Què és Codex: un agent que treballa amb eines
Codex és l’agent d’OpenAI per fer desenvolupament de programari i tasques relacionades mitjançant models d’IA i eines. Pot investigar un projecte, modificar fitxers, executar ordres, revisar canvis i presentar resultats. La unitat de treball és una tasca amb context i accions, no només una resposta de text o un suggeriment d’autocompleció.
Cal separar tres capes: el model que interpreta i genera, el sistema que coordina les accions i la interfície des d’on s’utilitza. Canviar de model no converteix una sessió local en una sessió al núvol ni concedeix accés a un repositori. La utilitat depèn de la informació i les eines disponibles, a més de la qualitat del model.
La CLI es publica amb llicència Apache 2.0. Permet inspeccionar i adaptar aquest component; no significa que models, aplicació d’escriptori o serveis gestionats tinguin la mateixa llicència ni que executar l’agent sigui sempre gratuït.
Documentació de referència: OpenAI — Codex CLI · OpenAI — Codex App Server · OpenAI — Open agent harness · OpenAI — Codex open-source repository.
Història: del model de 2021 a l’agent de 2025
El nom Codex es va utilitzar primer per a un model anunciat el 10 d’agost de 2021, derivat de GPT-3 i orientat a generar codi; formà part de l’origen de GitHub Copilot. L’eina actual és un producte posterior. No s’han de traslladar els resultats d’avaluació o les limitacions d’aquell model a la versió present com si fossin mesures actuals.
El 16 d’abril de 2025 aparegué Codex CLI, un agent local de codi obert. El 16 de maig arribà la vista prèvia d’investigació del servei al núvol, inicialment basat en codex-1, una adaptació d’o3 per a enginyeria de programari. La feina s’executava en entorns separats amb el repositori i retornava canvis per revisar.
GPT-5-Codex, presentat el setembre de 2025, avançà cap a tasques de programació prolongades. GPT-5.3-Codex arribà el 5 de febrer de 2026 i amplià la combinació de programació, raonament i feina professional. El 12 de febrer es presentà Spark, variant de baixa latència sobre maquinari Cerebras. Són fites històriques, no una llista de models encara disponibles a tots els comptes.
El 19 de març de 2026 OpenAI anuncià un acord per adquirir Astral, creadora d’eines Python com uv, Ruff i ty. L’anunci estava subjecte a condicions de tancament; no permet atribuir a Codex qualsevol funció d’aquests projectes com a integració ja implantada.
Documentació de referència: OpenAI — Original Codex model, 2021 · OpenAI — Introducing Codex, May 2025 · OpenAI — GPT-5-Codex and long tasks · OpenAI — GPT-5.3-Codex · OpenAI — Codex-Spark · OpenAI — Astral acquisition announcement.
Com treballa Codex amb codi i context
Codex és una eina d’OpenAI per desenvolupar, mantenir i revisar programari amb assistència d’intel·ligència artificial. La documentació descriu treball amb codi, terminal, revisió de canvis i eines connectades. Una petició útil aporta el resultat esperat, els fitxers rellevants i les condicions que cal mantenir; el resultat pot incloure modificacions i comprovacions, a més d’una explicació.
L’entorn importa. El treball local utilitza el directori del projecte; un worktree aïlla canvis en una altra còpia de treball de Git; una tasca al núvol disposa d’un espai propi. Els fitxers locals, les sessions del navegador o els accessos de xarxa de l’ordinador no es transfereixen automàticament al núvol. Cal comprovar el context i els permisos reals de cada tasca.
Documentació de referència: OpenAI — Developers: Codex development workflows · OpenAI — Codex environments.
Aplicació, evolució dels models i disponibilitat actual
L’aplicació per a macOS aparegué el febrer de 2026 i la versió per a Windows al març. El 9 de juliol s’integrà a l’aplicació d’escriptori ChatGPT, mantenint l’experiència Codex al costat de Chat i Work. És una evolució de l’accés al producte, no la desaparició de les tasques de programació.
GPT-5.4 s’incorporà el març de 2026. Més endavant canviaren les opcions: Spark es retirà el 14 de setembre i GPT-5.5 deixà d’oferir-se amb accés mitjançant ChatGPT el 14 d’octubre. La disponibilitat per API segueix regles diferents. La documentació actual inclou GPT-6.1 Sol, condicionat pel compte, client i administració de l’espai.
Per mantenir un procés reproduïble, registra el model i les condicions de la tasca. Una millora del model pot canviar estil, cost o comportament; torna a executar els casos d’acceptació rellevants quan actualitzis un flux important. La versió del model és només una part: també influeixen eines, instruccions, dependències i dades.
Documentació de referència: OpenAI — Product updates · OpenAI — Codex changelog · OpenAI — Current workspace model boundaries.
Com funciona el cicle de treball
El sistema que envolta el model, anomenat harness, manté la conversa, coordina eines i comunica esdeveniments i peticions d’aprovació. Codex App Server exposa aquest cicle a interfícies i integracions mitjançant converses, torns i resultats d’accions. La documentació el considera experimental; no se n’ha de suposar estabilitat de producció només perquè existeixi.
En una correcció típica, l’agent rep un objectiu, inspecciona fitxers, formula una hipòtesi, modifica codi i executa comprovacions. Cada observació pot canviar el pas següent. Si una prova falla, l’evidència útil és el missatge i el cas que falla, no repetir la instrucció amb més èmfasi.
L’usuari defineix què vol dir acabar. Per a un informe de SST, «generar un fitxer» és menys precís que «generar un informe que conservi la població prevista, indiqui duplicats i es pugui reproduir amb la mateixa entrada». Això connecta el cicle tècnic amb un resultat avaluable.
Documentació de referència: OpenAI — Codex App Server · OpenAI — Open agent harness.
Terminal, editor, escriptori i núvol
- CLI: treballa des del terminal amb fitxers i eines locals; el mode no interactiu facilita tasques acotades en scripts.
- Editor i escriptori: apropen conversa, context de codi i revisió visual de diferències a la feina del desenvolupador.
- Worktree: ofereix un altre directori de treball de Git per a una tasca paral·lela, sense convertir-la en execució remota.
- Núvol: utilitza un entorn publicat amb repositoris, dependències i accessos, i crea un espai aïllat per a cada tasca.
El núvol pot continuar mentre l’ordinador és apagat; una tasca local necessita l’entorn local. La documentació diferencia els entorns actuals de Codex Cloud dels fluxos antics que encara suporten determinades integracions. Comprova a quin es refereix un tutorial.
Un worktree separa canvis, però no resol automàticament conflictes quan dues tasques modifiquen la mateixa regla. Ampliar un exportador i canviar-ne identificadors en paral·lel exigeix coordinar el contracte de dades. Abans de combinar resultats, revisa el conjunt i torna a comprovar els casos afectats.
Documentació de referència: OpenAI — Codex CLI · OpenAI — Reusable cloud environments · OpenAI — Worktrees · OpenAI — Authentication.
Instruccions reutilitzables, skills i plugins
AGENTS.md conserva instruccions del projecte, com convencions i comprovacions. Una skill empaqueta un procediment amb recursos; un plugin pot distribuir skills i connexions mitjançant MCP. Són mecanismes diferents: instruccions, procés reutilitzable i accés a eines. Instal·lar una connexió no determina quan cal utilitzar-la.
Per a un equip que manté recursos de SST en tres idiomes, les instruccions podrien fixar rutes de traducció, impedir modificar xifres sense font i exigir comprovar enllaços. Una skill descriuria la revisió d’una fitxa des de les fonts fins a la previsualització. L’eina connectada aportaria lectura o escriptura al sistema autoritzat.
Separa material de referència i ordres. Un comentari en un fitxer, una pàgina externa o un document aportat pot contenir text que sembli una instrucció; això no l’autoritza a canviar l’abast. La tasca ha d’indicar quines fonts expliquen el problema i qui decideix què es modifica.
Documentació de referència: OpenAI — Project instructions with AGENTS.md · OpenAI — Skills and plugins.
Integracions amb desenvolupament i disseny
Xcode 26.3 incorporà Codex per treballar amb projectes Apple, amb eines de compilació, proves i documentació. GitHub afegí Codex a Agent HQ el febrer de 2026. La integració amb Figma mitjançant MCP connecta context de disseny i implementació. Cada entorn manté requisits propis: una integració anunciada no equival a tenir-la activada al compte.
Les connexions redueixen passos manuals si aporten el context adequat. En un web formatiu, un disseny pot servir per implementar la interfície, però l’acceptació exigeix comprovar navegació amb teclat, llegibilitat, traduccions i comportament amb contingut real. Que el codi s’assembli a una imatge no demostra que el recurs funcioni.
Abans de connectar un sistema, delimita quines dades es consulten i quines accions es permeten. Revisar enllaços pot requerir llegir pàgines i elaborar un informe; una correcció autoritzada hi afegeix escriptura. Són abasts diferents i les eines disponibles ho haurien de reflectir.
Documentació de referència: Apple — Agentic coding in Xcode · GitHub — Agent HQ, February 2026 · OpenAI/Figma — Design and code workflow.
Permisos, execució i tractament de dades
L’aïllament de l’entorn limita accions tècniques; la política d’aprovació determina quan es demana autorització. No són equivalents. Els perfils actuals, encara beta, delimiten fitxers i xarxa per a ordres locals. La llista de destinacions de xarxa no és una política universal per al navegador, connectors i totes les altres eines.
L’autenticació també marca una frontera. L’accés amb ChatGPT segueix els controls de l’espai corresponent; una clau API segueix els de l’organització d’API. Els clients locals admeten totes dues vies, mentre que Codex Cloud requereix iniciar sessió amb ChatGPT. Comprova l’entorn real abans d’atribuir-li una política de conservació o accés.
Per transformar registres de SST, comença amb dades fictícies i una còpia de treball. Identifica fitxers permesos, sortida esperada i accions excloses. Un script que llegeix dades no necessita necessàriament escriptura al sistema d’origen. Les credencials s’han de facilitar pels mecanismes de l’entorn i no aparèixer en exemples, informes o registres de depuració.
La comprovació final ha d’incloure què ha canviat i què ha sortit de l’entorn. L’error pot estar en el fitxer generat o en una destinació incorrecta. La traçabilitat connecta petició, canvis, comprovacions i resultat sense conservar més informació sensible de la necessària.
Documentació de referència: OpenAI — Command permission profiles · OpenAI — Agent approvals and security · OpenAI — Authentication.
Codex Security i Patch the Planet
Codex Security es presentà el 6 de març de 2026 com a evolució d’Aardvark, amb beta privada anunciada l’octubre de 2025. Treballa sobre seguretat d’aplicacions: construeix context i un model d’amenaces, cerca problemes, intenta validar-los i proposa correccions. Aquesta «seguretat» es refereix al programari; no és una avaluació de seguretat i salut laboral.
La documentació actual diferencia plugin local, CLI, SDK i Codex Security Cloud. La modalitat cloud encara figura com a vista prèvia i requereix els accessos corresponents. Una troballa i una proposta de pedaç són resultats diferents: identificar una via vulnerable no demostra que qualsevol canvi la tanqui sense alterar altres funcions.
El 22 de juny de 2026 OpenAI presentà Patch the Planet, iniciativa de Daybreak amb Trail of Bits per ajudar mantenidors de codi obert a trobar i corregir vulnerabilitats. Els resultats divulgats pel proveïdor corresponen a les seves avaluacions i projectes; no garanteixen un repositori aliè.
En un portal de SST, una revisió podria investigar si un enllaç de descàrrega exposa documents fora del grup autoritzat. L’acceptació inclouria comprovar accés permès, accés rebutjat i documents antics, a més del cas inicial. La revisió tècnica protegeix el recurs, però no verifica la correcció del contingut preventiu.
Documentació de referència: OpenAI — Codex Security launch · OpenAI — Aardvark, October 2025 · OpenAI — Current Codex Security documentation · OpenAI — Patch the Planet.
Adopció, vulnerabilitats històriques i qualitat dels pedaços
OpenAI comunicà més de dos milions d’usuaris actius setmanals el març de 2026. L’expansió es produí en un mercat competitiu d’assistents i agents de programació. L’adopció comercial aporta context, però no equival a una comparació controlada de qualitat o productivitat.
BeyondTrust divulgà el 2026 un error ja corregit relacionat amb noms de branques GitHub i execució d’ordres durant la preparació de l’entorn. Podia comprometre tokens. L’episodi mostra que també s’ha de revisar la infraestructura que connecta l’agent amb eines, no només el text generat.
La qualitat dels pedaços ha obert un altre debat. A l’agost, Dark Reading recollí objeccions d’un investigador d’1Password sobre resultats de Patch the Planet. L’estudi FLAWED d’1Password analitzà models i vulnerabilitats concrets amb restriccions experimentals: no mesura una taxa universal d’error de Codex. Diferencia corregir el problema, canviar comportament i deixar o introduir una vulnerabilitat.
Per adoptar-lo, mesura canvis acceptats després de revisar-los, regressions i esforç total. Acceptar més línies o acabar abans la primera proposta no significa reduir la feina posterior. Un pilot útil inclou errors coneguts i casos nous, i compara què detecta l’eina i què continua necessitant l’equip.
Documentació de referència: OpenAI — Astral acquisition announcement · BeyondTrust — Codex command injection disclosure · 1Password — FLAWED research · Dark Reading — Patch quality debate.
Com pot contribuir a recursos de SST
Les aplicacions següents són propostes editorials de Sabentis per al desenvolupament tècnic, no capacitats d’avaluació preventiva autònoma:
- Preparació d’informació: ajudar a escriure un programa que validi columnes, tipus de dades i identificadors abans d’elaborar un informe.
- Manteniment web: localitzar enllaços trencats, textos sense traduir o inconsistències en recursos informatius sobre prevenció.
- Revisió de canvis: investigar si una modificació conserva regles conegudes, com excloure dades personals dels registres tècnics.
L’aportació consisteix a convertir una especificació en codi revisable. El personal competent ha de definir el significat de cada indicador o estat. Un programa pot funcionar d’acord amb una instrucció equivocada i produir una conclusió preventiva incorrecta.
Exemple hipotètic: calcular cobertura sense ocultar pendents
Un equip necessita preparar un informe de formació a partir d’un fitxer autoritzat i sense dades de salut. Vol conservar la població prevista i distingir-la de qui ha finalitzat.
- Definir columnes d’entrada: identificador fictici del participant, grup, curs, versió i estat. Documentar qui forma part de la població prevista.
- Establir casos d’acceptació abans de programar: divuit finalitzacions de vint persones equivalen al 90 %; un grup sense població definida ha de mostrar «no calculable», no 0 % ni 100 %.
- Demanar a Codex que prepari la transformació i assenyali registres duplicats, estats desconeguts i camps absents. Les excepcions han de quedar visibles.
- Revisar el codi i executar els casos amb dades fictícies. Comprovar que repetir una persona no augmenta el denominador ni les finalitzacions.
- Comparar manualment una mostra amb l’origen i documentar data de tall, filtres i versió del programa abans d’utilitzar el resultat.
La sortida verificable és un informe reproduïble amb excepcions identificades. La cobertura de finalització continua sense demostrar competència pràctica: el programa calcula una definició, no en valida la interpretació professional.
Afegeix una comprovació independent: vint participants previstos, divuit finalitzacions i una fila duplicada han de continuar donant 90 %, no 95 %. Si canvia la versió del curs, la clau del registre l’ha de distingir sense barrejar finalitzacions de versions diferents. Conserva el fitxer fictici, el resultat esperat i la versió del programa per repetir la prova després de modificacions.
Límits: instruccions, proves i accions
OpenAI documenta l’ús de regles a AGENTS.md per orientar revisions sobre convencions del repositori. Poden recordar límits de dades o compatibilitat, però la mateixa documentació manté proves, proteccions de branques i aprovacions com a controls complementaris.
Treballa amb el mínim context necessari i no introdueixis credencials als exemples. Revisa les diferències reals i les proves executades: una afirmació de l’agent no equival a evidència. Distingeix codi preparat, desat i desplegat. Una comprovació satisfactòria tampoc no demostra que s’hagin cobert permisos, dades extremes o totes les condicions de producció.
Documentació de referència: OpenAI — Custom Code Review rules for Codex.
Quan triar Codex i amb què complementar-lo
Convé avaluar-lo quan hi ha una tasca de desenvolupament concreta, accés autoritzat al projecte i capacitat per revisar el resultat. La tria ha d’incloure qualitat del canvi, claredat de l’evidència i facilitat de manteniment.
Cursor permet comparar una altra experiència de treball assistit sobre codi. Excel pot ajudar a contrastar una mostra petita del càlcul abans d’incorporar-lo a un procés repetible. Defineix sempre l’origen autoritzat de les dades i evita que les còpies de comprovació es converteixin en registres oficials paral·lels.
Preguntes freqüents sobre Codex en SST
Codex certifica que un càlcul preventiu és correcte?
No. Pot ajudar a programar i comprovar una fórmula, però metodologia, entrades i interpretació requereixen validació per responsables competents.
Una tasca al núvol veu els fitxers del meu ordinador?
No automàticament. Utilitza els fitxers i serveis disponibles en el seu entorn. Cal aportar el context autoritzat que necessiti.
Què convé demanar en acabar?
Una explicació del canvi, els fitxers modificats, els casos comprovats i allò que quedi sense verificar. Aquesta evidència permet decidir si el resultat és acceptable.
Documentació de referència: OpenAI — Codex environments.
