
OpenAI在官方推文中表示,Codex如今也承担起让ChatGPT跑得更快的任务。其背后是一套名为“性能工厂”的内部系统:线上出现变慢或报错时,Codex自动接手,排查原因、提出修复方案,并在上线后持续盯数据验证效果。三个多月里,该系统跟进1700多次故障调查,平均每天出警17次,其中600多起问题被揪出真正的病根。
负责ChatGPT性能团队的Martin Spier提到,团队承受两股压力:用户越来越多,代码更新越来越快。到2026年2月,每周使用ChatGPT的人已超过9亿;早在2025年10月,OpenAI就披露使用Codex的工程师每周合并的代码变更请求(PR)增加了70%。每个新功能上线都要从同一份“速度预算”中切走一小块,一次次更新叠加起来便成了用户可见的卡顿。Spier还提到,以前每次上线的改动都有人完全看懂,如今这个默认前提已经失灵,查问题的苦活只能交给AI。
这套流水线逐步演化而来:最早全靠人力,性能团队攒下30多个专用工具;后来工程师拉Codex当搭档翻数据、自己解读;再往后把老手经验写成可复用技能,Codex拿到告警就能按套路诊断。工程师发现自己每天干得最多的成了把告警复制粘贴给Codex,团队便把告警直接接入,查完自动往Slack推送报告,任务单由智能体逐站推进,“性能工厂”由此成型。
OpenAI也曾因AI误判吃过亏:早期智能体抓到第一个说得通的解释就收工,人工抽查100条根因判断只有70条准确。为此OpenAI增设对抗性审查,派独立Codex专门推翻前一个Codex的诊断。官方博客记录过一次案例:调查组认定图片下载出错,审查员却发现定位文件的内部服务早已恢复,而图片请求仍在报错,草率诊断被打回重查。即便诊断过关,修复方案也要过同一道审查。
OpenAI承认开对药方远比查出病根难,修复方案有时把简单问题复杂化。以“加缓存”为例,能加快响应却可能刷出过期内容,要速度还是新鲜度是架构取舍题,AI算得清毫秒级延迟,却无法替人类的产品体验拍板。因此每个修复方案都必须经工程师点头才能上线。








