📢 转载信息
原文链接：https://openai.com/index/nvidia
原文作者：OpenAI
在 NVIDIA，工程师们正将 Codex 作为处理复杂工程任务的默认工具，并利用它执行端到端的机器学习实验。Codex 基于 GPT-5.5 构建，运行在 NVIDIA GB200 和 GB300 基础设施上，能够处理更长、更具自主性的任务会话——它不仅限于代码执行，还能主动发现原始提示词（prompt）中未包含的问题和见解。
“Codex 是我们处理复杂工程任务的首选工具，得益于 GPT-5.5 的加持，它能够发现程序中的错误和漏洞，这是其他模型无法做到的。”
— Dennis Hannusch，高级软件工程师
构建与交付生产系统
NVIDIA 的编程智能体（Coding Agents）团队致力于帮助公司各部门的工程师高效采用并利用 AI 工具。Codex 与 GPT-5.5 的结合已成为他们完成复杂工程任务的核心。
“我个人发现，配合 GPT-5.5 的 Codex 自主性更高，几乎无需人工干预。”高级软件工程师 Dennis Hannusch 解释道，“我能够进行长时间的会话，且模型始终保持顶尖的准确性，并有效维护工作上下文。它在选择合适的工具和技能方面也非常出色。”
Hannusch 已经利用 Codex 将一个内部平台从 MVP（最小可行性产品）进化为生产就绪的系统，显著提升了系统的可扩展性和可靠性。此外，该团队还仅用数小时就利用 Codex 构建了一个内部播客录制应用，完全避开了原本耗时数周的软件采购流程。
运行全流程研究工作流
对于 NVIDIA 的研究团队而言，Codex 在很大程度上实现了研究循环的自动化：从识别研究领域，到编写机器学习实验脚本，再到远程机器上执行实验，流程变得极其高效。
“仅仅在运行实验方面，效率就提升了 10 倍，因为它能够处理整个端到端的机器学习研究工作流。”
— Shaunak Joshi，AI 研究员
AI 研究员 Shaunak Joshi 指出：“GPT-5.5 是一个极佳的创意合作伙伴。它不仅能帮助我追踪跨链的证据片段，还能构建知识图谱，将各种概念串联起来。”此外，在代码翻译方面，Codex 表现卓越，能够将旧的 Python 存储库重写为 Rust，性能提升高达 20 倍。
展望未来
Codex 正在加速 NVIDIA 工程和研究团队的工作进程，将想法从概念转化为执行和测试，实现了工作流的统一。正如 Hannusch 所言：“我们目前仅仅触及了它潜力的表面。我很期待继续构建真实的系统，看看它究竟能走多远。”
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区