当前位置：首页 > news >正文

深度解码OpenAI的2025野心：Codex重生与GPT-5 APIKey获取调用示例

news 2025/9/12 7:50:13

导语：

2025年，AI辅助编程的浪潮正以前所未有的姿态席卷而来。对于我们每一位开发者而言，这不仅仅是工具箱里多了几个新玩具，更是一场深刻的工作范式革命。在这场变革的中心，OpenAI再次投下了一颗重磅炸弹：一度沉寂的Codex平台，在GPT-5的强力驱动下，以“软件工程代理”的全新身份王者归来。

这不只是一次简单的产品升级。它标志着一个关键的行业转向——从“生成式AI”到“代理式AI”的进化，AI的角色正从一个听话的“代码补全工具”转变为一个能够独立思考、规划并执行复杂任务的“虚拟队友”。

在这篇文章里，我们将一起深入探索这场变革的全貌。我们将拨开时间的迷雾，回顾Codex从诞生、“死亡”到重生的传奇历程；我们将像拆解精密仪器一样，剖析2025年Codex平台的混合架构与各大组件；我们还将直击其核心引擎——性能登顶的GPT-5模型，并为你带来一份详尽的API实操指南。最后，我们会将目光投向更广阔的战场，分析Codex在与Claude、Gemini等巨头的激烈竞争中，如何凭借其独特的生态系统战略，一步步实现自己的宏伟蓝图。

准备好了吗？让我们一起踏上这场探索之旅，洞见AI时代软件开发的未来。

第一部分：Codex的重生：从代码生成器到自主代理的惊险一跃

要理解今天Codex平台的战略地位，我们必须把时钟拨回到过去。它的故事并非一帆风顺，而是一段充满了开创、沉寂与重生的戏剧性旅程。正是最初那次看似突然的“死亡”，才为其后来的华丽转身铺平了道路。

1.1 初代Codex (2021-2023)：梦开始的地方

2021年，初代Codex的问世，是AI编程领域的一座灯塔。它基于GPT-3，并在海量的GitHub代码上进行了精心的微调，从而获得了将自然语言“咒语”翻译成代码“魔法”的能力。

你只需要写下一行注释，比如 // 计算给定窗口大小的数组的移动平均值，Codex就能心领神会地生成完整的代码实现。这在当时看来近乎神奇，也正是这项能力，使其成为了初代GitHub Copilot背后的大脑，正式开启了AI编码助手的大时代。

然而，回过头看，这位先驱本质上更像一个“代码翻译官”或“补全工具”，而非一个真正的“工程师”。它在单次交互中表现出色，但面对需要多步推理或复杂逻辑的“项目”时，常常会力不从心，甚至生成一些有安全隐患的“豆腐渣工程”。这恰恰暴露了第一代生成式AI的局限，也为未来的进化埋下了伏笔。

1.2 2023年的“死亡”：一次深思熟虑的战略撤退

2023年3月，一则简短的通知宣告了Codex API的终结。OpenAI建议用户转向更强大、更通用的GPT-3.5-Turbo模型。这个决定在开发者社区，尤其是在依赖它进行研究的学术界，激起了千层浪。

这次“死亡”并非失败，而是一次蓄谋已久的战略转型。随着GPT-3.5和GPT-4的横空出世，初代Codex的底层技术已然落后。OpenAI意识到，与其维护一个略显过时的独立API，不如集中火力，将资源投入到下一代更全能的模型上。

更重要的是，这次暂停给了OpenAI一个宝贵的机会，去重新构想它在开发者工具领域的宏大布局。它不再满足于只提供一个简单的API接口，而是要构建一个深度集成、功能协同的强大生态。Codex的“死”，是为了以一种更强大的形态“生”。

1.3 2025年的归来：软件工程的“代理”时代

两年后，Codex如期归来，但已脱胎换骨。它不再是一个孤立的模型，而是一个被定义为“软件工程代理”的综合平台。这个新系统拥有了前所未有的自主性，能够像一个真正的团队成员一样，独立处理复杂任务：

实现一个新功能？ 交给它。
修复一个棘手的Bug？ 它来搞定。
梳理混乱的代码库？ 没问题。
甚至是运行测试、提交PR供你审查？ 全都包办。

这标志着从“代码建议”到“任务执行”的根本性飞跃。2025年的Codex所承载的，是OpenAI对未来的一个大胆设想：开发者不再需要手把手地指导AI，而是可以将整个项目委托给AI“队友”，让自己专注于更富创造力和战略性的顶层设计。

这一切的实现，都归功于GPT-5等底层模型在多步推理和工具使用能力上的巨大突破。可以说，Codex的重生，是AI模型能力达到新高度后，必然会发生的产品战略进化，它的目标，是重新定义人与AI在代码世界中的协作关系。

核心洞察：从“生成”到“行动”的范式转移

Codex的演进史，完美诠释了AI行业从 生成式AI (Generative AI) 到 代理式AI (Agentic AI) 的核心转变。

2021年的Codex是“生成”：你给一个指令，它生成一段代码。价值在于单次的、即时的创造。
2025年的Codex是“行动”：你给一个目标，它会自己规划、读取、修改、运行代码，并最终交付一个成果（比如一个PR）。价值在于多步骤的、自主的、以目标为导向的行动。

这种从“生成内容”到“完成任务”的转变，正是“代理化”的精髓所在。Codex用自己的“生死轮回”，为我们展示了AI工具的未来形态。

表1：OpenAI Codex的演进对比（2021年 vs. 2025年）

特征	Codex (2021-2023)	Codex (2025 平台)
底层模型	基于GPT-3，在代码上进行微调	由o3和GPT-5的专门版本驱动
访问方式	私人测试版API端点（已弃用）	集成于ChatGPT订阅服务中；通过Web、CLI、IDE客户端访问
核心功能	自然语言到代码的补全/翻译	自主任务执行（错误修复、功能实现、PR创建）
产品形态	通过API访问的单一模型	一个多组件平台（Web、CLI、IDE）
主要交互模式	单轮、同步的代码建议	多步、异步的任务委托

第二部分：拆解2025年的Codex平台：一个无处不在的AI开发系统

2025年的Codex不再是一个单一产品，而是一套围绕开发者工作流精心设计的集成工具生态。让我们逐一拆解它的核心组件，看看它们是如何协同作战的。

2.1 架构：云端大脑与本地触手的无缝协同

新版Codex采用了一种巧妙的混合架构，完美融合了本地开发的敏捷与云端计算的强大。系统由两部分组成：

本地组件：像Codex CLI和IDE扩展，它们运行在你的电脑上，能直接访问你的文件，响应迅速。
云端组件：以Codex Web为核心，运行在隔离的云端沙箱中，拥有强大的计算和推理能力。

这套架构最妙的地方在于**“工作流的无缝转移”**。你可以在IDE里写着代码，遇到一个复杂的重构任务，只需一键就能把它“扔”给云端的Codex代理去异步处理。等你泡杯咖啡回来，代码变更已经静静地躺在你的PR列表里了。这种灵活性，让开发者既能享受本地开发的沉浸感，又能将耗时费力的重活、累活外包给云端。

2.2 Codex Web：你的云端AI队友

Codex Web (chatgpt.com/codex) 是整个平台的大脑，也是实现“代理式”开发的核心界面。它的使命就是处理那些复杂的、需要长时间运行的大型任务。当你委托一个任务时，Codex会为你启动一个隔离且安全的云端沙箱容器。
在这里插入图片描述

这个沙箱环境经过了精心设计，默认禁止访问互联网，只使用白名单内的依赖，最大程度地保障了代码安全。最近的更新更是带来了几项“史诗级”增强：

容器缓存：将新任务的启动时间从近1分钟锐减至5秒，告别漫长等待。
环境自动配置：能自动识别并运行npm install、pip install等命令，减少了40% 因环境问题导致的失败。
多模态输入：可以直接扔给它一张UI设计图，让它帮你实现前端界面，看图写代码成为现实。

无论是通过网页、IDE、手机App，甚至是在GitHub PR的评论区@它，你都能随时随地唤醒这个强大的云端队友。

2.3 Codex CLI：终端爱好者的开源利器

对于热爱命令行的“终端原生”开发者，OpenAI推出了开源的Codex CLI。它采用Apache 2.0许可证，完全拥抱开发者社区。你可以通过npm或brew轻松安装。

这款工具直接在你的本地终端运行，能与文件系统无缝交互，完美融入你最熟悉的工作流。它主要由Rust语言编写（占比高达97.1%），足见OpenAI对性能和稳定性的极致追求。它的出现，也让它成为了Anthropic Claude Code等终端AI工具的有力竞争者。

2.4 Codex IDE扩展：让AI融入你的每一次心跳

为了实现真正的“沉浸式”开发体验，官方IDE扩展必不可少。它支持VS Code及其生态（如Cursor），将Codex的强大能力以UI的形式无缝嵌入到你的编辑器中。

你可以用它进行实时的代码补全、本地重构、快速Debug，享受“结对编程”般的流畅。但它最重要的角色，是连接本地与云端的**“传送门”**。通过它，开发者可以一键将复杂任务委托给云端代理，实现了“实时辅助”与“异步委托”两种模式的完美融合。这绝不是一个简单的附加功能，而是整个平台协同工作的关键枢纽。

2.5 GitHub集成：AI代码审查员已上线

Codex与GitHub的深度集成，是它从个人工具迈向团队协作资产的决定性一步。授权后，Codex可以直接在你的代码仓库里“干活”。

最亮眼的功能莫过于智能代码审查。在PR或评论中@codex，它就会被唤醒，进行一次超越传统静态分析的深度审查。它能：

理解意图：检查代码变更是否与PR的描述目标一致。
全局分析：在整个代码库的上下文中评估影响，而不只是孤立地看几行改动。
动态验证：在某些情况下，甚至会运行代码来验证其行为是否符合预期。

这项功能让Codex成为了团队中一个不知疲倦、极其严谨的AI成员，有望极大提升代码质量和团队效率。

商业策略洞察：生生不息的“生态系统飞轮”

这套多组件架构的背后，隐藏着一个精妙的商业飞轮：

一个开发者可能被IDE扩展的便利所吸引，轻松入门。
当遇到复杂任务时，IDE会自然地引导他使用云端代理。
云端代理完成任务后提交了PR，他又会发现GitHub集成的代码审查功能非常强大。
为了将某些流程自动化，他开始使用CLI工具，进一步深度绑定。

所有这一切，都由同一个ChatGPT订阅驱动。每个组件都在增强其他组件的价值，从而创造出极强的用户粘性，将用户牢牢锁定在OpenAI的生态系统内。这是一种远比销售单一工具更高级的竞争策略。

表2：OpenAI Codex 2025平台组件对比

组件	执行环境	主要用例	交互模式
Codex Web	云端沙箱容器	委托复杂的、长时间运行的异步任务	对话式、面向任务的委托
Codex CLI	本地计算机（终端）	脚本编写、自动化、终端原生工作流	命令行、提示驱动
Codex IDE扩展	本地计算机（IDE）	实时结对编程、代码生成、本地重构	交互式UI、编辑器内辅助
GitHub集成	GitHub平台	自动化代码审查、PR分析	协作式、事件驱动

第三部分：核心引擎：GPT-5，驱动一切的性能怪兽

Codex平台之所以能实现如此强大的代理能力，完全得益于其背后那颗无与伦比的“心脏”——GPT-5模型。

3.1 GPT-5揭幕：一次智能的巨大飞跃

2025年8月7日，GPT-5正式发布，被誉为一次“巨大的智能飞跃”。它在编码、数学、写作等多个维度都刷新了性能记录。

其架构的一大创新是在ChatGPT内部实现了一个“统一系统”。这个系统包含一个处理常规任务的高效基础模型，和一个专攻难题的深度推理模型（被称为“GPT-5 thinking”）。一个智能路由器会根据任务的复杂性，动态决定调用哪个模型。

对开发者而言，最激动人心的是，API直接开放了这个强大的推理模型，并引入了两个全新的控制参数：reasoning_effort（控制思考深度）和verbosity（控制回答详尽度）。这赋予了我们在性能、成本和速度之间进行精细权衡的超能力。

3.2 性能之巅：编码基准测试的绝对统治力

空口无凭，数据为证。GPT-5在各大权威编码基准测试中，都取得了SOTA（State-of-the-Art）的成绩。

在模拟真实世界GitHub问题的SWE-bench测试中，GPT-5的准确率达到了惊人的74.9%。
在另一项Aider Polyglot测试中，得分更是高达88%。

在一次独立的第三方评测中，GPT-5再次以68.8%的准确率力压群雄，显著领先于主要竞争对手Claude 4 Opus（67.6%）。这些冰冷的数字背后，是Codex代理在执行复杂软件任务时更强的可靠性和效率。

3.3 GPT-5与Codex：产品与引擎的共生

Codex与GPT-5的关系，就像一辆超级跑车和它的V12引擎。Codex是呈现给用户的产品，GPT-5是驱动它的核心技术。

OpenAI官方文档明确指出，Codex的客户端工具（如CLI）会为任务自动选择最优模型，而GPT-5是首选。并且，GPT-5经过了专门的微调，以便在像Codex这样的“代理式编码产品中大放异彩”。

因此，当你与Codex交互时，你体验到的所有高级功能——无论是修复Bug的缜密逻辑，还是理解大型代码库的深度洞察——都直接源于GPT-5强大的推理和规划能力。

3.4 专用模型：不止有GPT-5

虽然GPT-5是旗舰，但OpenAI也采取了更精细的模型策略。例如，他们推出了codex-mini-latest，一个基于o4-mini微调的、更具性价比的模型，专为CLI等场景设计。这表明OpenAI正在用最强的模型作为性能标杆和宣传亮点，同时在不同场景部署更小、更专业化的模型，以实现成本与性能的最佳平衡。

深度思考：性能与生产力的悖论

尽管GPT-5在基准测试中大杀四方，但一项来自METR的独立研究揭示了一个发人深省的悖论：对于经验丰富的开发者，在处理高质量、要求严苛的真实项目时，使用这些强大的AI工具反而可能导致效率下降19%。

原因何在？研究推测，像SWE-bench这样的基准测试，任务是自包含的，评分是自动的。而真实世界的开发，不仅要代码能跑通，还要满足代码风格、测试覆盖、文档规范等大量隐性要求。

这就带来了一个关键问题：管理AI、验证其输出、修正其“小聪明”所带来的**“心智开销”**，有时可能会超过它在写代码上节省的时间。

这个悖论提醒我们，如何将AI工具有效地融入成熟的工程流程，避免“AI管理成本”反噬生产力，将是所有技术团队需要严肃面对的挑战。

好的，我们接着往下。这是文章剩余部分的润色优化版本，力求与前文风格保持一致，为你呈现一篇完整、流畅且充满洞察力的深度好文。

第四部分：如何拥有Codex？订阅、API与两种开发者之道

搞清楚了Codex是什么，下一个问题自然是：我该如何用上它？OpenAI为我们铺设了两条截然不同的道路，一条通往“集成工具”，另一条通往“定制能力”，精准地服务于两种不同需求的开发者。

4.1 商业模式的进化：从API到订阅的战略拥抱

2025年的Codex，在商业模式上做出了一个根本性的转变。它不再像初代产品那样提供一个独立的API，而是将全部产品（Web、CLI、IDE）的访问权限，都深度整合进了ChatGPT的付费订阅计划中。

这意味着，无论是Plus、Pro还是企业版用户，你的ChatGPT会员卡，现在也是进入Codex世界的门票。

这是一个极其高明的商业决策。OpenAI不再与对手在单个工具上“掰手腕”，而是将Codex作为提升ChatGPT订阅含金量的“王牌”。你订阅的不再只是一个聊天机器人，而是一个涵盖了通用AI对话和专业开发者工具的“超级工作站”。这有效地将竞争从“按次计费”的API战场，转移到了“衡量综合价值”的生态系统高地，为自己挖下了一条深深的护城河。

4.2 使用额度详解：从入门到重度用户的阶梯

不同的订阅计划，对应着不同的使用配额。OpenAI对在本地运行的任务（CLI/IDE）和委托给云端的任务（Codex Web）也做了区分：

Plus计划 ($20/月) ：这是入门级。本地任务额度大约是每5小时30-150条消息，足够满足每周几次集中编码会话的需求。
Pro计划 ($200/月) ：专为职业开发者设计。本地任务额度飙升至每5小时300-1,500条消息，让你几乎可以全天候将Codex作为主力伙伴。
Business/Team计划 ($25-$30/人/月) ：基础额度与Plus相同，但团队可以购买额外的积分包，满足更高的使用需求。
云端任务：目前，所有付费计划的云端任务都处于一个“限时慷慨”的推广期，OpenAI正在大力鼓励用户体验其强大的代理功能。

需要注意的是，这里的“消息”是一个弹性单位，任务越复杂、代码库越大，消耗的资源就越多。这套分层体系，精准地覆盖了从轻度爱好者到硬核工程师的全部光谱。

4.3 API访问：为“构建者”保留的“超能力”接口

虽然产品本身转向了订阅，但OpenAI并未忘记那些希望将AI编码能力集成到自己应用中的“构建者”。为此，它保留了传统的、按使用量付费的API访问途径。

以下是2025年末核心编码模型的API定价（以每百万token计）：

模型名称	输入成本	输出成本	核心场景
gpt-5	$1.25	$10.00	旗舰性能，处理复杂代理任务，追求最高代码质量
gpt-5-mini	$0.25	$2.00	平衡之选，性能与成本兼顾
gpt-5-nano	$0.05	$0.40	极致性价比，适用于分类、摘要等低延迟、低成本任务
codex-mini-latest	$1.50	$6.00	专为编码优化，输入稍贵，输出便宜，适合“短指令、长代码”场景

市场洞察：用户与构建者的“双轨制”

OpenAI的策略清晰地将开发者分为了两类：

集成工具用户：他们想要的是开箱即用的效率工具，用来增强自己的日常工作流。对他们来说，订阅模式是最佳选择，支付月费，获得一整套“全家桶”服务。价值主张是便利。
定制应用构建者：他们想把AI编码能力作为一项功能，嵌入到自己的产品里。对他们来说，API模式至关重要，成本随用量弹性伸缩。价值主张是强大与灵活。

这种“双轨制”的市场细分，让OpenAI能够通吃从独立开发者到大型企业的整个市场，最大化了其技术的影响力。

第五部分：上手实战：手把手教你调用GPT-5 API (Python & Node.js)

理论讲完，让我们卷起袖子，亲自感受一下GPT-5 API的强大。本节将提供一份即刻可用的实践指南。

5.1 认证方式：分清“登录”与“密钥”

首先要明确，与OpenAI交互有两种认证方式：

使用Codex产品 (CLI/IDE)：直接登录你的ChatGPT账户即可，简单方便。

获取OpenAI API Key编程调用API：必须使用API密钥。

获取api方案一：你需要去OpenAI开发者平台 (platform.openai.com) 生成一个密钥。
获取api方案二：这条路适合国内开发者，特别是需要构建稳定、可扩展的生产级应用。在 uiuiAPI.com 注册并获取 GPT-5 API 的秘钥。在UIUIAPI控制台的“令牌”部分生成你的专属API密钥，即可开始开发调用。

安全最佳实践：永远不要将API密钥硬编码在代码里！ 最好的方法是将其存储在项目根目录下的 .env 文件中，并通过 dotenv 这样的库来加载。同时，把 .env 加入到你的 .gitignore 文件中，防止意外上传。

5.2 环境配置：两分钟准备就绪

Python环境:

# 安装官方库和dotenv
pip install openai python-dotenv

然后创建一个 main.py 和一个 .env 文件。

Node.js环境:

# 初始化项目并安装依赖
npm init -y
npm install openai dotenv

在 package.json 中加入 "type": "module" 以使用import语法。然后创建 index.js 和 .env 文件。

5.3 API请求的关键参数

向 /v1/chat/completions 端点发送请求时，这几个参数是你的“魔法棒”：

model: (必需) 指定模型，如 "gpt-5" 或 "gpt-5-mini"。
messages: (必需) 对话历史，一个包含 role 和 content 的对象数组。
reasoning_effort: (GPT-5新增) 控制“思考深度”，可选值为 "low", "medium", "high"。值越低，响应越快越便宜。
verbosity: (GPT-5新增) 控制回答详尽度，可选值为 "low", "medium", "high"。
temperature: 控制创意的“火焰”，0.2表示严谨，0.8表示奔放。
max_tokens: 限制输出长度，控制成本的“刹车”。

5.4 代码实战：你的第一个GPT-5调用

Python示例：生成一个递归阶乘函数

import os
from openai import OpenAI
from dotenv import load_dotenv# 从.env文件加载环境变量
load_dotenv()# 初始化OpenAI客户端
client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))
client = OpenAI(api_key=os.environ.get("OPENAI_API_BASE"))#这里使用uiuiAPI key请填写uiuiAPI地址try:response = client.chat.completions.create(model="gpt-5",messages=[{"role": "system", "content": "你是一个乐于助人的编程助手，擅长编写简洁高效的Python代码。"},{"role": "user", "content": "请编写一个使用递归计算数字阶乘的Python函数。"}],temperature=0.7,max_tokens=256,reasoning_effort="medium",  # GPT-5新增参数verbosity="medium"          # GPT-5新增参数)print(response.choices[0].message.content)except Exception as e:print(f"发生错误: {e}")

Node.js示例：生成一个查找最长单词的JS函数

import OpenAI from 'openai';
import dotenv from 'dotenv';// 加载环境变量
dotenv.config();const openai = new OpenAI({apiKey: process.env.OPENAI_API_KEY,
});async function main() {try {const chatCompletion = await openai.chat.completions.create({model: 'gpt-5',messages: [{ role: 'system', content: '你是一个乐于助人的编程助手，擅长编写优雅的JavaScript代码。' },{ role: 'user', content: '请编写一个JavaScript函数，用于找出一个字符串中最长的单词。' }],temperature: 0.7,max_tokens: 256,reasoning_effort: 'medium', // GPT-5新增参数verbosity: 'medium',       // GPT-5新增参数});console.log(chatCompletion.choices[0].message.content);} catch (error) {console.error('发生错误:', error);}
}main();

第六部分：群雄逐鹿：Codex在AI编码战场上的位置

OpenAI并非孤军奋战，AI编码的战场早已是巨头林立，高手如云。

6.1 Codex vs. Claude Code：短跑选手与架构师的对决

Anthropic的Claude Code，是Codex最直接的对手。它以其超大的上下文窗口和深刻的推理能力著称，更像一位**“高级架构师”**。当你需要进行复杂的跨文件重构，或者从零开始规划一个项目时，Claude倾向于先思考、再规划、后编码，产出的代码结构更优雅。

OpenAI的Codex，则在速度和性价比上更胜一筹，像一个**“全能短跑选手”**。在处理纯粹的算法实现或需要原始计算能力的任务时，Codex的代码往往更高效。一个在Claude上可能要花10美元的任务，用Codex可能只需3美元。

这是一场“架构师”与“短跑选手”的较量。Claude更适合深思熟虑的高风险任务，而Codex是更通用、更高效的日常开发伙伴。

6.2 环伺的巨头：Google Gemini与GitHub Copilot

Google Gemini 2.5 Pro：它的杀手锏是百万级的上下文窗口和与Google全家桶（尤其是Android Studio）的深度集成。在需要分析整个代码库的“巨无霸”项目或安卓开发中，Gemini拥有主场优势。
GitHub Copilot：它是一个特殊的存在。作为微软的“亲儿子”和OpenAI技术的最大分发渠道，Copilot既是盟友，也是“内部”的竞争者。它将OpenAI最先进的模型能力，无缝地带给了全球数千万开发者。

6.3 战略核心：生态的力量

面对强敌，OpenAI的核心战略是 “不打单点，打生态”。

它没有选择在某个单一功能上与对手死磕，而是将Codex作为ChatGPT订阅的一部分。这一招“捆绑销售”极其高明，它迫使竞争对手陷入两难：要么也投入巨资构建自己的生态系统，要么就只能做一个细分领域的“小而美”工具。

一个开发者在选择时，很可能会倾向于一个编码能力90分，但同时打包了业界顶尖聊天、作图等多种AI工具的“瑞士军刀”，而不是为了那10分的差异，去为每个功能单独付费。这正是OpenAI希望看到的局面，也是其最深的护城河。

第七部分：硬币的另一面：正视风险、局限与Codex的星辰大海

技术的光芒背后，总有阴影。一个成熟的开发者，需要对工具的风险和局限有清醒的认识。

7.1 安全、版权与隐私：三道绕不开的坎

安全风险：模型在训练时“吃”进去了大量开源代码，也可能“学会”了其中的不安全写法。研究表明，AI生成的代码中约有40%可能包含漏洞。记住：AI写的每一行代码，都必须经过人类的严格审查和充分测试。
版权问题：这是一个法律灰色地带。在极少数情况下，模型可能会原封不动地“吐出”训练数据中的代码片段，带来潜在的IP风险。
数据隐私：对于企业和API用户，OpenAI承诺不使用其数据进行训练。但对于个人订阅用户，你的对话内容可能会被用于模型改进，除非你手动选择退出（opt-out）。这一点，对于处理敏感代码的开发者来说至关重要。