OpenAI 优化 Codex 与 Work：靠缓存技术提升用户实际可用额度

用 AI 写代码或者处理复杂任务时，额度总是在不知不觉中被频繁的上下文传递消耗光。

OpenAI 工程师在连续产品更新的第 12 天宣布，团队针对 Codex 和 Work 推出了一系列效率优化，直接提升了用户的实际有效用量。

把算力省在底层细节里

这次优化并没有改动模型结构，而是从工程底层挖潜，主要靠三项改动。

首先是在多个子代理之间复用上下文，避免每个子步骤都重复搬运相同的信息。其次是延长了上下文的缓存时间，减少重复计算。最后是优化了请求路由逻辑，从而大幅提高缓存命中率。

据相关更新汇总，这一系列调整还伴随着对 Pro 订阅用户 GPT-6 Pro 体验的改善，用户更新应用即可体验到这些调整。

为什么重要

对于每天泡在 Codex 里写代码或依靠多智能体跑工作流的用户来说，这相当于在不涨价的前提下变相拿到了更多额度，用起来会更抗用。

我们认为 OpenAI 这一步走得很务实。多智能体系统在协同工作时，往往会因为各子模块各自为政而产生大量冗余的 token 浪费。

OpenAI 没有盲目去拼更大的上下文窗口，而是通过子代理上下文复用和路由缓存来抠效率。这种工程层面的查漏补缺，看起来比单纯堆算力更能解决复杂 Agent 落地的成本痛点。