夜雨聆风OpenAI 内部，员工已经很少打开 ChatGPT 干活了。
取而代之的，是另一个同样出自 OpenAI 之手的产品——Codex。
法务在用它。
财务在用它。
招聘在用它。
甚至连从不写代码的行政人员，现在也在用它处理工作。
2026年6月25日，OpenAI 官方账号在 X 上甩出一组数据，瞬间让整个科技圈倒吸一口凉气：公司内部99.8%的输出token，都来自 Codex。
那个曾经统治一切、缔造了ChatGPT时代的对话机器人，如今在自己的老家，只剩下0.2%的存在感。
一条推文，掀开了一个惊人事实
事情要从那条推文说起。
"Work at OpenAI is being transformed by agents, in every department."
「OpenAI 内部的工作正在被代理重塑，每个部门都在发生变化。」
"Across our entire company, people are using Codex to do work that is more complex, longer-running, and increasingly cross-functional."
「在整个公司范围内，人们都在使用 Codex 来完成更复杂、运行时间更长、日益跨职能的工作。」
"Our internal usage offers an early look at how agentic tools may reshape work as they become more capable and broadly available."
「我们的内部使用情况，为代理式工具在变得更强大、更广泛可用时如何重塑工作，提供了一个早期视角。」
语气很平淡，但内容分量很重——这几乎是在宣布，公司内部的工作方式已经彻底换了一套逻辑。
▲ OpenAI官方账号发布推文，附带四张核心数据图表，浏览量迅速突破125万
这条推文还只是开胃菜。
同一天，OpenAI 官网悄悄上线了一篇博客,标题写得极其干脆：《How agents are transforming work（代理如何重塑工作）》。
配合博客一起放出的，还有一篇整整50页的经济学研究论文，标题是《The Shift to Agentic AI: Evidence from Codex（转向代理式AI：来自Codex的证据）》。
论文作者名单里，既有 OpenAI 自己的研究员，也有哥伦比亚大学、宾夕法尼亚大学沃顿商学院、杜克大学的经济学家。
一家公司,愿意找外部经济学家一起,用五十页论文来解剖自己内部到底发生了什么。
这本身就是一件不寻常的事。
▲ OpenAI官网发布博客文章，宣布新的经济研究论文，测量Codex在前沿场景下的经济潜力
十个月，从边缘工具到全公司主力
时间倒回到2025年8月。
那时候的 Codex，在 OpenAI 内部还只是个小透明。
普通员工产出的token里，用在 Codex 上的不到10%。
公司里绝大多数人,还是习惯打开 ChatGPT,一问一答地处理工作——写邮件、查资料、做总结,典型的对话式使用。
Codex 是什么?简单说,它跳过了"你问我答"这一步,变成一个能自己动手干活的代理。
你给它一个目标,它自己规划步骤、打开文件、调用工具、跑测试、改代码、迭代出结果,过程可以持续几分钟,也可以持续好几个小时,甚至可以同时开好几个"分身"并行工作。
从"聊天咨询"到"委托生产",这是两种完全不同的工作方式。
而这种转变,在 OpenAI 内部,发生得比任何人预想的都快。
2025年底,工程师率先"倒戈"。他们本就是最熟悉命令行、最能榨干代理工具潜力的一群人,平均 Codex token 占比迅速冲到90%以上。
真正让人意外的是接下来发生的事。
2026年4月前后,连法务、财务、招聘这些从不写代码的部门,也在一个月之内完成了从不到20%到75%的跃升。
到了2026年6月,数据定格：OpenAI 员工中97.9%的月活用户在使用 Codex,99.8%的输出token来自 Codex。
平均每个 OpenAI 员工,超过85%的产出都经由 Codex 完成——而重度用户又进一步把这个数字拉高到了99.8%。
▲ 博客核心图表：OpenAI内部曲线从2025年8月的不到10%一路爬升,逼近100%;对比之下,普通组织用户为63.3%,个人用户仅16.5%
这张图里最抓人的地方，是三条曲线拉开的巨大落差。
OpenAI 自己人几乎是垂直拉升,而外部的组织用户和个人用户,爬坡明显缓慢得多。
同样是这套工具,同样的模型能力,为什么效果天差地别?
答案藏在使用场景里——OpenAI 内部没有配额限制,员工本身就是离前沿模型最近的一批人,公司自上而下推动培训和反馈机制。
这是一个近乎理想化的"无摩擦实验室"。
连HR都在写代码了
如果说工程师用代理干活不算稀奇,那么非技术部门的转变,才是这次数据里最颠覆认知的部分。
论文里有一组数据让人重新审视"岗位"这个概念:业务类岗位里,超过四分之一的工作内容,涉及的其实是工程或编码类任务。
这意味着,招聘、市场、产品运营这些原本和代码毫无关系的岗位,现在也在日常委托代理写脚本、做数据处理、搭建自动化流程。
技能边界正在被悄悄抹平。
而这种转变背后,还有一个更惊人的增速对比——非开发者用户的增长速度,反而超过了开发者本身。
从2025年8月到2026年6月:
个人非开发者用户增长了137倍 组织内非开发者用户增长了189倍 OpenAI 内部非开发者用户增长了12倍
Codex 最初是为写代码的工程师打造的产品。
结果十个月后,涨得最快的一批用户，恰恰是那些从没写过一行代码的人。
产出量的变化同样惊人。以2025年11月为基准,到2026年6月:
- 研究部门
的中位数token产出,暴涨了56倍 - 客服部门
增长了32倍 - 工程部门
增长了27倍 - 法务部门
增长了13倍
论文摘要里专门点出了一组更细的数字:「2026年6月,OpenAI内部从事法务工作的员工,月度输出token量是2025年11月的13倍;而中位数研究人员,增长超过50倍。」
▲ 论文正式发布于arXiv,归类为经济学General Economics领域,作者包含OpenAI研究员与三所高校经济学者
一个人,同时指挥五个代理
数据里还有一个细节,揭示了工作方式本身正在发生质变。
近28.6%的 OpenAI 内部用户,一周内曾经同时管理5个以上的并发代理。
换句话说,这些人不再是"打字员",而变成了"项目经理"——他们的工作内容,是同时给多条并行的代理线分配任务、检查进度、审核结果、决定何时介入。
极端情况更夸张。数据显示,处于99分位的重度用户,每天经常产生超过60小时的 Codex 代理运行时——这是通过多代理并行实现的,相当于一个人在一天24小时里,调度了远超24小时的"劳动力"。
任务的复杂程度也在同步攀升。
论文统计,2026年5月抽样的个人用户中：80.6%的人,至少发起过一次预计需要人类工作超过30分钟的任务；70.2%超过1小时；25.6%超过8小时。
要知道,在2025年12月,能达到8小时以上复杂度的请求占比只有2.1%。
半年时间,这个比例翻了超过十倍。
技能(skills)的使用率也说明了同样的趋势——OpenAI 内部有96.2%的活跃用户在调用可复用的技能脚本,把重复性工作流固化成模板,这个比例从今年3月的5.4%一路涨到6月的26.6%(以整体活跃用户口径计)。
人类的角色，正在从亲自动手的执行者，慢慢挪到代理团队的监督席位上。
这话听起来像是趋势预测，但它其实是 OpenAI 总部此刻正在发生的日常。
独立信源都在追这条新闻
这组数据发布后，科技媒体和商业分析类媒体都在几天内跟进核实。
营销与AI分析平台 SmarterX 用了这样一个标题:
"Inside OpenAI, AI Agents Have Replaced the Chatbot"
「在OpenAI内部,AI代理已经取代了聊天机器人。」
文章开篇的摘要部分写道:
"Active Codex users grew more than 5x in the first half of 2026. The fastest growth came from outside software engineering. Inside OpenAI, a single agent now drives 99.8% of weekly output tokens."
「2026年上半年,Codex的活跃用户增长超过5倍。增长最快的部分来自软件工程领域之外。在OpenAI内部,一个代理工具如今驱动着99.8%的周输出token。」
▲ 独立媒体SmarterX对这份研究进行了独立报道，核心数字与OpenAI官方披露一致
Axios 等主流科技媒体也做了跟进报道,数字口径与官方博客完全吻合。
多方独立信源交叉验证,基本排除了这只是一次"自我营销式夸大"的可能。
这是一场"实验室里的预演",还是所有公司的未来?
看到这里,你可能会觉得——这不就是OpenAI自己夸自己的产品好用吗?
但真正值得留意的,是数据背后那个更冷静的判断。
论文作者反复强调一件事:OpenAI 内部的99.8%,是在一个近乎理想化的环境里跑出来的结果。
员工不受配额限制,本身就是最懂前沿模型的一群人,公司整体在推动培训、共享经验、系统化沉淀技能。
这些条件,普通企业目前基本不具备。
作为对照,论文同样统计了外部数据:普通组织用户的Codex token份额是63.3%,普通个人用户只有16.5%。
差距摆在那里——外部世界的转变正在加速,但远没有到达OpenAI内部这种近乎清零替代的程度。
论文里还提到一个有意思的历史类比:电力刚刚取代蒸汽机的年代,工厂最初只是简单替换了动力来源,产能并没有立刻飙升。
真正的生产力释放,是几十年后工厂重新设计了整个生产线布局,才姗姗来迟。
代理式AI很可能正在重复这个过程——光有强大的模型还不够,组织本身的流程、权限体系、审查机制,都需要跟着重新设计。
而这恰恰是大多数公司,目前最缺的那一块拼图。
写在最后
OpenAI 内部工作方式的这次转向,从2025年8月的不到10%,到2026年6月的99.8%,只用了十个月。
法务学会了写脚本,HR开始跑自动化流程,研究员的产出翻了50多倍,而ChatGPT——那个曾经定义了整个行业的产品——在自己的诞生地,只剩下0.2%的存在感。
这背后发生的，远不止一次产品替代那么简单。
工作方式本身，正在整体迁移：亲自动手的活越来越少，发号施令、验收结果的活越来越多。
至于这套模式能不能被复制到每一家普通公司?
论文给出的答案很谨慎——取决于组织愿不愿意,以及能不能,跟上这场变革的脚步。
模型已经准备好了。
问题是,你的公司准备好了吗?
