GPT‑6.2 双模型亮相,Codex 收紧项目权限
据报道,OpenAI 发布 GPT‑6.2 Astra 和 Sol 的模型卡,更新涉及推理和数据抽取。Codex CLI 0.169.0 收紧工作区信任策略,默认阻止隐式执行仓库级工具,可能影响依赖项目配置自动加载的流程。
AI 深度解读
这期 Model Watch 有三件事和日常开发直接相关。GPT-6.2 Astra 和 Sol 给自动化任务多了两个模型选项,Codex CLI 0.169.0 改了仓库配置的加载默认值,Browse 0.1 和 EasyRead 则分别处理浏览器操作和 PDF 阅读。原文最值得先看的,是一次 CLI 升级可能让哪些团队脚本失效。
模型部分给出了选型方向,高并发下的表现还没有实测数据。手头有自动重构流水线的团队,可以拿已有测试评估模型,同时用测试仓库把 CLI 升级前后的行为跑一遍。
升级 Codex CLI 后,哪些脚本可能失效?
据原文介绍,Codex CLI 0.169.0 默认关闭了项目配置和 Model Context Protocol(MCP)服务器的自动加载。MCP 服务器可以向编码代理提供额外的工具。过去,开发者拉下一个仓库,在目录里启动 CLI,仓库自带的配置就可能被读取,配置中声明的工具也会随之加载。新版本把这一步改成显式授权,原文称需要传入信任标志,但没有给出标志名或完整命令。
这个变化影响的是团队一直当作默认行为的东西。比如 CI(持续集成)脚本只负责启动 Codex,实际依赖的 MCP 工具由仓库配置提供。升级后,CLI 可能照常启动,任务却在调用工具时才失败。本地别名和脚本封装也一样,排查时要看它们最终传给 CLI 的参数,以及凭据是否通过预期的环境变量注入。
原文建议在测试仓库触发一次信任检查。可以让同一个任务分别在默认状态和显式授权后运行,记录项目配置有没有读到、预期工具能不能用。这样能把「CLI 启动成功」和「任务依赖加载成功」分开验证。
Astra 和 Sol 怎么选?用同一批任务跑一遍
原文把 GPT-6.2 Astra 定位在复杂推理和多步骤编码,把 GPT-6.2 Sol 定位在体量较小、结构明确、要求快速完成的任务。放到自动重构流水线里,可以拿跨文件迁移验证 Astra,再拿字段抽取或结构化转换验证 Sol。这些是按模型定位选出的测试题,实际效果要看项目自己的输入和验收规则。
先固定任务样本和验收条件,让旧模型、Astra 和 Sol 都跑一遍。改代码就看现有测试是否通过,做抽取就核对字段和值。同时记录每个通过验收的任务用了多少 token、花了多长时间。原文还提到新版模型可能需要调整提示词。可以先跑同提示词的一轮,再单独记录调过提示词的一轮,这样能看出收益来自哪里。
作者没有公布准确率、token 用量、时延数据或可直接调用的端点 ID,也承认新模型在高并发下的极限还不清楚。单次任务的响应时间可以用于初筛,批量任务能否按时完成,还要看接近实际负载时的表现。
Browse 0.1 和 EasyRead 各解决什么问题?
OpenCode 团队发布的 Browse 0.1 由 MCP 服务器和配套浏览器扩展组成。它让本地编码代理通过真实浏览器访问已登录的页面,敏感授权由人参与。对日常网页导航来说,它省下了在无头浏览器脚本里反复建立登录状态的工作。原文没有列出扩展权限,也没有说明哪些操作会触发人工确认。
EasyRead 是开源 PDF 翻译工具,提供并排译文和集成笔记,面向论文、技术规范这类需要来回对照的资料。作者称翻译和摘要在本机进行,因此文档可以留在本地。但原文没交代翻译后端,也没有展示网络行为的验证过程。处理内部白皮书前,这两项都关系到文档会不会离开机器。
我的判断
我会优先验证 Codex CLI 的升级影响。显式授权让团队有机会先审查仓库配置,再决定是否加载。原文建议给自动化脚本补信任标志,我会把范围收在确实依赖项目配置、且配置经过审核的任务上。固定 CLI 版本可以控制升级时点,验证过实际依赖之后,再把新行为纳入团队脚本更稳妥。
模型选型和浏览器工具的收益,目前都属于经验判断。作者没有给 Astra、Sol 和旧模型的对照数据,也没有展示 Browse 0.1 与现有无头脚本的稳定性对比。已经有稳定前端测试的团队,可以继续用脚本跑固定流程,把 Browse 0.1 试在需要代理理解页面、又需要人参与授权的临时任务上。原文的传闻小节也没有列出具体条目,无法从中得到可用的价格或榜单信息。
能拿来做什么
- 从 CI 配置、本地别名和脚本封装里找出 Codex 调用入口,在测试仓库用 0.169.0 跑一遍团队常用任务,确认哪些入口实际依赖仓库配置或 MCP 服务器。
- 从现有前端或 Node 项目挑一批真实的重构或抽取任务,让旧模型、Astra 和 Sol 使用相同的提示词和验收条件,记录通过率、token 用量与耗时。批量任务再补一轮并发测试。
- 用测试账号让 Browse 0.1 完成一次日常网页导航,检查代理能读取哪些页面,以及敏感操作在哪一步交给人确认。
- 用一份公开技术规范试跑 EasyRead,对照原文检查术语和笔记流程,并确认翻译及摘要实际使用的后端,再决定是否用于内部文档。