核心要点速览
- OpenAI Codex 与 Work 是两款定位不同的 AI 工具：Codex 专注代码生成与修复，Work 负责研究、摘要和文档处理，二者都通过 OpenAI 账号使用。
- Tibo 公布的改进核心是三点：子智能体之间复用上下文、上下文缓存保留更久、请求路由优化以提升缓存命中率，从而让实际可用额度变多。
- 额度提升不等于无限使用，用户仍会在密集调用后遇到限流，具体上限与订阅档位相关，需以官方页面说明为准。
- 同一轮更新还提到 GPT-6 Pro 的改进，重度用户可关注官方公告确认自己所在套餐是否已生效。
项目速览
| 类型/定位 | AI 编程与办公任务工具组合 |
|---|---|
| 适用设备 | 以网页端为主，具体客户端支持请查官网 |
| 费用说明 | 随 OpenAI 订阅档位提供，额度因套餐而异 |
| 语言支持 | 多语言交互，具体语种以官方说明为准 |
| 核心亮点 | 子智能体复用上下文、缓存更久、路由优化 |
| 使用门槛 | 需注册 OpenAI 账号，无需自行部署 |
| 分类 | 开发与工具 |
| 作者 / 发布方 | Tibo |
| 官方网站 | openai.com ↗ |
| 热度 | 🔥 热度 154万 |
| 最后更新 |
Codex 与 Work 各自解决什么问题
OpenAI Codex 与 Work 是 OpenAI 面向两类高频任务推出的 AI 工具。Codex 的定位偏开发者，主要用来生成代码、补全函数、排查报错和审查已有实现；Work 的定位偏日常办公，负责资料研究、内容摘要和文档撰写。两者共用同一套账号体系，用户登录 OpenAI 后即可在对应入口调用，不需要自己搭建服务器或配置运行环境。
很多人把它们混为一谈，其实分工相当清晰。当你需要一段能跑起来的实现、或者想弄清某段代码为什么报错时，用 Codex 更合适；当你需要把一堆材料压缩成结论、整理成文档或做背景调研时，Work 的效率更高。把任务交给对的那一个，往往比反复追问同一个工具更快得到可用结果。
近期这两个工具被频繁讨论，原因不是新功能发布，而是额度体验的变化。OpenAI 的 Tibo 公布了针对 Codex 与 Work 的优化，目标是让用户在相同订阅下完成更多任务。对于每天都在用它们写代码或整理文档的人来说，这直接决定了工作流能不能连续跑下去，因此关注度很高。
- Codex 的典型任务
生成函数、补全逻辑、解释报错、审查代码风格。适合把明确的技术需求直接描述出来，让它给出可读、可改的实现。
- Work 的典型任务
整理研究资料、输出摘要、起草与润色文档。适合信息量大但结构要求明确的办公场景。
- 共同点
都依赖 OpenAI 账号，都在对话式界面中完成任务，都会受到使用额度的约束。
额度提升背后的三项技术改动
根据 Tibo 的说明，这次改进通过三种方式提高实际可用额度。第一是让子智能体之间复用上下文：当任务被拆给多个并行执行的子智能体时，它们不再各自从零开始理解背景，而是共享已经建立好的上下文，从而减少重复消耗。第二是让上下文缓存保留更久，减少因为缓存过期而重新计算的部分。
第三是改进请求路由，让更多请求命中已有缓存。缓存命中率提升意味着同样的计算资源可以服务更多请求，用户侧感受到的就是限流来得更晚、连续工作时更少被打断。这三项改动叠加起来，构成了所谓有效使用量提升的主要来源。
需要说明的是，官方公布的是机制层面的优化，并没有给出具体的额度数字或提升比例。不同订阅档位、不同任务复杂度下的实际体验会有差异。如果你关心自己套餐的具体上限，最稳妥的做法是登录后在官方页面查看当前的用量说明，而不是依赖第三方转述的数字。
- 子智能体复用上下文
并行子任务共享同一份背景理解，减少每个子智能体重复读取和重建上下文的开销。
- 缓存保留更久
上下文在缓存中停留时间延长，短时间内连续追问不必反复重新处理相同内容。
- 路由提升命中率
请求被更合理地分配到已有缓存上，整体资源利用率提高，用户侧表现为更少限流。
- GPT-6 Pro 同步改进
同一轮更新还提到 GPT-6 Pro 的改进，重度用户可留意官方公告确认生效范围。
从登录到跑通一条工作流的完整流程
上手路径并不复杂：用 OpenAI 账号登录后，根据任务类型选择 Codex 或 Work 的入口，然后用自然语言描述你要的结果。关键在于描述方式——把目标、输入材料、期望输出格式说清楚，比一句模糊的请求更容易得到可直接使用的结果。
对于代码任务，建议先给一段最小可运行的上下文，再提出具体改动要求，比如要修哪个函数、保留哪些接口不变。对于文档任务，建议先让 Work 输出提纲，确认结构后再让它填充内容，这样返工更少。把大任务拆成几个小步骤，也能更好地利用上下文复用带来的额度优势。
连续工作时，尽量把相关追问放在同一个会话里，让缓存发挥作用；跨主题的任务则另开会话，避免无关内容互相干扰。如果遇到限流提示，可以稍后再试或调整任务粒度。需要提醒的是，目前没有针对这两个工具的独立专题页面，具体功能入口和额度规则请以官方站点 openai.com 上的说明为准。
- 先定任务再选工具
代码相关交给 Codex，研究与文档交给 Work，避免用错工具导致反复追问。
- 把需求写成规格
说明输入、输出格式和约束条件，比笼统描述更容易一次得到可用结果。
- 相关追问放在同一会话
同一主题连续提问能更好利用上下文缓存，减少重复计算带来的额度消耗。
适合谁用，以及和同类工具的差别
Codex 更适合已经在写代码、需要快速产出实现或排查问题的开发者；Work 更适合需要处理大量资料、频繁产出文档的办公与研究人员。如果你只是偶尔问几个零散问题，额度优化的感知不会太明显；但如果你每天都要连续调用，缓存与路由改进带来的差别会直接体现在工作节奏上。
和同类工具相比，这套组合的优势在于两类任务共用同一账号与使用习惯，切换成本低；局限也很明确——它仍然受额度约束，重度使用会遇到限流，而且具体上限、支持的功能入口会随官方策略调整。第三方工具可能在特定场景更专精，但往往需要单独配置和付费。
选择时建议先明确自己的主要任务类型：以写代码为主就重点评估 Codex 的实际产出质量，以文档和研究为主就重点评估 Work 的整理能力。不要只看额度数字，因为额度只有在任务真正被完成时才有意义。具体套餐差异与最新规则，请以官方站点公布的信息为准。
- 开发者优先看 Codex
关注生成代码的可运行性与可维护性，以及排查报错时的解释是否准确。
- 办公用户优先看 Work
关注摘要是否抓住重点、文档结构是否清晰、长材料处理是否稳定。
- 局限要提前知道
额度仍有限，重度使用会限流；功能入口与上限随官方策略调整，需以官网为准。
分步上手指南
注册并登录 OpenAI 账号
先准备好 OpenAI 账号并完成登录，这是使用 Codex 与 Work 的前提。登录后确认自己当前的订阅档位，因为可用额度与档位直接相关。具体入口位置以官方站点 openai.com 上的页面为准。
判断任务该交给谁
需要写代码、改代码、解释报错时选 Codex；需要做研究、写摘要、整理文档时选 Work。选对工具能显著减少来回追问，也间接节省额度消耗。
把需求写成清晰的规格
用自然语言说明目标、输入材料、输出格式和限制条件，例如要改哪个函数、保留哪些接口。描述越具体，第一次就得到可用结果的概率越高，返工越少。
拆步骤并复用同一会话
把大任务拆成几个小步骤依次推进，相关追问尽量留在同一个会话里，让上下文缓存发挥作用。跨主题的任务另开会话，避免无关内容互相干扰。
遇到限流时调整节奏
如果出现额度用尽或限流提示，可以稍后再试，或把任务拆得更小、更聚焦。想确认自己套餐的具体上限和最新规则，请查看官方站点上的用量说明。
常见问题
OpenAI Codex 与 Work 是免费的吗？
这两个工具随 OpenAI 的订阅体系提供，可用额度与订阅档位相关，并非独立定价的产品。官方这次公布的是额度使用效率的优化，而不是价格调整。具体费用与各档位包含的额度，请以官方站点 openai.com 上的说明为准。
额度提升后是不是就不会限流了？
不是。改进的目标是提高有效使用量，让同样资源服务更多请求，但额度本身仍然存在上限，密集调用后依然可能遇到限流。官方公布的是机制层面的优化，没有给出具体数字或提升比例。实际体验会因订阅档位和任务复杂度而不同。
子智能体复用上下文是什么意思？
当一个大任务被拆给多个并行执行的子智能体时，它们可以共享已经建立好的背景理解，而不是各自从零重新读取和处理相同内容。这样能减少重复计算，把节省下来的资源用于完成更多任务。这也是本次额度提升的三项改动之一。
缓存保留更久和路由优化对我有什么影响？
缓存保留更久意味着短时间内连续追问时，系统不必反复重新处理相同上下文；路由优化则让更多请求命中已有缓存。两者叠加的效果是资源利用率提高，用户侧感受到的就是连续工作时更少被打断。具体效果仍受任务类型影响。
在哪里能找到这两个工具的官方入口？
目前没有针对这两个工具的独立专题页面，官方入口和功能说明都在 OpenAI 的官方站点 openai.com 上。建议登录后直接在站内查找 Codex 与 Work 的相关页面，确认当前套餐支持的功能与额度规则。
