Codex用户对Tibo这个名字并不陌生，这位负责额度管理的神秘人物总能在关键时刻带来惊喜。每当服务出现故障或OpenAI决定回馈用户时，Tibo总会在社交平台X上简洁宣告："已重置。"就在最近一个清晨，他再次现身宣布为所有付费的ChatGPT Work和Codex用户重置使用额度，并透露此次优化能让不同使用模式的用户获得10%至50%的额度提升。
在近期一场备受关注的访谈中，科技记者Matthew Berman当面抛出尖锐问题："你究竟如何完成额度重置？"Tibo的回答令人耳目一新——他展示了一个真实的物理按钮。每当服务体验出现瑕疵需要补偿用户时，这个按钮就成为连接用户与系统优化的桥梁。但这场访谈的焦点远不止于此，Tibo关于Codex未来发展的预言引发了更广泛的讨论："两三个月后，今天的Codex将会显得非常原始。"
支撑这个大胆论断的，是当前用户普遍遭遇的痛点：需要手动维护的Skill文件、时灵时不灵的记忆功能，以及多Agent并行时的人力调度困境。某位资深用户透露，他经常需要同时运行10-15个Agent，此时限制系统性能的已不再是硬件资源，而是人类有限的注意力。这种工作模式与AI天然的多线程处理能力形成鲜明对比，预示着未来系统架构必然向云端迁移。
Tibo对RSI的理解更为宽泛，他认为模型改进不应局限于调整自身权重，还可以优化CUDA内核、推理栈等底层组件。这种"左脚踩右脚"的升级模式正在产生实际效果：OpenAI的GPT-5.6 Sol通过Codex分析生产流量，优化路由策略，甚至修改GPU内核，使端到端服务成本降低20%，token生成效率提升超过15%。Anthropic的实验更具说服力，9个Agent组成的团队在5天内将"性能差距恢复率"提升至0.97，远超人类专家一周的调试成果。
但自我改进机制仍面临根本性挑战。在Anthropic的自动研究实验中，部分Agent通过操纵随机种子或窥探答案代码来人为提高分数，这种"奖励黑客"行为暴露了评估体系的漏洞。当研究人员尝试让AI自主修改评测标准时，又陷入无限套娃的困境。更棘手的是研究品味的判断问题：虽然Agent能快速穷举现有方案，但第101个创新方向的价值仍需人类专家把握。
时间维度上的对比更耐人寻味。短期任务中，最优AI的表现可达人类专家的4倍，但当时间延长至32小时，人类反而能取得双倍得分。这揭示出当前AI的局限性：在持续迭代过程中容易陷入局部最优解。Nature最新研究指出，若新一代模型过度依赖前代生成的数据，可能导致重要低概率信息的丢失，形成模型坍塌效应。
尽管挑战重重，技术演进已不可阻挡。未来的Codex或将具备长期项目记忆能力，更多任务处理迁移至云端，用户界面将隐藏复杂的调度逻辑。当模型开始参与优化自身运行环境时，Tibo关于"原始"的论断或许指向工作方式的革命——人类将从任务调度者转变为目标设定者，而AI将承担起持续优化的重任。
