В мире генеративного ИИ началась новая фаза борьбы за рабочие места программистов. Накануне конференции Google I/O компания OpenAI представила обновлённую версию своего инструмента Codex (в некоторых интерфейсах — Codeex), стремясь перехватить инициативу у конкурентов. Ведущий технологического канала Wes Roth проанализировал последние анонсы, результаты сессии AMA (Ask Me Anything) с разработчиками OpenAI и реальные кейсы использования нейросети для управления гуманоидными роботами.
По мнению автора канала, Codex — это уже не просто «умный автодополнитель» кода, а полноценный агент, способный работать в облаке автономно и выполнять задачи целыми пакетами, превращая программирование в процесс стратегического управления .
⚔️ Стратегическая битва: OpenAI против Google и рынок AI-агентов 0:26
Выпуск Codex именно сейчас не случаен: через несколько дней стартует Google I/O, где поисковый гигант планирует представить собственного ИИ-агента для полного цикла разработки ПО (SDLC) . OpenAI, следуя своей привычке, старается «выпустить пар из парусов Google», предлагая своё решение раньше.
В индустрии наметился чёткий тренд на создание экосистем вокруг разработчика:
- Слияния и поглощения: OpenAI приобрела компанию Windsurf за $3 млрд, в то время как другой популярный инструмент, Cursor, уже оценивается в $9 млрд .
- Цель — «весь жизненный цикл»: Как Google с их Firebase Studio, так и OpenAI стремятся удержать разработчика внутри одной платформы.
- Сбор данных: По мнению Уэса Рота, компаниям важно видеть не только конечный код, но и процесс его написания, ошибки и исправления. Это позволяет собирать более качественные данные для обучения будущих моделей .
🤖 Codex как операционная система: пример с роботом Unitree G1 3:04
Одним из самых впечатляющих примеров использования Codex стал проект автора YouTube-канала Sentdex. Он приобрёл гуманоидного робота Unitree G1, программное обеспечение которого написано на C++ — языке, которым Sentdex владеет не в совершенстве .
Ключевые аспекты этого эксперимента:
- AI как переводчик: Sentdex использовал локальную установку Codex (на базе модели o3), чтобы взаимодействовать с кодовой базой робота.
- Абстракция сложности: Вместо изучения C++ с нуля, пользователь общался с Codex на английском языке, прося объяснить функции или найти ошибки в модулях ходьбы .
- Автономная отладка: В одном из примеров Codex проанализировал manual и код, нашёл пропущенную команду для непрерывной походки и внедрил исправление .
Уэс Рот утверждает, что ИИ становится «слоем» между человеком и компьютером. Это и есть реализация концепции «AI как операционная система», где пользователь управляет сложными системами через естественный язык .
🛠️ Возможности облачного Codex и параллельное выполнение задач 11:14
Новая версия Codex, доступная через браузер, значительно отличается от локальных CLI-инструментов. Главное новшество — возможность делегировать задачи облачному агенту, который может выполнять их параллельно .
Функциональные особенности новой платформы:
- Режимы «Ask» и «Code»: Взаимодействие разделено на два изолированных окружения. Режим «Ask» позволяет задавать вопросы о кодовой базе без риска внесения изменений, а «Code» — фиксирует правки во временной среде для последующего ревью .
- Интеграция с GitHub: Инструмент требует мультифакторной аутентификации и глубоко интегрируется с репозиториями пользователя .
- Автономность: В отличие от обычного чат-бота, Codex может самостоятельно устанавливать зависимости, прогонять юнит-тесты и предлагать готовые коммиты. Пользователю не нужно «сидеть над душой» у нейросети, ожидая окончания процесса .
🧠 Будущее разработки: Reinforcement Learning и самообучение моделей 15:11
В ходе обсуждения Codex на Reddit и на саммите Sequoia Capital прозвучали важные технические инсайты. Текущие тесты показывают превосходство специализированных моделей: Codex 1 показывает точность в 75% на внутренних задачах OpenAI, обходя даже модель o3 (70%) .
Перспективные направления развития ИИ, упомянутые в видео:
- Масштабирование Reinforcement Learning (RL): Дэн Робертс из OpenAI отмечает, что в будущем вычислительные ресурсы на этапе обучения с подкреплением (RL compute) могут превысить ресурсы на этапе пре-трейнинга .
- Self-play и синтетические данные: Исследователи обсуждают подход «Absolute Zero», где модели (пропозер и солвер) обучаются друг на друге без использования человеческих данных .
- Мультиагентные системы: Ноам Браун (известный по работе над ИИ для покера и дипломатии) теперь возглавляет в OpenAI команду по исследованию мультиагентных систем. По мнению разработчиков, это путь к более совершенным рассуждениям (reasoning) ИИ .
🏰 «Starcraft для работы» и домашние роботы: прогнозы на 2 года 20:31
Уэс Рот, ссылаясь на Сэма Альтмана и Уилла Депью, описывает будущее работы как стратегию в реальном времени. «Будущее труда — это как Starcraft или Age of Empires. У вас есть 200 микро-агентов, которыми вы управляете для решения проблем, сбора информации и проектирования систем», — цитирует он .
Прогнозы автора на ближайшие два года:
- Доступность робототехники: Благодаря ИИ-помощникам вроде Codex, даже дети смогут обучать домашних роботов выполнять уборку или стирку в симуляциях .
- Обучение через симуляцию: Использование наработок NVIDIA и открытых платформ Meta позволит создавать 3D-копии домов, где роботы будут тренироваться взаимодействовать с объектами .
- Разрыв шаблонов: Уэс Рот шутит, что первым по-настоящему «взорвавшим мозг» событием станет вид робота, который самостоятельно выгуливает собаку вокруг квартала .
