NVIDIA工程师和研究人员如何使用Codex：从生产系统到研究实验全流程提速10倍

事件概述

OpenAI披露NVIDIA团队如何将Codex（基于GPT-5.5，运行在NVIDIA GB200/GB300基础设施上）整合进工程与研究流程。Codex能够处理更长、更自主的会话，不仅执行任务，还能发现原始提示未提及的问题和创意。目前已有约4万名NVIDIA员工可使用Codex。

核心信息

生产系统构建

NVIDIA的编码代理团队将Codex作为复杂工程任务的首选工具。高级软件工程师Dennis Hannusch表示，Codex with GPT-5.5自主性显著提高，在长会话中仍保持高精度和上下文连贯性，并能明智地选择工具与技能。他利用Codex将一个内部平台从MVP快速演变为生产就绪系统，显著提升可扩展性和可靠性。此外，团队仅用数小时便通过Codex构建了一个内部播客录制应用（类似Riverside），包括通过桌面应用的计算机交互功能自动测试音视频录制功能，全程无需人工干预。

研究流程自动化

AI研究员Shaunak Joshi指出，Codex将端到端机器学习研究流程加速了10倍。具体而言，Codex自动完成从识别研究领域、编写机器学习实验脚本到在远程机器上运行实验的整个循环。Joshi将GPT-5.5描述为“创意伙伴”，它能帮助追踪整个链条中的证据片段，并提出知识图谱建议，以可视化概念之间的关系。Codex桌面应用支持SSH，研究人员可直接从笔记本登录并运行大规模机器学习工作负载，无需额外设置。

代码现代化

Codex在旧代码库转换方面表现出色。Joshi举例说，许多团队将Python代码库交给GPT-5.5，重写为Rust，效率提升约20倍。

值得关注

NVIDIA已向4万名员工开放Codex，覆盖工程与研究团队。未来，团队计划继续探索Codex的能力边界，从概念到执行和测试在单一工作流中完成，进一步加速AI驱动的开发。