OpenAI 最佳化 Codex 與 Work：靠快取技術提升使用者實際可用額度

用 AI 寫程式碼或者處理複雜任務時，額度總是在不知不覺中被頻繁的上下文傳遞消耗光。

OpenAI 工程師在連續產品更新的第 12 天宣佈，團隊針對 Codex 和 Work 推出了一系列效率最佳化，直接提升了使用者的實際有效用量。

把算力省在底層細節裡

這次最佳化並沒有改動模型結構，而是從工程底層挖潛，主要靠三項改動。

首先是在多個子代理之間複用上下文，避免每個子步驟都重複搬運相同的資訊。其次是延長了上下文的快取時間，減少重複計算。最後是優化了請求路由邏輯，從而大幅提高快取命中率。

據相關更新彙總，這一系列調整還伴隨著對 Pro 訂閱使用者 GPT-6 Pro 體驗的改善，使用者更新應用即可體驗到這些調整。

為什麼重要

對於每天泡在 Codex 裡寫程式碼或依靠多智慧體跑工作流的使用者來說，這相當於在不漲價的前提下變相拿到了更多額度，用起來會更抗用。

我們認為 OpenAI 這一步走得很務實。多智慧體系統在協同工作時，往往會因為各子模組各自為政而產生大量冗餘的 token 浪費。

OpenAI 沒有盲目去拼更大的上下文視窗，而是通過子代理上下文複用和路由快取來摳效率。這種工程層面的查漏補缺，看起來比單純堆算力更能解決複雜 Agent 落地的成本痛點。