OpenAI 正式开源 Codex 终端 Agent：Rust 重写、启动提速约 25 倍，104K Star 背后藏着什么野心
OpenAI 把 Codex 终端 Agent 正式开源到 openai/codex 仓库，GitHub Star 数已达 10.4 万。最引人注目的技术动作是：整个执行层用 Rust 重写（替代此前的 Node/TypeScript 实现），启动速度提升约 25 倍，冷启动约 100 毫秒。开源首日单日新增近 1500 星。
Rust 重写：不只是快 25 倍
启动提速 25 倍听起来是个性能指标，但对命令行工具来说，它是体验分水岭。原来的 TypeScript 版本启动需要数秒，这种延迟会打断开发者的心流——你不会为了一个 3 秒才响应的命令去反复调用它。100 毫秒则让 Codex 可以嵌入到任何交互式流程里。
重写过程中，OpenAI 重新实现了三个核心抽象：Thread（线程）、Turn（轮次）、Item（条目），并配套设计了 App Server 的 NDJSON 流式协议，事件包括 turn/started、item/*、turn/completed。
这三个抽象的意义在于：它们定义了"Agent 一次任务执行"的标准数据结构。谁掌握这个结构定义，谁就掌握了 Agent 生态的接口标准。
三个组件：开源的是什么
| 组件 | 用途 |
|---|---|
codex exec |
命令行工具，一次性执行、适合 CI/CD |
| Codex SDK | TypeScript / Python 版本，供开发者集成 |
codex app-server |
长会话服务，供自定义 UI 接入 |
协议采用 Apache-2.0 许可，内置操作系统级沙箱和严格的工具权限策略。
关键边界：OpenAI 开源的只是执行层，不包括模型，也不包括 Codex 产品本身。 换句话说，你拿到了一个跑得飞快的 Agent 运行时，但推理能力仍然要调用 OpenAI 的模型（或你自己的兼容模型）。
这就是"野心"所在——把执行层做成行业标准，把模型层留在自己手里。历史上这个套路出现过很多次：Google 开源 Chromium 拿到了浏览器标准，Android 拿到了移动端标准。
104K Star 与用户增长曲线
Codex 的用户增长数据：
| 时间 | 用户规模 |
|---|---|
| 2026 年 4 月 8 日 | 300 万周活 |
| 4 月 21 日 | 400 万+ |
| 6 月 2 日 | 500 万+ 周活 |
| 7 月 21 日 | 1000 万（合并口径） |
| 8 月 21 日 | 2000 万活跃 |
另一个维度：7 月 24 日至 8 月 22 日的 30 天内，npm 下载量达 6630 万次。作为参照，OpenAI 在 2026 年 3 月的估值为 8520 亿美元，年化收入约 240–250 亿美元。
一个被忽略的技术细节
AWS Bedrock 上的 GPT-5.6 Sol 模型缺乏显式的提示缓存控制，导致 Codex 使用时缓存写入 token 异常膨胀（issue #37674，最终被标记为"Enhancement"关闭）。
这个问题说明一件事：Agent 的成本高度依赖底层的缓存机制。同样跑一次任务，有没有提示缓存，成本可能差一个数量级。对企业用户来说，这是选型时的硬指标。
开发者该怎么用
如果你是个人开发者： 直接用 codex exec，100 毫秒的启动速度让它能融入日常脚本流。
如果你在做内部工具： 用 Codex SDK（TypeScript 或 Python）把 Agent 能力嵌进自己的系统，比从头造 Agent 框架省事得多。
如果你在做 Agent 产品： 用 codex app-server 做底座，专注于上层 UI 和业务逻辑，而不是重复实现工具调用、权限控制、沙箱这些基础设施。
要注意的是： 开源的是执行层，模型调用仍然要付费。把 Codex 接到自己的模型上技术上可行，但能力表现会与官方模型有差距。
注意事项
- 104K Star 是发布后的累计数据，不同来源在 8 月 22 日、23 日分别记录为 113312 和 114493，增长极快，数字会持续变动。
- 25 倍启动提速是相对旧 TypeScript 版本的官方口径，实际体验差异受机器环境和使用场景影响。
- 开源范围仅限执行层（CLI、SDK、app-server），模型和 Codex 产品本身未开源。
- Apache-2.0 许可允许商用，但需遵守许可条款，包括保留版权声明和变更说明。
- AWS Bedrock 上的缓存问题虽然被关闭，但说明不同模型后端的成本表现差异很大，选型时务必实测。
FAQ
Q1：Codex 开源后能免费用了吗？ 执行层免费，模型调用不免费。你仍需为 GPT 等模型的 API 调用付费。
Q2：能接入自己的模型吗？ 技术上可以，架构上支持自定义模型后端。但 Agent 的能力表现高度依赖模型本身，非官方模型效果会有差距。
Q3：Rust 重写后旧版本还能用吗？ 旧版本仍在仓库历史中，但新功能和修复都在 Rust 版本上，建议迁移。
Q4：codex exec 和 codex app-server 怎么选？
一次性任务、CI 集成用 exec；需要长会话、自定义界面的用 app-server。
Q5：企业使用有什么风险？ 主要是模型成本和权限控制。建议先用沙箱环境试点，明确工具权限白名单，再逐步放开。