе

Codex CLI: что происходит на экране терминала и как вести агента по циклу

OpenAI подняла план стройки до $750 млрд — и впервые сама строит дата-центр

Из этого следует главная выгода облака — асинхронность. Локальный агент занимает ваш терминал и внимание, пока идёт. Облачная задача уходит в фон: поставили и вернулись к своим делам, а Codex тем временем пишет фичу, чинит баг или отвечает на вопрос по кодовой базе. Это тот же метод постановки задач, что и в любом кодинг-агенте (общие принципы «сначала контекст, потом код» мы разбирали в гайде про метод работы с агентом на примере Claude Code) — но рычаги и результат у Cloud свои, и именно их мы разберём.

Схема «задача → песочница → pull request»

Держите в голове один образ поверхности Cloud — три звена. Разберём каждое.

1. Задача. Вы описываете, что нужно: «добавь ограничение на число попыток входа», «почини падающий тест», «объясни, как устроен модуль оплаты». Задачу можно поставить не только из веба — об этом ниже.

2. Изолированная песочница. Codex Cloud поднимает под задачу отдельный облачный контейнер, заранее загруженный копией вашего репозитория. Каждая задача получает свою песочницу — они не мешают друг другу. Внутри агент читает файлы, редактирует код, запускает команды и тесты. Ваш локальный компьютер в этом не участвует.

3. Готовый pull request. Когда агент закончил, вы видите краткое резюме (summary) сделанного и дифф — что именно поменялось. Отсюда три пути: попросить доработку (follow-up), отклонить или открыть pull request. Важная деталь: PR создаётся прямо из облачного результата, без предварительного git pull к себе на машину. По официальной документации, результат разбирают так: «изучите резюме и дифф, запросите доработку или откройте pull request, когда результат готов» (learn.chatgpt.com/docs/cloud, сверка 16.07.2026).

Именно последнее звено делает облако удобным для командной работы: тот, кто ставит задачу, и тот, кто её проверяет, могут быть разными людьми. Разработчик отправил задачу из GitHub-issue, а ревьюер открыл готовый PR — никто не скачивал промежуточные изменения локально.

Двухфазное окружение: почему «в облаке вдруг не ставится зависимость»

Чтобы понимать, где облако спотыкается, нужно знать, как устроен контейнер задачи. Он работает в две фазы, и у них разные правила по интернету.

• Фаза настройки (setup). Сначала выполняется setup-скрипт окружения: ставятся зависимости, тянутся пакеты, готовятся инструменты. В этой фазе интернет включён — иначе npm install или pip install не отработали бы.
• Фаза агента (agent phase). Затем начинает работу сам Codex: редактирует код, гоняет команды и тесты. Здесь интернет по умолчанию отключён (learn.chatgpt.com/docs/cloud/internet-access, сверка 16.07.2026).

Отсюда — типовые сюрпризы новичка. Если задача в фазе агента пытается сходить во внешний API или скачать пакет, которого не было при настройке, — она упрётся в отсутствие сети. Лечится это либо тем, что все зависимости ставятся в setup-скрипте заранее, либо осознанным включением интернета в фазе агента (о рисках — ниже). Глубокая настройка окружения (setup-скрипты, кэш, секреты) — это отдельная большая тема; здесь важно понять сам принцип двух фаз.

По данным независимого разбора (codex.danielvaughan.com, 08.04.2026, self-reported — не с первоисточника OpenAI), OpenAI вкладывалась в скорость облака: медианное время выполнения снизилось примерно на 90% за счёт кэширования контейнеров, а кэш окружения живёт до ~12 часов, давая «тёплый старт» следующим задачам. Цифры даём с оговоркой об источнике, но направление понятное: повторные задачи в том же репозитории стартуют быстрее первой.

Сеть и безопасность облачной задачи

Тот факт, что в фазе агента интернет по умолчанию выключен, — не ограничение, а защита. Как только вы открываете задаче доступ в сеть, появляются реальные риски. Официальная документация называет их прямо: prompt injection с недоверенных страниц, утечка кода или секретов, скачивание вредоносных или уязвимых зависимостей, подтягивание контента с лицензионными ограничениями. OpenAI приводит наглядный пример: злоумышленник прячет команды в тексте GitHub-issue — и агент, если ему разрешить, может выполнить их и слить данные наружу.

Поэтому доступ в интернет настраивается не «вкл/выкл», а тонко. Вот три уровня и что они значат:

Дополнительно можно ограничить HTTP-методы — разрешить только GET, HEAD, OPTIONS и заблокировать POST/PUT/PATCH/DELETE, чтобы агент мог читать, но не отправлять данные наружу. Официальный совет прямой: «разрешайте только те домены и методы, которые действительно нужны, и просматривайте вывод и рабочий лог агента».

Здесь же уместно вспомнить про дисциплину проверки: агент может уверенно отдать «готово», которое на деле не работает. Поэтому вывод и рабочий лог задачи всегда просматривают руками — не полагаясь на слова агента о результате.

Откуда запускать облачную задачу

Веб-интерфейс — не единственная точка входа. Облачную задачу можно поставить из нескольких мест, и это одна из главных причин брать облако:

• Веб — панель Codex на chatgpt.com/codex.
• GitHub — упоминанием агента в issue или pull request; там же он умеет автоматически ревьюить PR.
• Linear — из задач и комментариев трекера.
• Slack — упоминанием в треде; бот отвечает ссылкой на задачу.
• CLI — из терминала командой codex cloud (перенести работу в облако и смотреть активные/завершённые задачи); результат применяется локально командой codex apply. Запустить задачу и вернуться к терминалу можно, не блокируя работу.

То есть облако встраивается в тот инструмент, где команда уже живёт: багрепорт в GitHub, тикет в Linear, обсуждение в Slack — всё это превращается в облачную задачу и приходит обратно готовым PR. И локаль, и облако работают под одним аккаунтом, а список задач виден и там, и там.

Codex Cloud или локальный CLI: что когда брать

Облако и терминал — не «лучше/хуже», а разные инструменты под разные задачи. Ключевой вопрос — нужен ли вам живой контроль здесь и сейчас или задачу можно отпустить в фон.

Важно: это не выбор навсегда. Локаль и облако сочетаются в одном цикле — можно начать локально (спланировать, где быстро проверить контекст), передать тяжёлую реализацию в облако, а доводку снова сделать в терминале. Планы и диффы переносятся между режимами под одним аккаунтом.

Отдельно про деньги, потому что здесь много устаревших цифр. Раньше писали, что облако дороже локали примерно в 5 раз (7 кредитов против 34 за задачу на GPT-5.4). На актуальной тарифной странице (сверка 16.07.2026) это уже не так: локальные сообщения и облачные задачи делят один 5-часовой лимит использования с одинаковыми rate-лимитами, отдельной наценки за облако нет, а модели сменились на семейство GPT-5.6 (Sol, Terra, Luna). Облако всё равно может съедать лимит быстрее — но не из-за наценки, а потому что облачные задачи обычно длиннее и тяжелее. Старое число «5x» не тиражируем.

Как читать результат облачной задачи

Готовый PR — не повод жать «merge» на автомате. Codex прикладывает к результату проверяемые следы работы: цитаты из логов терминала и вывода тестов, по которым видно каждый шаг задачи. Это превращает дифф из «чёрного ящика» в воспроизводимую историю. Вот короткий чек-лист приёмки:

1. Резюме. Прочитайте summary: агент сам описал, что сделал. Совпадает с тем, что вы просили?
2. Дифф. Пройдите изменения. Нет ли правок в файлах, которые задача не должна была трогать?
3. Рабочий лог. Загляните в логи и вывод тестов: тесты правда зелёные, а не просто «агент так сказал»?
4. Сеть. Если для задачи включали интернет — просмотрите, куда агент ходил (рабочий лог это показывает).
5. Follow-up вместо переделки. Результат почти верный? Не переставляйте задачу с нуля — попросите доработку в той же задаче, контекст сохранится.

Только после этого — открывать pull request и отправлять на обычное командное ревью. По сути облако не отменяет проверку человеком, а делает её удобной: вы читаете аккуратный дифф с логами, а не разгребаете черновые правки в своём рабочем дереве.

Куда двигаться дальше

Поверхность Cloud — это база. Рядом две темы, которые её усиливают, но заслуживают отдельного разбора:

• Параллельные облачные задачи. Раз задачи асинхронны, их можно запускать пачками — несколько агентов Codex работают одновременно, каждый в своей песочнице, а результаты приходят отдельными PR. Это отдельный рабочий приём (в том числе запуск нескольких попыток одной задачи и выбор лучшей).
• Настройка окружения. Setup-скрипты, кэш, секреты, доступы — всё, что делает облачную задачу воспроизводимой и не спотыкающейся на зависимостях. Мы затронули двухфазную модель, но глубокая настройка — большая отдельная тема.

Облако — часть более широкой экосистемы агентов OpenAI; Codex Cloud расходует лимиты того же плана ChatGPT, что и локальный запуск.

Где облако ломается: риски и ограничения

Слабые места важнее маркетинга — вот они по пунктам. Как и у любого автономного ИИ-агента, у облачных задач есть места, где они спотыкаются.

• Интернет в задаче — источник рисков. Включили сеть в фазе агента — открыли дверь prompt injection, утечке секретов и подтягиванию вредоносных зависимостей (официальное предупреждение OpenAI, сверка 16.07.2026). Правило простое: держите интернет выключенным, а если включаете — минимальный allowlist и только нужные HTTP-методы.
• Интеграции работают неровно. В сообществе есть свежий негатив: пользователь публично жаловался (14.07.2026), что Codex Cloud «не может даже подтянуть GitHub-issue из репозитория» и что нет запланированных задач (scheduled tasks). Это единичное мнение, а не подтверждённый дефект, но напоминание верное — работа облака зависит от корректно настроенного окружения и доступов; проверяйте связку с репозиторием.
• Зависимость от лимитов плана. Облако тратит тот же 5-часовой лимит, что и локаль. Длинная тяжёлая задача способна съесть заметную долю квоты — планируйте, что отдавать в облако.
• Смежный, но важный риск запуска. Отдельно от облака: в конце июня 2026 сообщалось, что Codex создаёт избыточные операции записи на SSD (лишний износ диска) — материал The Register от 23.06.2026 и резонанс на Hacker News; официального фикса в открытых источниках на 16.07.2026 не найдено. Касается это в первую очередь локального запуска — и, к слову, один из аргументов в пользу облака: нагрузка на диск уходит с вашей машины.
• Что устареет первым. Имена моделей (GPT-5.6 Sol/Terra/Luna), названия пресетов доступа и флагов команд Codex меняются чаще всего — сверяйте их в актуальной документации на момент чтения.

FAQ

Чем Codex Cloud отличается от Codex CLI? CLI выполняет агента локально, на вашем компьютере, в интерактивном режиме — вы видите каждый шаг в реальном времени. Cloud выполняет задачу в изолированной облачной песочнице асинхронно: поставили и вернулись к делам, а результат приходит готовым pull request. Локаль — для быстрых интерактивных правок, облако — для фоновых, долгих и параллельных задач.

Codex Cloud правит код прямо в моём репозитории? Нет. Агент работает в отдельном облачном контейнере с копией репозитория и не трогает ни ваш компьютер, ни основную ветку напрямую. Изменения приходят как pull request, который вы проверяете и мержите сами.

Есть ли у облачной задачи доступ в интернет? В фазе настройки — да (чтобы поставить зависимости). В фазе работы агента — по умолчанию нет. Доступ можно включить точечно: список разрешённых доменов и ограничение HTTP-методов. Включать стоит осознанно — это добавляет риск prompt injection и утечки данных.

Можно ли поставить облачную задачу не из браузера? Да. Задача запускается из веба, из GitHub (issue или PR), из Linear, из Slack и из терминала командой codex cloud. Тот, кто ставит задачу, и тот, кто проверяет результат, могут быть разными людьми.

Облако дороже локального запуска? По актуальной тарифной странице (сверка 16.07.2026) отдельной наценки за облако нет: локаль и облако делят один 5-часовой лимит использования плана ChatGPT. Старая цифра «облако в 5 раз дороже» устарела. Но длинные облачные задачи объективно расходуют лимит быстрее коротких локальных.

Сколько идёт облачная задача? Зависит от объёма — от быстрых правок до долгих задач на десятки минут. Первая задача в репозитории обычно дольше последующих: по независимым данным, за счёт кэша окружения повторные задачи стартуют заметно быстрее.