Codex 使用者狂飆破千萬！OpenAI 密謀把 coding agent 砸成知識工作新入口

重點摘要

• 2026 年 7 月 9 日 ChatGPT Work 上線後不到兩週，OpenAI 自報 ChatGPT Work 與 Codex 合計使用者突破 1000 萬；Codex 月活躍使用者自 2026 年 1 月起已成長逾 10 倍。
• 2026 年 6 月，知識工作者已佔 Codex 使用者約 20%，且成長速度超過開發者三倍，OpenAI 因此將知識工作者產品從 Codex 團隊獨立拆出。
• OpenAI 同步進行組織改組，Codex 兩位主將 Greg 與 Tibo 分別接管 product 與 ChatGPT，完成 3 月起即在討論的「Superapp」整併。

2026 年 7 月 9 日，OpenAI 正式推出 ChatGPT Work，不到兩週後宣佈該產品與 Codex 合計達到 1000 萬使用者（此為 OpenAI 自報數字，含非工程師使用者）。這個數字背後的架構是：Codex 已經是 ChatGPT Work 的底層 harness，所有 ChatGPT Work 使用者就算沒寫過程式，也都被算進 Codex 的使用者數裡。從 2026 年 1 月至今，Codex 月活躍使用者成長超過 10 倍。想看懂 OpenAI 的下一步，得先看懂這個成長速度。

OpenAI 藉由將 Codex 的代理能力深度整併至 ChatGPT Work，正試圖將 coding agent 轉化為撬動龐大非開發者市場的知識工作入口。

Codex 為什麼會在開發者圈以外爆發？

轉折點出現在 2026 年 6 月。OpenAI 觀察到知識工作者（knowledge workers）已佔 Codex 使用者的約 20%，且這個族群成長速度超過開發者三倍以上。這個比例本身不算高，但三倍以上的成長差距意味著如果趨勢持續，知識工作者會在不久後主導整個使用者結構。這不是意外。

這個現象背後，是 OpenAI 內部早就注意到的事實：會用程式的人，比會寫程式的人多了大約 100 倍。過去「會使用」主要是指操作已包裝好的軟體功能；當程式只要「用嘴巴描述就能生成」，這 100 倍的落差就不再只是統計數字，而是實打實的市場機會。Akshay Nathan，曾在 Airtable 負責 no-code（無程式碼）產品、後來在 OpenAI 主導 Productivity Engineering，在 Latent Space 訪談中說明瞭 ChatGPT Work 的設計邏輯：讓使用者描述結果，再由代理（agent）組裝需要的工具、情境與產出物。

ChatGPT Work 想解決什麼問題？

幾十年來，知識工作一直被零散切分在不同的基本單元（primitive）裡：寫文字用檔案、做分析用試算表、溝通靠簡報，專業流程則交給各種垂直應用。這些工具各自有介面、各自要學，使用者必須在它們之間手動搬移資料與判斷，最後只能靠人工在不同工具間搬移資料、手動判斷，協作成本非常高。

ChatGPT Work 試著打穿這個格局。使用者不再需要「開啟 X 應用程式、找到 Y 功能、輸入 Z 資料」，而是直接描述目標，讓代理決定用哪些工具、從哪裡取資料、輸出什麼格式。這個設計理論上讓沒有技術背景的使用者，能完成原本需要熟悉多個工具才能做到的工作。但留存率與任務完成率目前沒有公開資料，真實效果仍待驗證。

OpenAI 的組織改組說明瞭什麼？

除了使用者數字，OpenAI 的組織架構變動也透露了端倪。Codex 兩位主將 Greg 與 Tibo 在 2026 年 6 月的組織重組中分別接管 product 和 ChatGPT，完成 3 月起就在討論的「Superapp」整併邏輯：把 Codex 的代理能力整進 ChatGPT 主線，而不是讓 Codex 繼續作為獨立的開發者工具運作。

同步地，一個專門面向知識工作者的產品從 Codex 團隊拆出獨立迭代。OpenAI 拆分團隊，顯然是務實考量到開發者與知識工作者需要的介面完全不同，硬綁在一起只會拖慢兩邊的研發節奏。底層 harness 共用、上層產品分拆，是目前看來 OpenAI 正在走的路。這也解釋了為什麼 Codex 使用者數字能在 ChatGPT Work 上線後迅速跳升，技術上兩者本來就是同一套底層。

創業者和工程師該怎麼解讀這個訊號？

Codex 的成長曲線揭示了一個關鍵趨勢：coding agent 的真正戰場，在它能做的事情溢位程式碼之後才正式開打。ChatGPT Work 是頭部大廠將 coding agent 作為知識工作代理跳板的第一個明確案例，這代表背後有組織調整在撐腰，而不單單只是發布一項新功能。

對創業者來說，該問的不是「功能強不強」，而是「互動方式對不對」。當使用者可以「描述結果」取代「操作應用」，哪些垂直場景的摩擦夠高、任務夠清晰，讓這個轉換真的值得？知識工作者在 Codex 超過三倍的成長速度是一個訊號，但留存率才是最終考題，目前沒有公開資料能支撐更強的結論。工程師端有另一個問題可以問：如果 Codex harness 成為 ChatGPT Work 的底層，代理的能力邊界往知識工作延伸時，現有的整合介面、應用程式介面（API）設計或工具定義需要在哪些地方重新思考？

1000 萬使用者是里程碑，但更重要的是它改變了這場競爭的衡量標準。coding agent 的下一個主戰場，看起來不在更難的程式任務上，而在更廣的非開發者族群中。這個族群的量級比開發者大出兩個數量級，但他們的需求、耐受度與評估標準都不一樣，誰先把介面做對，誰才能把這個規模真正轉化成留存。