Codex、150回のアップデートを経て週間ユーザー700万人を突破、しかし数字の裏にはより大きな競争がある

OpenAI Developersの投稿によると、Codexは2か月間で150回を超えるアップデートを受けた後、週間アクティブユーザー700万人を突破したと報告されています。この数字は、AIコーディングエージェントとしてこれまでで最も急速な普及事例の一つを示しています。ただし、これはOpenAIが直接公表したものであり、独立した監査は行われていません。

より大きな物語は、単にAIシステムにコードを書かせる開発者が増えているということではありません。OpenAIはCodexを、委任作業のためのオペレーティングレイヤーへと変えつつあります。拡張を続けるそのツールキットは、計画、コンピューター操作、視覚的フィードバック、リモートマシン、モバイルアクセス、プルリクエスト管理にまで及びます。

この戦略により、Codexは、ターミナルを使う開発者の間で早期に勢いを確立したAnthropicのClaude Codeと真っ向から競合することになります。Reutersは、2月にCodexのデスクトップアプリが登場した時点で、OpenAIはAnthropicに後れを取っていたと報じました。それから5か月後、OpenAIは規模、流通力、リリース速度を、差が縮まった証拠として示しています。

Codexの週間ユーザー700万人と150回のアップデートには文脈が必要

報告された数字は急速な成長曲線の継続を示す点で重要ですが、OpenAIは、それらを監査済みの普及データとして扱えるほど十分な算定方法を公開していません。

OpenAI Developersが7月15日に公開した投稿によると、Codexの週間アクティブユーザーは700万人を超えています。また、その前の2か月間に150回を超えるアップデートが行われたとも述べています。OpenAIのデベロッパーアドボケートであるRomain Huetは、これらの変更をCodexの最近の拡張を凝縮して示すものとして紹介しました。

アップデート数には、幅広い製品領域が含まれています。具体的には、GPT-5.6のモデルオプション、Goalモード、より高速なコンピューター操作、Appshots、インライン編集、Sites、モバイルアクセス、SSHワークフロー、プルリクエスト処理などです。投稿では、これらを、ますます密接につながる一つのシステムを構成する要素として位置づけています。

OpenAIはすでに6月、週間アクティブユーザーが500万人を超えたと報告していました。同社の職場での展開拡大に関する発表によると、この数字は2月のデスクトップアプリ公開以降、6倍を超える成長を表していました。

両方の数字で同じ定義が使われているなら、Codexはこれらの発表の間に週間ユーザーを少なくとも200万人増やしたことになります。これは、以前報告された基準から少なくとも40パーセントの成長に相当します。OpenAIは、日次アクティビティ、継続率、タスク完了率、あるいはCodexを一度だけ試したユーザーの割合を明らかにしていません。

こうした欠落情報は重要です。「週間アクティブ」は、短時間のセッションを一度行っただけの利用から、毎営業日を通じて複数のエージェントを稼働させる利用まで、さまざまな関与度を表し得ます。また、成長が個人開発者、企業導入、一時的なアクセスキャンペーン、あるいはChatGPTを通じたより広範な提供のどれによるものかも示していません。

150回というアップデート数にも同様の制約があります。OpenAIは、どの変更をこの合計に含めたのかを示す分類済みの一覧を公開していません。大規模なワークフローの公開と小規模なインターフェース調整が、それぞれ1回のアップデートとして数えられている可能性があります。

それでも、公開されているリリース履歴は全体的な方向性を裏づけています。OpenAIのリリースノートには、GoalモードとAppshotsに加え、コンピューター操作やブラウザー操作に関する変更が記録されています。したがって、Codexのリリースノートは、合計数を独立して検証するものではないにせよ、名前が挙げられた複数の機能を裏づけています。

OpenAIの成長に関する主張は、これまでの時系列とも整合しています。同社によると、2月のデスクトップ版公開前後の1か月間に、100万人を超える開発者がCodexを利用しました。その後の外部報道では、3月上旬の週間利用者数は160万人を超えていたとされています。

6月までに、OpenAIはナレッジワーカーがユーザーの約20パーセントを占めると述べました。この層は、開発者層の3倍を超える速さで成長していました。Axiosも、コーディングエージェントがデータ収集、統計分析、調査、文書作成に利用されていると報じました。

この進展は、検証上の空白があるにもかかわらず、700万人という数字が注目に値する理由を説明しています。Codexはもはや、専門的なコーディング製品としてのみ測定されているわけではありません。OpenAIは、最初かつ最大の市場がたまたまソフトウェア開発である汎用ワークエージェントとしてCodexを測定しています。

したがって、この数字は確定した市場測定値ではなく、企業が報告した普及の節目として読むべきです。方向性には信頼性があるように見えますが、正確な規模は、OpenAIが公開していない定義に依存したままです。

製品はコード生成から作業遂行へと拡張している

OpenAIによる150回のアップデート攻勢は、かつてコーディングアシスタントが個別に扱っていた4つの段階、すなわち計画、実行、確認、出荷を結びつけています。

初期のコーディングアシスタントは、主にテキストエディター内に存在していました。コードを予測し、関数を説明し、独立したスニペットを生成していました。より新しいエージェントは目標を受け取り、リポジトリを調査し、複数のファイルを編集し、コマンドを実行し、結果をテストして、自らの作業を修正します。

Goalモードは、その違いを明確にしています。ユーザーが成果とその成功基準を定義すると、Codexはその結果に向けて作業を続けます。この機能は、デスクトップアプリ、コマンドラインインターフェース、エディター拡張機能で利用できます。

これにより、対話の単位が変わります。ユーザーは、変更を一つずつ個別に依頼する必要がなくなります。エージェントは意図した結果を中心に複数のアクションを整理し、その間、人間は進捗を確認し、必要に応じて作業の方向を修正できます。

Appshotsは、このループをソースファイルの外へと拡張します。macOSでは、ユーザーはホットキーを使ってアプリケーションウィンドウをCodexのスレッドに添付できます。添付内容には、画像とウィンドウから取得可能なテキストが含まれます。

この視覚的コンテキストにより、Codexは実装とレンダリング結果を比較できます。開発者は、あらゆる視覚的詳細をプロンプトに言語化することなく、崩れたレイアウト、予期しないダイアログ、未完成のインターフェースを見せられます。その後、エージェントは観察した結果を基盤となるプロジェクトに結びつけられます。

インライン編集は、別の種類の摩擦を軽減します。エージェントの回答を別個の成果物として扱う代わりに、ユーザーは作業インターフェース内で提案された変更を確認し、調整できます。これにより、コード変更が行われる瞬間の近くに人間の判断を保てます。

コンピューター操作は、行動範囲をさらに広げます。ここでいうコンピューター操作とは、エージェントがソフトウェアインターフェース、ブラウザー、デスクトップコントロールを操作できることを意味します。ターミナル出力だけに頼るのではなく、タスク実行後に何が起きたかを確認できます。

OpenAIは、ローカル環境とリモート環境もつなげています。CodexはユーザーのSSH設定に定義されたマシンを検出し、それらのリモートシステム上でプロジェクトやスレッドを開けます。SSHは、開発者がリモートコンピューターを操作するために一般的に使用する暗号化プロトコルです。

この機能は、本番環境に近い環境をノートパソコン上に無理なく収められないチームにとって重要です。大規模なリポジトリ、専用ハードウェア、社内サービス、管理された開発マシンは、多くの場合、別の場所にあります。リモートアクセスにより、作業を一つのデバイスに押し込むのではなく、Codexのインターフェースが作業のある場所についていけます。

モバイルアクセスは、同じ原則を時間軸にも広げます。開発者はコンピューターでタスクを開始し、スマートフォン上のChatGPTを通じて進捗を確認し、リモートから追加の指示を出せます。OpenAIのリモートワークフローでは、Codexをセッションに縛られたエディター機能ではなく、継続的な協働者として説明しています。

プルリクエストのワークフローが、そのループを完結させます。通常PRと略されるプルリクエストは、マージ前のレビューに向けて提案されたコード変更をまとめるものです。Codexは、変更のレビュー、ファイルの調査、フィードバックへの対応、マージまでのプロセスを支援できます。

OpenAIによるデスクトップ機能の拡張では、複数ファイルの表示、ターミナル、アプリ内ブラウザー、リモート開発接続も導入されました。同社のワークフロー概要は、これらの機能をソフトウェアの構築、検証、提供を行うための一つのワークスペースとして位置づけています。

Sitesは、製品をさらに高い抽象化レベルへと押し上げます。ユーザーは、個別のフロントエンドファイルを依頼する代わりに、デプロイ可能なWeb成果物へとエージェントを導けます。視覚的確認とブラウザー操作は、そこで制作サイクルの一部になります。

基盤となる仕組みは、単独のモデル性能向上ではなく統合です。GPT-5.6が推論機能やコンピューター操作機能を提供する一方で、Codexアプリケーションはツール間でコンテキストを維持します。インターフェースはモデルの出力を、ユーザーが監督できる目に見えるアクションへと変換します。

この組み合わせが、リリース速度を説明しています。OpenAIは、チャット、ターミナル、エディター、ブラウザー、デスクトップ、モバイル、コードレビューなど、これまで分離されていた領域を結ぶ接続部分を構築しています。接続が増えるたびに、ユーザーのワークフローから手動の引き継ぎが一つ取り除かれます。

開発者は依然として結果を検証する必要があります。しかし、価値提案の中心は、より速い入力から、より少ない調整工程へと移りました。Codexは、ソフトウェアタスクが始まり、進み、完了する場所になることを目指して競争しています。

OpenAIが引きずり下ろすべき相手はClaude Code

Codexの成長は、OpenAIがそのエージェントモデルに追いつきながら、ChatGPTと専用アプリケーションを通じた流通力を加えているため、Claude Codeに圧力をかけています。

Anthropicは、AIコーディングエージェントにとってターミナルが自然なインターフェースであるという考えの定着に貢献しました。Claude Codeは、プロジェクトを調査し、コマンドを実行し、ファイルを編集し、複数段階の課題を継続して処理できました。その人気は、開発者がオートコンプリートを超えて、意味のある作業を委任する意思があることを示しました。

OpenAIは、より不利な立場からデスクトップ競争に参入しました。2月のReutersの報道では、AnthropicがClaude Codeによってコーディング市場を支配していたとされています。デスクトップ版の公開は、既存の競合他社から勢いと顧客を奪うための取り組みとして紹介されました。

Codexは現在、対応範囲の広さによってその優位に挑んでいます。ターミナル中心の開発者にはコマンドラインとエディターからのアクセスを提供する一方、デスクトップでの調整、モバイル操作、リモート環境、視覚的フィードバックも提供しています。これらのインターフェースは、ターミナルを中心に作業を組み立てない人々も引きつけられます。

流通力も、もう一つの優位点です。Codexは、より広範なOpenAIのアカウントおよび製品システム内に存在します。ChatGPTユーザーは、最初に単独の開発者向けベンダーを選んだり、不慣れなワークフローを採用したりすることなく、Codexに触れられます。

それで製品競争の決着がつくわけではありません。開発者は、モデルの挙動、ツールの信頼性、リポジトリの理解力、レイテンシー、利用制約に基づいてエージェントを選ぶことがよくあります。大規模なユーザー流入経路は試用を生み出せますが、長期的な選好を保証するものではありません。

独立した比較でも、単純な勝者は決まりません。2026年のある研究では、5つのコーディングエージェントが生成した7,156件のプルリクエストを調査しました。その結果、あらゆるタスクカテゴリーで首位となった単一のエージェントは存在しませんでした。

そのデータセットでは、Claude Codeがドキュメント作成と機能開発で最も高い採用率を記録しました。Cursorは修正タスクで首位でした。Codexは異なるタスク分布を示し、比較全体を通じて優位に立ったわけではありません。

このような研究には限界があります。公開プルリクエストでは、非公開リポジトリ、断念された試行、ローカルでの編集、目に見えるPRを伴わずに完了したタスクを把握できません。また、製品のバージョンは学術研究の公開サイクルよりも速く変化します。

それでも、これらの調査結果は、週間ユーザー数が技術的優位性を証明するという考えに疑問を投げかけます。普及には、アクセス性、マーケティング、バンドル提供、インターフェース設計、モデル品質が複合的に反映されます。特定のコードベースに対してどのエージェントが最良の結果を生むかを切り分けて示すものではありません。

より重要な競争上の変化は、製品のあり方に関するものだ。Claude CodeとCodexは、コーディング機能というよりも、運用環境にますます近づいている。どちらもプロジェクトのコンテキストを読み取り、ツールを呼び出し、コマンドを実行し、長時間にわたるタスクに取り組むことができる。

現在、両者の競争の中心はオーケストレーションにある。ユーザーは、作業を割り当て、進捗を把握し、前提が崩れたときに介入し、デプロイ前に変更をレビューする必要がある。勝者となるシステムは、エージェントを過度に遅らせることなく、この監督ループを理解しやすいものにしなければならない。

OpenAIの幅広いインターフェースは、その一つの答えを提示している。デスクトップワークスペースでは、複数のエージェント、ターミナル、diff、ブラウザ、リモートプロジェクトをまとめて表示できる。モバイル操作により、開発者がワークステーションを離れても、それらの作業スレッドにアクセスし続けられる。

Anthropicのターミナルファーストというアイデンティティは、別の答えを提示している。経験豊富な開発者の多くは、既存のスクリプト、リポジトリ、自動化に組み込めるため、組み合わせ可能なコマンドラインツールを好む。ターミナルに特化した体験は、拡張を続けるアプリケーションよりも予測しやすく感じられることがある。

CursorとGitHub Copilotもさらなる圧力を加えているが、この競争においては依然として補助的な競合にとどまる。Cursorはエディターのインターフェースを、GitHubはリポジトリ、プルリクエスト、組織の開発ワークフローを掌握している。どちらも、委任されたエージェント作業をめぐるCodex対Claude Codeという中心的な競争を消し去るものではない。

OpenAIが報告した週間ユーザー700万人という数字は、その規模に関する主張を裏付ける。150件のアップデートは、その開発速度に関する主張を裏付ける。それでもClaude Codeは、より幅広いインターフェースが単に入口を増やすだけでなく、継続的な作業の質を高めることを証明するようOpenAIに圧力をかけ続けている。

この違いが、企業の意思決定を左右することになる。チームが問うのは、どのエージェントが印象的な関数を書けるかだけではない。どのシステムが権限、レビュールール、リモートインフラ、セキュリティ管理、既存の開発者の習慣に適合するかを問う。

したがってOpenAIの戦略的目標は、モデルでのリーダーシップよりも大きい。Claude Codeが初期からの開発者の支持を組織標準へと変える前に、Codexはデフォルトの操作インターフェースにならなければならない。

Codexの数字が示していないこと

ユーザーの増加とリリース数は勢いを示すが、信頼性、セキュリティ、定着率、実運用で採用された成果を測るものではない。

リポジトリやコンピューターにアクセスできるエージェントは、オートコンプリートよりも大きな価値を生み出せる。その一方で、重大なミスを犯す機会も増える。違いを生むのは、システムが権限、曖昧さ、外部からの指示、予期しないツール出力をどれだけ安全に処理できるかである。

生成された提案は、誰かが承認するまで何も作用しない。エージェントはファイルを編集し、スクリプトを実行し、ウェブサイトを開き、サービスに接続し、リモート環境を変更できる。実行可能なアクションが増えるたびに、有用性とリスクの両方が拡大する。

プロンプトインジェクションは懸念の一つだ。エージェントが読み取るウェブページ、リポジトリファイル、issue、文書の中に、悪意ある指示が隠されている可能性がある。その指示は、データの漏洩や安全でないコマンドの実行へとエージェントを誘導しようとする場合がある。

コンピューター操作にも関連する問題がある。視覚的なインターフェースは、人間による解釈のために設計されたものであり、決定論的な自動化のためのものではない。ボタンは移動し、ラベルは変わり、ダイアログは重なり、ページには人を欺くコンテンツが表示される可能性がある。

人間によるレビューは役立つが、出力量が増えるほどレビューは困難になる。複数のエージェントを監督する開発者は、十分に精査できる量を超える変更案を受け取る可能性がある。生成速度の向上によって、ボトルネックが実装から検証へと移る場合がある。

OpenAI自身の研究は、有用な背景情報を提供している。6月の研究では、2026年上半期にCodexのアクティブユーザー数が5倍以上に増加したと報告された。また、一部の週には10パーセントを超えるユーザーが少なくとも3つのエージェントを同時に管理していたことも明らかになった。

同じ研究では、26.6パーセントのユーザーが、専門的なワークフロー向けの再利用可能な指示パッケージであるskillsを使用していたと報告されている。これらの数字は、エージェントのオーケストレーションがマーケティング上の概念ではなく、実際の行動になりつつあることを示唆している。

ただし、エージェント導入に関する研究にはOpenAIの研究者が参加しており、OpenAIの製品データに依拠している。珍しいほど大規模な研究ではあるが、同社の製品に関する主張を独立して検証したものではない。

この研究で説明された社外での導入状況にも、ばらつきが残っていた。OpenAI社内での活発な利用が、一般的な職場での導入を自動的に予測するわけではない。OpenAIの従業員には、通常とは異なるアクセス環境、技術的な習熟度、動機、実験的なシステムへの許容度がある。

週間アクティビティだけでは、企業が安定した成果を得ているかどうかは分からない。有用な測定指標としては、承認されたプルリクエスト、取り消された変更、レビュー時間、セキュリティインシデント、タスク完了率、継続利用するチーム数、本番環境での不具合などが挙げられる。

リリース数は、信頼性との間に緊張関係さえ生み出し得る。2か月間で150件を超える変更をリリースしたことは、組織としてのスピードを示している。その一方で、インターフェース、モデルの挙動、使用量の消費について、ユーザーが安定した予測を形成する時間は短くなる。

開発者は、変動する使用制限や予想以上に速いクォータ消費について、公に不満を訴えている。事例的な報告だけでは、プラットフォーム全体の障害を証明できない。しかし、エージェントが長時間かつ大量のトークンを必要とするタスクを実行する際に、予測可能性が重要であることは示している。

モデル選択は、さらに別の層を加える。挿入された発表ではGPT-5.6とUltraが並行して動作すると説明されており、Codexが異なる能力特性をルーティングまたは調整できることを示唆している。OpenAIは、すべてのルーティング規則やワークロード比較を公に詳述してはいない。

その透明性がなければ、ユーザーは結果の改善がモデル、ハーネスのアップデート、追加の計算処理、ツール動作の変更のいずれによるものかを常に判断できるわけではない。また、アカウントや環境をまたいでパフォーマンスを再現することも容易ではない。

Goal modeには固有のトレードオフがある。明確な成功基準はエージェントの集中を維持するのに役立つが、実際のソフトウェア目標は不完全であることが多い。システムは、明記されていない製品、アクセシビリティ、セキュリティ、保守性の要件を見落としながら、文字どおりの目標だけを満たす可能性がある。

Appshotsは共有コンテキストを改善するが、スクリーンショットは依然として部分的な観察にすぎない。そこに示されるのは、ある一つの状態、ビューポート、瞬間だけである。隠れたアプリケーションロジック、レスポンシブ動作、キャプチャされたウィンドウ外の条件まで自動的に明らかにするものではない。

SSHサポートにより、Codexは価値の高いインフラにより近づく。同時に、権限設計の重要性も増す。チームは、エージェントがアクセスできるマシン、実行できるコマンド、利用不可能なままにする認証情報を決めなければならない。

PRワークフローは、自然な制御ポイントを提供する。テスト、コードレビュー、ブランチ保護、承認ルールによって、マージ前に被害を抑えられる。エージェントが人間による段階的な関与を減らしながら、より大規模な変更を生成するようになるほど、これらの制御は重要になる。

したがって、Codexを導入するチームはアップデート数ではなく成果を評価すべきである。同等のタスクについて、採用率、レビューによる修正、ロールバック頻度、流出した不具合、所要時間を追跡できる。

また、組織には永続的な記憶も必要だ。エージェントの判断、レビューコメント、テストの証拠、アーキテクチャ上の制約は、複数のツールに分散していることが多い。検索可能なエンジニアリングナレッジベースは、自動化された変更を承認する前に、レビュアーがそのコンテキストを取り戻すのに役立つ。

中心的な不確実性は、Codexが有用な作業を実行できるかどうかではない。報告された週間ユーザー数が数百万人に達していることから、幅広い試行が行われているのは明らかだ。不確実なのは、OpenAIがその試行を、信頼でき再現可能な委任へと転換できるかどうかである。

Codexの成長ストーリーを検証する3つのシグナル

次の段階を左右するのは、継続利用、測定可能な実運用での成果、競合の対応であり、新たなアップデート件数の見出しではない。

最初のシグナルは、OpenAIが次に開示するユーザー情報である。週間ユーザー数の増加はリーチの継続的な拡大を裏付けるが、定着率とアクティビティの定義が示されれば、より意味のある数字になる。OpenAIが新規ユーザーと継続利用するチームを区別するかに注目すべきだ。

信頼できる開示であれば、開発者とナレッジワーカー、個人アカウントと組織導入を分けて示すだろう。また、何をもってアクティブ利用とするかも説明するはずだ。その詳細がなければ、新たな節目が裏付けるのは、継続的な利用よりも普及規模である。

OpenAIの6月の数字は基準点となる。同社によれば、Codexの週間ユーザーは500万人を超え、その約5分の1をナレッジワーカーが占めていた。7月の投稿では、全体の数字が700万人を超えたと報じられている。

その後、プロモーションや大型リリースの後もこれらのユーザーがアクティブであり続けていることをOpenAIが示せれば、プラットフォームとしての主張はより強くなる。成長が急激に鈍化したり、定義が変更されたりすれば、700万人という節目はリリース時のピークに近いものと見なされるだろう。

2つ目のシグナルは、完了した作業に関する証拠である。OpenAIは、Codexが採用される変更を生み出し、サイクルタイムを短縮し、レビュー負担を増やさないかどうかを示す必要がある。企業の事例研究には、選別されたデモンストレーションではなく、具体的な運用指標を含めるべきだ。

プルリクエストのデータは特に有用になる。現在、Codexは最初のタスクからレビュー、マージまで、ワークフロー全体をカバーしている。これにより、提案された変更がどの程度の頻度で人間のレビューを通過し、本番環境に到達するかを測定する機会が生まれる。

独立した評価でも、さまざまなタスク種別にわたって現行バージョンをテストすべきである。既存の7,156件のPRを対象とした研究では、すべての状況で優位に立つ存在は見つからなかった。新たな結果によって、GPT-5.6と更新されたCodexのハーネスがその均衡を変えたかどうかが明らかになる可能性がある。

不具合やレビュー時間を増やすことなくCodexの採用率が向上すれば、評価は強まる。出力量の増加が、却下される変更、ロールバック、監督作業を増やすだけなら、評価は弱まる。

3つ目のシグナルは、Anthropic、Cursor、GitHub、クラウドプラットフォームの対応である。Codexのインターフェース拡張により、競合各社はその幅広さに追随するか、より特化した立場を守るかの判断を迫られている。

Anthropicは、Claude Codeのターミナルワークフローを深化させながら、リモート操作やコーディング以外のタスクを拡張できる。Cursorはエディター上の優位性を活かし、計画、実装、レビューを使い慣れたワークスペース内にとどめられる。GitHubは、Copilotとリポジトリや組織ポリシーとの連携をさらに強化できる。

インフラを通じた提供も重要である。OpenAIは4月にAmazon Bedrockを通じてCodexを提供し、企業がそのモデルとエージェント機能にアクセスする方法を拡大した。Reutersはこの動きを、企業向けAIにおけるAnthropicとの広範な競争の一環として説明した。

開発者の支持を獲得する競合の大型リリースが登場すれば、OpenAIのアップデート速度が持続的な優位性を生むという見方は弱まる。競合の対応が遅い、あるいは断片的であれば、Codexがデフォルトのエージェントワークスペースになる機会は強まる。

セキュリティ上の出来事は、どちらの結果も加速させる可能性がある。自律的なコンピューターアクセスに関する重大なインシデントが発生すれば、購入者はより厳格な制御を求めるようになる。一方、明確な権限システムと監査可能なエージェントのアクションは、競争上の優位性になり得る。

したがって、週間ユーザー700万人という主張と150件のアップデートを実現したスプリントは、結論ではなく転換点を示している。OpenAIは、Codexを迅速に普及させ、従来型の開発者ツールを上回る速度でその境界を拡張できることを示した。

しかし、週間リーチが継続的なワークフローの掌握と同義であることは、まだ示されていない。そのためには、透明性のある定着率、信頼できる実行、管理可能なレビューコスト、価値あるシステムをエージェントに任せることへのチームの信頼を示す証拠が必要である。

今後、開発者は目新しさが薄れた後に何が残るかによってCodexを評価すべきだ。レビューを通過するタスクを完了できるか。チームは、重大な影響を及ぼすあらゆるアクションを理解できるか。リモートおよびモバイルでのオーケストレーションは、制御を弱めることなく遅延を減らせるか。

これらの問いは、次の機能数の発表よりも重要である。OpenAIが測定可能な結果によって答えを示せれば、Codexは人気のコーディングエージェントから、委任作業のための汎用プラットフォームへと進化できる。それができなければ、週間ユーザー700万人という数字は、持続的な主導権を証明することなく、印象的なリーチを示すだけにとどまる。