Codex竞争拆解：委托单位、计价逻辑与安全路径

Codex 2026年的真正变革不是模型升级，而是将工作单位从「补代码」升级为「派任务」，并铺开五类入口。但增长背后藏着合并指标、切断渠道的隐忧，在中国市场更被WorkBuddy和Coze以不同方式卡位。本文深度拆解三家的委托单位、计价逻辑与安全路径，看清Agent竞争的真实格局。

分析对象：Codex（OpenAI）

对比竞品：WorkBuddy（腾讯）、Coze（字节跳动）

核心结论

Codex在2026年真正换掉的不是模型，而是工作单位。从「补一段代码」变成「派一个任务」，再把任务铺到CLI、IDE、云端、桌面与手机五类入口，让同一个任务可以在任何设备上发起、在任何设备上验收。这个动作比任何一次模型升级都更能解释它的增长。[1][2][3]

增长有一半是「继承」来的，而这条管道的账已经算不清了。2026年7月并入ChatGPT桌面端后，官方口径改为Codex与ChatGPT Work合计，9月底是3500万周活；Codex单品最后一次干净口径停在6月2日的500万。11月12日又对Cursor终止供模型——借来的分发、合并的指标、切断的渠道，三件事叠在一起，增速的真实性要等到2027年才看得清。[4][5][6]

它赢下了「把活干完」，却没赢下「谁来交活」。在中国市场，这个位置被两家用两种方式占住了：WorkBuddy把Agent放进企业微信与腾讯文档（2026年9月办公类Agent合计月活3235.3万，居首），Coze把Codex CLI一键收进项目空间（官网实时显示1亿个Agent在工作）。Codex在编码执行面上仍是标杆，但它正在变成别人平台里的一个零件。[7][8][9][10]

计价方式已经变成产品本身，而且刚刚又改了一次。11月1日OpenAI宣布，12月起Plus、Pro、Business三档的ChatGPT与Codex额度合并为一个池子、统一按token计量，Instant聊天不计入；而在此之前，Plus上GPT-6.1 Sol是每5小时15至160条消息、超额买积分。改完之后，用户既算不清一条消息多少钱，也分不清是聊天还是写代码花掉了它；OpenAI自己给出的开发者月成本是100至200美元，约为标价的5到10倍。[11][12][13][14][15]

安全是它最贵的一课，也正在变成一条产品线。四个同源CVE全部指向「仓库即攻击面」，Pwn2Own上被一个参数注入拿走4万美元，macOS端还出现过图片外带。OpenAI的回应不是补丁清单，而是Codex Security Cloud——把防守做成订阅。[16][17][2]

一、行业分析

1.1 五类角色：从「帮我写」到「替我搭」

2026年谈Agent，最先失效的词还是「用户」。同一条赛道上至少有五类角色，他们要的东西彼此不兼容：开发者要改动能直接合并，业务岗要能交差的成品文件，搭建者要一个能反复运行的流程，IT与安全要能过审的证据，个人与小团队要账单可预期。产品形态的分裂，根源在角色的分裂；而角色的分裂，决定了谁只能卖工具、谁能卖平台。[8][18]

表1五类角色的需求分层与供给现状（2026年10月）[19][20][7][21][9][10]

角色分裂直接造成形态分裂。2026年的主流产品已经分成三种形态：桌面工作台（WorkBuddy：把任务做完，交出文件）、编排平台（Coze：把Agent搭出来，再发布到渠道）、执行运行时（Codex：把Agent循环嵌进别人的流程）。前两种卖「结果的所有权」，第三种卖「执行的能力」。只做一种形态的产品，会在另一类角色那里被判为「不够完整」——这也是Codex从CLI一路长到桌面端、又反过来开源Harness的原因：它在同时补两种形态。[8][9][10]

1.2 市场规模：两套口径差3.3倍，还有一堆不可比的月活

这条赛道的规模数字同样不能混用。IDC给的中国企业级AI智能体市场是2025年212亿元、2026年449亿元、2029年3320亿元；赛迪顾问给的智能体整体市场2026年只有135.3亿元。两个数字差3.3倍，差别不在精确度，而在算不算项目交付与实施服务。[22][18]

表2智能体市场的五套口径与2026年可观测值（各机构测算方法不同，不可相加）[22][18][23]

口径之外还有一层误读：把不同产品的「月活」放在一起排。QuestMobile的2026年9月办公类Agent数据里，WorkBuddy以3235.3万月活居首、季度环比增长647.1%；同赛道第三方统计里，2026年8月并入豆包体系后的TraeWork约266万、扣子PC端约188万。差了十几倍，但这十几倍不是产品力的差距——WorkBuddy数的是「被交办任务的办公者」，扣子数的是「来搭Agent的访问者」，而后者真正的产出物（1亿个正在运行的Agent）根本不在月活这个指标里。[7][10][24]

449亿元与18%的渗透率并不矛盾：钱主要花在项目交付与私有化部署上，而不是席位订阅。IDC自己的数据显示，2025年智能体开发平台的私有化市场是17.5亿元，公有云只有2.5亿元，差七倍——企业买的是「可控」，不是「能用」。按公开报价倒推，个人订阅与企业席位费在这个盘子里只占一小块，剩下的是人天。[18][23][19][21]

1.3 竞争格局：三条路线，三种委托单位

2026年的竞争不是「谁更聪明」，而是「谁被允许替你做多大的事」。三家代表三种委托单位：Codex被委托一次代码改动，WorkBuddy被委托一份交付物，Coze被委托一个可反复运行的流程。委托单位越大，验收责任越往产品侧移；越小，产品越像一件工具。也正因为委托单位不同，三家的功能优先级几乎没有重叠。[8][18][7]

表3三条路线、三种委托单位与2026年可观测数据[7][21][10][24][19]

份额叙事同样打架。同一周里能看到三种排名：WorkBuddy按办公Agent月活第一（3235.3万）、豆包体系内的TraeWork按桌面AI办公总榜第三（约266万）、扣子按PC端第四（约188万）。三个榜数的是三种东西：被交办任务的人、打开桌面客户端的人、来搭Agent的人；而且前一组来自2026年9月，后两组来自8月，不能直接相减。看到任何单一百分比，先问它数的是哪一种。[7][24]

最容易被低估的是WorkBuddy的分发。它不是「更好的Agent」，而是把Agent塞进了已有的入口：10月14日企业微信联合版本让它进了通讯录，员工像给同事发消息一样交办任务；10月29日Buddy One打通腾讯文档、会议、ima与网盘，统一账号与积分池；再往前，它还接上了微信小程序的发布链路。企业市场里，「已经在用的IM里能直接@到、不用重新走采购」本身就是竞争力。Codex要抢的不是开发者的好奇心，而是这套已经跑通的采购惯性——而它在中国市场没有这套惯性。[7][25][26][19][27]

反过来，最容易被高估的是扣子的「1亿Agent」。这1亿里绝大多数是没人长期使用的作品——低代码平台天然产出大量一次性bot。真正该看的是6月1日3.0做的那个反向动作：把Claude Code、Codex CLI、OpenClaw、Hermes一键接进项目空间，让本地Agent和云端Agent在同一个上下文里协作。平台的价值不在自己造Agent，而在让别人的Agent听它调度。官方订阅页甚至直接把「Codex等精选Harness框架」写进了套餐卖点。[9][28][10][29]

1.4 环境：四条新规则改变了采购逻辑

计量规则：三家都从「按席位」滑向「按积分/按token」。WorkBuddy每档每月500至20000积分，扣子3万至99.9万积分，Codex 12月起与ChatGPT共享token池。计量单位成了产品参数，也成了用户最难预估的部分。[19][21][11]

安全规则：三条不同的信任路径。Codex走「漏洞—补丁—安全产品线」，WorkBuddy走「等保三级/四级+ ISO 27001 + VPC专享与安全通信网关」，扣子走「开源可自托管+企业版VPC」。买家用哪条路径，取决于他更信「修得快」还是「数据不出门」。[16][20][21][30]

采购规则：渠道决定单量。Codex靠云市场（Bedrock、Model Garden）与企业服务网络，WorkBuddy靠腾讯生态与系统集成商，扣子靠头部券商、系统重要性银行这类标杆客户与开源自建。[31][7][24]

验收规则：产出越多，判断越贵。GitHub上每三个PR已有一个涉及Agent；OpenAI内部工程师每周合并的PR增加70%。写代码变快了，判断变贵了——这条规则对文档、表格、PPT同样成立。[32][15]

判断：这条赛道已经从「工具竞争」进入「制度竞争」，而且制度是被生态预先写好的。谁的计量方式被财务接受、谁的安全证据被审计接受、谁的采购路径被云预算接受，谁就能进企业的常规流程。模型能力只决定第一周的试用，制度适配决定第三年的续费；而制度，只能由握着IM、账号与采购入口的那一方来定。[18][20][16]

二、产品拆解：Codex

2.1 定位：八个节点，三次换壳

Codex不是一次设计出来的产品，它被改了三次壳：先是终端里的工具，再是能派活的平台，最后变成别人产品里的运行时。每一次换壳都换掉了核心用户与核心指标，这也是判断它下一步最可靠的线索。[1][2]

表4 Codex的八个定位节点（2025年4月至2026年9月）[1][2][15][3]

三次换壳的方向是一致的：把「模型能力」往后放，把「任务的发起、执行、验收」往前推。2026年9月的DevDay把这个方向讲得最清楚——可复用的云开发环境、能接语音的CLI、能同时盯多个Agent的/agents视图，以及可在笔记本合上后继续跑的Security Cloud。这些都不是模型功能，而是执行面的功能。[2][33]

桌面端是这条线上最容易被误读的一步。它不是「CLI的图形壳」，而是把工作单位从命令改成看板：左边项目、中间线程列表、右边评审面板。CLI解决的是「快」，桌面端解决的是「多」——多个任务同时跑、多个Agent各自在独立工作树里干活、人只在评审面板上做判断。没有这一步，后面的并行委托与云端环境都无处落脚。[3][2]

2.2 能力与资源：四项能力，三层资源

能力一：执行面，决定「能不能干成」

Codex的执行面是四端一云：CLI、IDE扩展、桌面App、ChatGPT的移动与网页端，加上云端沙箱。桌面端用git worktree让多个Agent在同一仓库并行而不互相踩踏，云端则提供可复用的开发环境——团队里的新任务直接继承「已批准的设置与权限」，不必每次从零配环境。这一层解决的是长任务最常见的失败原因：不是模型不会写，而是环境没配好、跑到一半被打断。[2][3]

能力二：委托控制，决定「敢不敢放手」

放手的前提是随时能把方向盘拿回来。Codex在这一层的设计相当密：权限模式可按快捷键切换，任务进行中可以插话改方向（mid-turn steering），可以开侧对话（/side）而不打断主线，中断时连正在跑的工具调用一并停掉。再往上还有一层自动审查——Guardian会对Agent的产出做一致性核查，OpenAI内部几乎每个PR都走这条路。[1][15]

能力三：上下文，决定「知不知道该怎么干」

上下文分三层：项目层用AGENTS.md（跨厂商开放约定，而非自家私有格式），任务层用Skills把流程固化成可复用包，会话层用compaction在超长任务里压缩历史以跨窗口延续。2026年10月的更新里，网页搜索默认开启但走缓存索引，只有在全权限沙箱或显式配置时才抓取实时页面——这是一个很产品化的取舍：默认省钱，需要时才联网。[1][32]

能力四：治理，决定「组织敢不敢批量买」

企业要的不是更强的Agent，而是可被管理的Agent。Codex的治理能力包括Team Config（把团队的配置文件集中下发到各仓库与机器）、RBAC与SCIM、合规API与审计日志、以及Codex Security Cloud的持续扫描。这一层没有演示价值，却直接决定采购能否过审。[1][2]

能力小结：四项能力里，只有「执行面」是真正稀缺的。委托控制、上下文标准、治理能力都能被复刻，甚至已经被复刻；但四端一云加可复用环境的工程量与运营成本，不是三两个月能追上的。这也是Codex与「一个更强的CLI」之间最实在的差距。[2][3]

资源一：模型与算力，可以换但不能缺

Codex的模型序列换得很勤：GPT-5-Codex之后有5.1-Codex-Max（首个原生支持跨上下文窗口压缩）、5.2-Codex、5.3-Codex，2026年9月切到GPT-6 Sol与Luna，10月又补上6.1 Sol、6.1 Terra。对用户意味着两件事：能力在涨，但「你用的Codex」每两个月就换一次内核，评测结论的保鲜期不超过一个季度。[1][34][35]

资源二：分发，从自有入口到别人的产品里

Codex的分发有四条腿：ChatGPT的十亿级用户底座、iOS与桌面端的远程派活、GitHub与GitLab的评审入口，以及云市场（AWS Bedrock、Google Cloud Model Garden）与企业服务网络（Codex Labs与七家系统集成商）。最深的一条是把它做成别人的运行时——2026年开源的Codex Harness让开发者把Agent循环嵌进自己的应用，界面、数据与审批权留在产品侧。[2][36][31][37]

资源三：信任资产，最难量化也最难复制

OpenAI拿自己当样板：内部几乎所有工程师在用，周合并PR增加70%，几乎每个PR自动审查。外部则有Cisco（跨互联仓库理解与App Builder）、Ramp（评审）、Notion、Rakuten（故障响应）、Virgin Atlantic（测试覆盖）这些可点名的案例。这些案例的共同点不是「快了多少倍」，而是「进入了常规流程」——这比任何跑分都更难伪造。[15][36][38][39]

2.3 场景与体验：三个场景，三种验收标准

场景一：长任务托管

场景与痛点：重构、迁移、补测试这类任务动辄几小时，人在旁边盯着是浪费，不盯又怕跑偏。[3]

方案与功能：桌面端开多个线程并行，每个线程一个worktree；云端提供可复用环境，合上笔记本任务继续跑；进行中可以插话改方向。[2][3]

差异化：WorkBuddy把并行做成「自动任务+项目空间」，用户在同一个工作台上排队推进多份交付物；扣子把并行做成项目空间里的多Agent分工，一个项目里可以有调研、运营、传播几个Agent各自认领。Codex做的是第三种：隔离的git工作树加统一验收面板，优化目标不是「协同」而是「不互相污染」。[3][19][9]

不足：任务越长，中途的决策点越多，用户要么频繁回来回答问题，要么接受它按自己的判断走——两种都不轻松。[40]

场景二：代码评审

场景与痛点：首轮评审平均要等几小时，等到时作者已经离开上下文，反馈常常变成返工。[38]

方案与功能：支持GitHub PR与GitLab MR，可浏览摘要、深入diff、就疑点追问；自动审查可在人不在时先跑一遍。[2]

客户价值：Ramp的工程团队把Codex放进评审环，首轮反馈从数小时缩到数分钟，并称其已成为许多评审流程的必备环节。这是供应商口径，尚无第三方审计。[38]

不足：评审带宽只是从人转移到人机之间。当三分之一的PR都有Agent参与，真正的瓶颈变成「谁来审Agent的审查意见」。[32]

场景三：非工程角色的交付

场景与痛点：分析师、设计、财务要的是可交付的产物（看板、页面、模型），不是一段代码。[15]

方案与功能：6个角色插件打包62个应用与110个技能；Codex Sites生成可分享的交互页面，Annotations支持就地修改。[15]

客户价值：OpenAI称知识工作者已占用户约两成，增速是开发者的三倍以上，72%的人每周产出物。同样是供应商口径。[15]

不足：与ChatGPT Work的边界越来越模糊——两边共享额度、共享harness，用户很难说清自己买的是哪一个。[15][4]

2.4 四个关键取舍

Codex今天的形态是一连串取舍的结果。对AI产品而言，取舍比功能更能解释成败，因为每一次取舍都锁定了后续的成本结构与增长路径。[1][2]

取舍一：做入口，还是做引擎

2026年7月把独立Codex App并入ChatGPT桌面端，是一次明确的「做入口」的选择：借ChatGPT的装机量，把Codex从开发者工具变成所有人的侧栏。代价是身份被稀释——从此Codex的用户数无法单独计量，产品指标被并进一个更大的池子。反过来，Harness开源又是「做引擎」的动作：让别的产品把Codex装进去。两条路同时走，短期两边都占，长期要在指标上付代价。[4][37]

取舍二：深耕编码，还是横向扩张

它选择了横向扩张。收益是天花板从「开发者席位」抬到「知识工作预算」，代价是每条新场景上都有一个已经在场的对手：办公交付物这条线站着WorkBuddy（3235.3万月活、绑死企微与腾讯文档），可发布流程这条线站着扣子（1亿Agent、开源可自托管）。Codex在这两条线上既没有生态，也没有渠道，还缺本地化的合规资质。更现实的风险是：当一个产品同时服务工程师与分析师，它的默认值、评审标准、错误容忍度只能取交集，而交集的体验通常不如专用产品。[32][15][7][10]

取舍三：订阅，还是计量

它选择了「订阅+计量」的混合制：进门靠订阅，用量靠token。这在商业上最合理，在体验上最难受——用户永远不知道自己这一小时花了多少。Plus档每5小时15至160条消息的区间，本质是把估算责任交给用户；而OpenAI自己承认的开发者月成本是100至200美元，是20美元标价的5到10倍。[13][14][15]

取舍四：开放标准，还是闭环锁定

在标准层它选了开放：AGENTS.md是跨厂商的约定，MCP是公共协议，Harness也开了源。在价值层它保持闭环：模型、云端环境、额度池都留在自己手里。这个组合很聪明——开放降低接入阻力，闭环保住计价权。但它也意味着，一旦别家的模型在同一套标准上追平，Codex剩下的差异化只有执行面与治理，而这两样恰好是最容易被云厂商复制的东西。[1][37][31]

表5四个取舍的收益、代价与建议[1][2][4][32]

2.5 竞品对比：三个平台，九个维度

把三家放进同一张表，差异比单看任何一家都清楚：Codex赢在执行面与治理，WorkBuddy赢在交付物与生态分发，扣子赢在编排自由与发布渠道。三家的短板恰好是彼此的强项——Codex缺场景与渠道，WorkBuddy缺编排与开放，扣子缺执行深度。[32][7][18]