最新 12 月 13 日消息，OpenAI 昨天在官网发布博文，揭秘安卓版 Sora 应用如何在 28 天内完成开发。

最新在此援引博文，回到 10 月，Sora iOS 版上线后使用量迅速爆发，人们立刻开始源源不断地生成视频，安卓版呼之欲出，但当时 OpenAI 内部只有安卓端 Sora 的原型版本，因此这项开发任务可谓是高风险、时间紧迫。

在这种场景下，一般的互联网公司往往会组建海量工程师组成的开发团队，花费数月时间进行打磨，但在 OpenAI 这种场合中，增加人力反而会无形生出沟通成本、任务切割和集成负担，显著拖慢开发速度。

OpenAI 为此决定组建一支只有 4 人的强力小队，他们从 10 月 8 日开始开发安卓版 Sora，11 月 5 日交付最终成果，全程用时 28 天，期间并没有使用什么“秘密模型”，而是 GPT-5.1-Codex 的早期版本，整个应用代码的 85% 由 Codex 编写，实现了 99.9% 的版本稳定率。

据介绍，Codex 更像是一名刚入职的高级工程师，能够将开发者的更多时间用于指挥和代码审查，不必亲自敲每一行代码。

不过，Codex 并不擅长自行推断未被明确告知的信息，如开发者偏好的架构模式、产品策略、真实用户行为等，并且这名虚拟工程师无法感受应用的实际运行状况，最终只能由真人来进行调试，告诉 AI 滑动是否顺滑、某个流程是否令人困惑。

同时与 Codex 的每一次新对话都像是重新做入职培训，你必须清晰地说出目标、约束条件以及“怎么做事”，这样 Codex 才能最高效地生成代码，而且它在深层架构推断方面也有局限，如果完全让它自己跑就会引入不必要的 ViewModel，或者把逻辑塞进本应属于 Repository 的 UI 层。

从这里可以看出，Codex 的本能是“让代码跑起来”，而非长期整洁性，为此 OpenAI 在整个代码库中大量使用 AGENT.md 文件，用于进行统一指导和实践，让 AI 始终遵循规范写代码。

优点方面，Codex 几乎熟悉所有主流编程语言，使得跨平台迁移变得异常轻松，而且对编写单元测试异常积极，尽管并非每个测试都很“深”，但广覆盖极大减少了回归问题，并且在 CI 失败时还可以直接把日志扔进 Prompt，让它自己给出修复方案。

所以我们可以得出结论：Codex 可以在明确边界的情况下实现高效工作，而人类工程师则可以专注于架构、体验、系统性决策，并负责监督最终质量。