چرا OpenAI در حال رقابت با Claude Code است؟

عنوان مقاله اصلی: درون مسابقه OpenAI برای رسیدن به Claude Code
نویسنده مقاله اصلی: مکسول زف، Wired
ترجمه: پگی، BlockBeats

یادداشت سردبیر: در چشم‌انداز به سرعت در حال تحول عوامل برنامه‌نویسی هوش مصنوعی، OpenAI که زمانی پیشتاز موج هوش مصنوعی تولیدی با ChatGPT بود، به طور غیرمنتظره‌ای به یک "دنبال‌کننده" در این مسابقه کلیدی تبدیل شده است. در تضاد شدید، Anthropic که توسط اعضای سابق OpenAI تأسیس شده است، به سرعت در جامعه توسعه‌دهندگان و بازارهای شرکتی با Claude Code محبوبیت پیدا کرده و به یکی از رهبران کلیدی در فضای ابزارهای برنامه‌نویسی هوش مصنوعی تبدیل شده است.

این مقاله، از طریق مصاحبه با مدیران، مهندسان و چندین توسعه‌دهنده OpenAI، فرآیند واقعی پشت این رقابت را فاش می‌کند: از روزهای اولیه که پروژه OpenAI Codex تقسیم شد، منابع به ChatGPT و مدل‌های چندرسانه‌ای منتقل شد، تا ادغام مجدد تیم داخلی و راه‌اندازی تسریع شده محصولات برنامه‌نویسی هوش مصنوعی، OpenAI در حال گذار از نظارت استراتژیک به جبران جامع است. به نوعی، این یک تأخیر در قابلیت‌های فنی نیست، بلکه ناهماهنگی در سرعت استراتژیک است: پیشرفت ChatGPT اولویت‌های شرکت را تغییر داد، همکاری با مایکروسافت نقشه راه محصول را محدود کرد، در حالی که Anthropic زودتر روی مسیر برنامه‌نویسی هوش مصنوعی شرط‌بندی کرده بود.

فراتر از این رقابت، مسائل عمیق‌تری به تدریج در حال ظهور هستند: با شروع به کار عوامل هوش مصنوعی در کارهای شناختی بیشتر، فرآیندهای توسعه نرم‌افزار و حتی خود کارهای دفتری ممکن است دوباره تعریف شوند.

مقاله اصلی به شرح زیر است:

مدیرعامل OpenAI، سم آلتمن، پاهایش را روی صندلی اداری استراحت می‌دهد و سرش را به عقب می‌کشد تا به سقف نگاه کند، گویی در حال تفکر درباره پاسخی است که هنوز شکل نگرفته است. به نوعی، این همچنین به محیط مربوط می‌شود.

دفتر مرکزی جدید OpenAI در Mission Bay، سان فرانسیسکو، یک ساختمان مدرن از شیشه و چوب روشن است که تقریباً شبیه به یک "معبد فناوری" به نظر می‌رسد. در قفسه نمایش پشت میز پذیرش، راهنماهایی درباره "عصرهای هوش مصنوعی" وجود دارد، گویی مسیری به سوی روشنگری فناوری را به تصویر می‌کشد. دیوار راه‌پله پر از پوسترهای مهم توسعه هوش مصنوعی است، که یکی از آن‌ها لحظه‌ای را ثبت می‌کند: هزاران بیننده به صورت زنده شاهد بودند که یک ماشین یک تیم برتر esports را در یک مسابقه "Dota 2" شکست داد. در راهروها، محققانی که هودی‌های با شعار تیم را به تن دارند، رفت و آمد می‌کنند که یکی از آن‌ها می‌گوید: "تحقیق خوب زمان می‌برد." البته، ایده‌آل این است که خیلی طولانی نباشد.

ما در یک اتاق کنفرانس بزرگ نشسته‌ایم. سوالی که من از آلتمن پرسیدم درباره انقلاب برنامه‌نویسی هوش مصنوعی در حال حاضر و اینکه چرا OpenAI به نظر نمی‌رسد که در این موج پیشرو باشد، بود.

امروز، میلیون‌ها مهندس نرم‌افزار شروع به واگذاری برخی از کارهای برنامه‌نویسی خود به هوش مصنوعی کرده‌اند و این باعث شده است که بسیاری در سیلیکون ولی برای اولین بار با واقعیتی روبرو شوند: اتوماسیون ممکن است به شغل‌های خودشان نیز برسد. بنابراین، عوامل کدنویسی به یکی از معدود موارد استفاده تبدیل شده‌اند که شرکت‌ها حاضرند برای هوش مصنوعی هزینه بیشتری پرداخت کنند. از نظر تئوری، چنین لحظه‌ای می‌تواند و باید "پیروزی" بعدی در پوستر راه‌پله OpenAI باشد. اما اکنون، نام برتر متعلق به آن‌ها نیست.

شرکت مورد نظر رقیبی به نام Anthropic دارد، شرکتی در زمینه هوش مصنوعی که توسط اعضای سابق OpenAI تأسیس شده است. با محصول عامل کدنویسی خود به نام Claude Code، Anthropic رشد انفجاری را تجربه کرده است. این شرکت در فوریه فاش کرد که این محصول تقریباً یک پنجم کسب‌وکارش را تشکیل می‌دهد که معادل درآمد سالانه بیش از ۲.۵ میلیارد دلار است. در مقابل، تا پایان ژانویه، محصول برنامه‌نویسی داخلی OpenAI، OpenAI Codex، درآمد سالانه‌ای کمی بالاتر از ۱ میلیارد دلار داشت، طبق منبعی آشنا با این موضوع.

سوال این است: چرا OpenAI در این رقابت برنامه‌نویسی هوش مصنوعی عقب مانده است؟

"ارزش اول بودن بسیار زیاد است،" سام آلتمن پس از لحظه‌ای تأمل گفت. "ما این را با ChatGPT تجربه کرده‌ایم."

با این حال، به نظر او، اکنون زمان آن است که OpenAI به طور کامل برنامه‌نویسی هوش مصنوعی را در آغوش بگیرد. او معتقد است که قابلیت‌های مدل موجود شرکت به اندازه کافی قوی هستند تا از عوامل کدنویسی بسیار پیچیده پشتیبانی کنند. البته، چنین قابلیت‌هایی تصادفی نیستند؛ این شرکت میلیاردها دلار در آموزش مدل برای این منظور سرمایه‌گذاری کرده است.

"این یک کسب‌وکار بزرگ خواهد بود،" آلتمن گفت. "نه تنها به خاطر ارزشی که خود به ارمغان می‌آورد بلکه به خاطر بهره‌وری کلی که برنامه‌نویسی می‌تواند آزاد کند." او برای لحظه‌ای مکث کرد و افزود: "من به ندرت از این اصطلاح به سادگی استفاده می‌کنم، اما فکر می‌کنم این احتمالاً یکی از آن بازارهایی است که به مقیاس تریلیون‌ها دلار می‌رسد."

علاوه بر این، او معتقد است که OpenAI Codex ممکن است "محتمل‌ترین مسیر" برای دستیابی به هوش عمومی مصنوعی (AGI) باشد. بر اساس تعریف OpenAI، AGI یک سیستم هوش مصنوعی است که می‌تواند در بیشتر کارهای اقتصادی با ارزش، عملکرد انسان را پشت سر بگذارد.

سام آلتمن، مدیرعامل OpenAI. عکس: مارک جیسون کوئینس.

با این حال، با وجود ارزیابی مطمئن آلتمن به شیوه‌ای آرام، واقعیت درون شرکت در چند سال گذشته بسیار پیچیده‌تر بوده است. برای درک داستان داخلی کامل‌تر، من با بیش از 30 منبع مصاحبه کردم، از جمله مدیران و کارمندان فعلی OpenAI که با تأیید شرکت مصاحبه شده‌اند، و همچنین برخی از کارمندان سابق که بینش‌هایی درباره عملیات داخلی شرکت به شرط ناشناس ماندن ارائه دادند. ترکیب این روایت‌ها یک وضعیت غیرمعمول را نشان می‌دهد: OpenAI در تلاش است تا به عقب‌ماندگی خود جبران کند.

بیایید به سال 2021 برگردیم. در آن زمان، آلتمن و دیگر مدیران OpenAI خبرنگار WIRED، استیون لووی، را به دفتر اولیه خود در منطقه میسیون سان فرانسیسکو دعوت کردند تا یک دمو از فناوری جدید را تماشا کنند. این پروژه‌ای بود که از GPT-3 مشتق شده و با استفاده از مقدار زیادی کد منبع باز از GitHub آموزش دیده بود.

در طول دمو در محل، مدیران نشان دادند که چگونه این ابزار، به نام OpenAI Codex، می‌تواند دستورات زبان طبیعی را دریافت کرده و قطعات ساده‌ای از کد تولید کند.

"این واقعاً می‌تواند برای شما در دنیای کامپیوتر اقداماتی انجام دهد،" در آن زمان گرگ بروکمن، رئیس و هم‌بنیان‌گذار OpenAI توضیح داد. "آنچه شما دارید یک سیستم است که می‌تواند واقعاً دستورات را اجرا کند." حتی در آن زمان، محققان OpenAI به طور گسترده‌ای معتقد بودند که Codex به یک فناوری کلیدی برای ساخت یک "دستیار فوق‌العاده" تبدیل خواهد شد.

در آن دوره، برنامه‌های آلتمن و بروکمن تقریباً به طور کامل با جلسات با مایکروسافت پر شده بود - غول نرم‌افزاری که بزرگ‌ترین سرمایه‌گذار OpenAI است. مایکروسافت برنامه‌ریزی کرده بود تا از Codex برای ارائه پشتیبانی فنی برای یکی از اولین محصولات تجاری هوش مصنوعی خود استفاده کند: ابزاری برای تکمیل کد به نام GitHub Copilot که می‌توانست به طور مستقیم در محیط‌های توسعه روزمره توسعه‌دهندگان گنجانده شود.

یک کارمند اولیه OpenAI به یاد آورد که در آن مرحله، Codex "در واقع فقط می‌توانست تکمیل خودکار انجام دهد." اما مدیران مایکروسافت هنوز آن را به عنوان یک سیگنال مهم از ورود عصر هوش مصنوعی می‌دیدند.

در ژوئن 2022، زمانی که GitHub Copilot به طور رسمی منتشر شد، در عرض چند ماه کوتاه، صدها هزار کاربر را جذب کرد.

گرگ بروکمن، رئیس OpenAI. عکس: مارک جیسون کوئینس.

تیم اصلی OpenAI که مسئول Codex بود، بعداً به پروژه‌های دیگر منتقل شد. یک کارمند سابق به یاد آورد که دلیل شرکت در آن زمان این بود که مدل‌های آینده به طور ذاتی قابلیت‌های برنامه‌نویسی خواهند داشت، بنابراین نیازی به حفظ یک تیم پروژه Codex مستقل در درازمدت نبود. برخی از مهندسان به منظور کمک به توسعه DALL-E 2 منتقل شدند، در حالی که دیگران به آموزش GPT-4 پرداختند. این به عنوان یک مسیر کلیدی برای نزدیک‌تر کردن OpenAI به AGI دیده می‌شد.

در نتیجه، در نوامبر 2022، ChatGPT راه‌اندازی شد و در عرض دو ماه بیش از 100 میلیون کاربر جذب کرد. تقریباً تمام پروژه‌های دیگر درون شرکت به همین دلیل متوقف شدند. در سال‌های بعد، OpenAI به طور مؤثر تیمی اختصاصی برای کار بر روی محصولات برنامه‌نویسی هوش مصنوعی نداشت. یک عضو سابق که در پروژه Codex درگیر بود، بیان کرد که پس از موفقیت ChatGPT، برنامه‌نویسی هوش مصنوعی دیگر به نظر نمی‌رسید که در کانون توجه استراتژیک جدید "محصولات مصرف‌کننده اول" شرکت قرار داشته باشد. در همین حال، صنعت این حوزه را عمدتاً "پوشش داده شده" توسط GitHub Copilot می‌دانست، که اساساً قلمرو مایکروسافت بود. OpenAI عمدتاً پشتیبانی از مدل‌های بنیادی را ارائه می‌داد.

بنابراین، در سال‌های 2023 و 2024، منابع OpenAI بیشتر به سمت مدل‌های هوش مصنوعی چندرسانه‌ای و عوامل هوشمند هدایت شد. این سیستم‌ها برای درک متن، تصاویر، ویدیوها و صدا به طور همزمان طراحی شده بودند و مانند انسان‌ها با ماوس و کیبورد تعامل می‌کردند. این جهت‌گیری به نظر می‌رسید که با روندهای صنعتی در آن زمان بیشتر هم‌راستا باشد: مدل‌های تولید تصویر Midjourney به سرعت در رسانه‌های اجتماعی محبوبیت پیدا کردند و صنعت به طور گسترده‌ای بر این باور بود که مدل‌های زبانی بزرگ باید قادر به "دیدن" و "شنیدن" جهان باشند تا واقعاً به سطوح بالاتری از هوش پیشرفت کنند.

در مقابل، Anthropic مسیر متفاوتی را انتخاب کرد. در حالی که شرکت همچنین در حال توسعه چت‌بات‌ها و مدل‌های چندرسانه‌ای بود، به نظر می‌رسید که پتانسیل توانایی برنامه‌نویسی را زودتر شناسایی کرده است. در یک پادکست اخیر، بروکمن همچنین اذعان کرد که آنتروپیک از مراحل اولیه به "توانایی برنامه‌نویسی" به شدت متمرکز بوده است. او اشاره کرد که آنتروپیک نه تنها از سوالات پیچیده برنامه‌نویسی از مسابقات دانشگاهی در هنگام آموزش مدل‌ها استفاده کرده است، بلکه مقدار قابل توجهی از مسائل "نامنظم" کد از مخازن واقعی کد را نیز ادغام کرده است.

بروکمن گفت: "این یک درس بود که ما فقط بعداً متوجه شدیم."

در اوایل سال 2024، آنتروپیک شروع به استفاده از داده‌های مخزن کد واقعی برای آموزش کلاود 3.5 سونات کرد. زمانی که این مدل در ژوئن منتشر شد، بسیاری از کاربران از توانایی‌های برنامه‌نویسی آن تحت تأثیر قرار گرفتند.

این روند به‌ویژه در یک شرکت استارتاپی به نام کُرسور مشهود بود. این شرکت که توسط گروهی از جوانان در دهه بیست سالگی تأسیس شده بود، ابزاری برای برنامه‌نویسی هوش مصنوعی توسعه داد که به توسعه‌دهندگان اجازه می‌دهد نیازها را به زبان طبیعی توصیف کنند و هوش مصنوعی به‌طور مستقیم کد را تغییر دهد. پس از اینکه کُرسور مدل جدید آنتروپیک را ادغام کرد، پایگاه کاربری آن به سرعت رشد کرد، منبعی نزدیک به شرکت فاش کرد.

ماه‌ها بعد، آنتروپیک شروع به آزمایش داخلی محصول عامل برنامه‌نویسی خود، کلاود کد کرد.

با ادامه افزایش محبوبیت کُرسور، اوپن‌ای آی یک تلاش کوتاه برای خرید این استارتاپ انجام داد. با این حال، به گفته چندین منبع نزدیک به شرکت، تیم بنیان‌گذار کُرسور پیشنهاد را قبل از اینکه مذاکرات بیشتر پیش برود، رد کرد. باور به پتانسیل قابل توجه صنعت برنامه‌نویسی هوش مصنوعی، آنها خواستند مستقل بمانند و توسعه خود را ادامه دهند.

آندری میشننکو، رئیس تحقیقات کدکس اوپن‌ای آی. عکس از: مارک جیسون کوئینس.

در آن زمان، اوپن‌ای آی در حال آموزش اولین مدل به اصطلاح "استدلالی" خود، اوپن‌ای آی o1 بود. این مدل‌ها می‌توانند به طور تکراری از طریق یک مشکل استدلال کنند قبل از اینکه پاسخی ارائه دهند. پس از انتشار، اوپن‌ای آی اعلام کرد که این مدل به‌ویژه در "تولید و اشکال‌زدایی دقیق کدهای پیچیده" برتر است.

میشننکو توضیح داد که یک دلیل کلیدی که چرا مدل‌های هوش مصنوعی در توانایی برنامه‌نویسی پیشرفت قابل توجهی داشته‌اند این است که برنامه‌نویسی یک "وظیفه قابل تأیید" است. کد یا اجرا می‌شود یا نمی‌شود و بازخورد بسیار واضحی به مدل ارائه می‌دهد. به محض وقوع یک خطا، سیستم می‌تواند به سرعت مشکل را شناسایی کند. OpenAI از این حلقه بازخورد برای آموزش مداوم o1 بر روی مسائل پیچیده برنامه‌نویسی استفاده کرد.

"بدون توانایی کاوش آزادانه در کد، ایجاد تغییرات و آزمایش نتایج خود - که همه بخشی از قابلیت 'استدلال' است - عوامل برنامه‌نویسی امروز نمی‌توانستند به سطح کنونی خود برسند،" او گفت.

تا دسامبر 2024، چندین تیم کوچک درون OpenAI شروع به تمرکز بر روی عوامل برنامه‌نویسی AI به صورت داخلی کردند. یکی از این تیم‌ها به‌طور مشترک توسط میشننکو و تیبولت سوتیو رهبری می‌شد. سوتیو، که قبلاً در گوگل دیپ‌مایند بود، اکنون رئیس کدکس در OpenAI است.

در ابتدا، علاقه آنها به عامل برنامه‌نویسی عمدتاً ناشی از نیازهای داخلی تحقیق و توسعه بود، با هدف استفاده از AI برای خودکارسازی مقدار زیادی از کارهای تکراری مهندسی، مانند مدیریت وظایف آموزش مدل، نظارت بر وضعیت عملیات خوشه GPU و غیره.

تلاش موازی دیگری توسط الکساندر امبیرکوس رهبری می‌شد. او قبلاً مسئول پروژه عامل چندرسانه‌ای OpenAI بود و اکنون به عنوان رهبر محصول کدکس خدمت می‌کند. امبیرکوس یک پروژه نمایشی به نام جم توسعه داده بود که به سرعت در سرتاسر شرکت گسترش یافت.

تیبولت سوتیو، رئیس کدکس OpenAI. عکس: مارک جیسون کوئینس.

برخلاف کنترل یک کامپیوتر از طریق ماوس و کیبورد، جم می‌تواند به طور مستقیم به خط فرمان کامپیوتر دسترسی پیدا کند. دموی کدکس 2021 تنها نشان‌دهنده تولید کد توسط AI برای اجرای دستی انسان‌ها بود، بر خلاف نسخه امبیرکوس که می‌توانست این کد را به‌طور خودکار اجرا کند. او به یاد می‌آورد که در حال تماشای یک رکورد زمان واقعی از اقدامات جم بود که در حال تازه‌سازی و به‌روزرسانی بر روی صفحه لپ‌تاپش بود و تقریباً شگفت‌زده شده بود.

"مدتی فکر می‌کردم که تعامل چندرسانه‌ای ممکن است راهی برای دستیابی به مأموریت ما باشد. برای مثال، انسان‌ها تمام روز با AI صفحه‌نمایش‌ها را به اشتراک می‌گذارند و با هم کار می‌کنند،" امبیرکوس گفت، "سپس ناگهان بسیار واضح شد: شاید اجازه دادن به مدل‌ها برای دسترسی برنامه‌نویسی مستقیم به کامپیوترها، راه واقعی برای دستیابی به این هدف باشد."

این پروژه‌های پراکنده چندین ماه طول کشید تا به تدریج در یک جهت یکپارچه شوند. تا اوایل 2025، زمانی که OpenAI آموزش بر روی OpenAI o3 را به پایان رساند، مدلی که برای وظایف برنامه‌نویسی بیشتر بهینه شده بود نسبت به OpenAI o1، شرکت در نهایت پایه‌گذاری فناوری لازم برای ساخت یک محصول واقعی برنامه‌نویسی AI را داشت. با این حال، به طور همزمان، کلاود کد آنتروپیک برای انتشار عمومی آماده بود.

قبل از انتشار کلاود کد (که در فوریه 2025 به عنوان "پیش‌نمایش تحقیقاتی محدود" راه‌اندازی شد و در مه به‌طور کامل راه‌اندازی شد)، مدل اصلی در زمینه برنامه‌نویسی AI هنوز "کدگذاری ویبی" نامیده می‌شد. توسعه‌دهندگان پیشرفت پروژه را از طریق ابزارهای کمک‌دار AI پیش بردند، با انسان‌ها در کنترل جهت در حالی که AI پیاده‌سازی‌های خاص را در طول مسیر تکمیل می‌کرد. این ابزارها قبلاً میلیاردها دلار سرمایه‌گذاری را جذب کرده بودند.

اما محصول جدید آنتروپیک این پارادایم را تغییر داد. مانند دمو جام، کلاود کد می‌توانست مستقیماً از طریق خط فرمان کامپیوتر اجرا شود، به این معنی که می‌توانست به تمام فایل‌ها و برنامه‌های توسعه‌دهندگان دسترسی پیدا کند. برنامه‌نویسی دیگر فقط "با کمک هوش مصنوعی" نبود؛ بلکه توسعه‌دهندگان می‌توانستند کل کار را به طور مستقیم به عامل هوش مصنوعی بسپارند.

با مواجهه با این تغییر، OpenAI شروع به تسریع در انتشار محصولات رقیب کرد. سوتیو یادآوری کرد که در مارس 2025، او یک "تیم سرعتی" تشکیل داد که وظیفه‌اش ادغام چندین تیم داخلی درون شرکت در عرض چند هفته برای راه‌اندازی سریع یک محصول برنامه‌نویسی هوش مصنوعی بود.

در همین حال، آلتمن همچنین سعی کرد از طریق خرید، یک "میانبر" بزند و 3 میلیارد دلار برای خرید استارتاپ برنامه‌نویسی هوش مصنوعی ویندسرف پیشنهاد داد. رهبری OpenAI معتقد بود که این معامله می‌تواند یک محصول برنامه‌نویسی هوش مصنوعی بالغ، یک تیم با تجربه و یک پایگاه مشتری شرکتی موجود را به شرکت بیاورد.

با این حال، این خرید بعداً متوقف شد. به گفته وال استریت ژورنال، این مشکل با بزرگترین شریک OpenAI، مایکروسافت، به وجود آمد. مایکروسافت به دنبال دسترسی به حقوق مالکیت معنوی ویندسرف بود. از سال 2021، مایکروسافت از مدل‌های OpenAI برای پشتیبانی از GitHub Copilot استفاده کرده است، محصولی که به یک نقطه عطف در تماس‌های کنفرانس درآمد مایکروسافت تبدیل شده است. اما با انتشار عوامل جدید برنامه‌نویسی هوش مصنوعی مانند کاسر، ویندسرف و کلاود کد، GitHub Copilot شروع به به نظر رسیدن در نسل قبلی ابزارهای هوش مصنوعی کرد. اگر OpenAI بخواهد یک محصول برنامه‌نویسی جدید دیگر راه‌اندازی کند، ممکن است برای مایکروسافت خوب نباشد.

این مذاکره خرید در زمانی انجام شد که رابطه OpenAI با مایکروسافت در بدترین حالت خود بود. دو طرف در حال renegotiating توافق همکاری خود بودند، با OpenAI که به دنبال کاهش کنترل مایکروسافت بر محصولات هوش مصنوعی و منابع محاسباتی خود بود. در نهایت، خرید ویندسرف قربانی این بازی قدرت شد. تا ژوئیه، OpenAI این معامله را رها کرده بود. در پی آن، گوگل تیم بنیان‌گذار ویندسرف را استخدام کرد، در حالی که سایر کارکنان توسط یک شرکت برنامه‌نویسی هوش مصنوعی دیگر، Cognition، خریداری شدند.

آلتمن گفت: "من در آن زمان قطعاً امیدوار بودم که این معامله انجام شود، اما نه هر معامله‌ای در کنترل ماست." او اشاره کرد که اگرچه امیدوار بود که خرید Windsurf "تا حدی پیشرفت ما را تسریع کند،" او به همان اندازه تحت تأثیر شتاب تیم Codex قرار گرفت. در حالی که مذاکرات در حال انجام بود، Sottiaux و Embiricos به توسعه محصول و ارائه به‌روزرسانی‌ها ادامه دادند.

تا اوت، آلتمن تصمیم گرفت که تلاش‌ها را در همه زمینه‌ها افزایش دهد.

الکساندر امبیریکوس، رهبر محصول OpenAI Codex. عکس: مارک جیسون کوئینس.

روش مورد علاقه گرگ بروکمن برای اندازه‌گیری قابلیت‌های هوش مصنوعی از طریق بازی‌ای است که خودش طراحی کرده، "آزمون معکوس تورینگ." او چند سال پیش کد این بازی را خودش نوشت و اکنون وظیفه را به یک عامل هوش مصنوعی واگذار می‌کند تا از ابتدا دوباره پیاده‌سازی کند.

قوانین بازی ساده است: دو بازیکن انسانی در مقابل کامپیوترهای جداگانه نشسته‌اند و هر کدام دو پنجره چت را روی صفحه خود می‌بینند. یک پنجره به یک بازیکن انسانی دیگر متصل است، در حالی که پنجره دیگر به یک هوش مصنوعی متصل است. بازیکنان باید حدس بزنند کدام پنجره هوش مصنوعی است و سعی کنند حریف خود را متقاعد کنند که خودشان هوش مصنوعی هستند.

بروکمن گفت که برای بیشتر سال گذشته، قدرتمندترین مدل‌های OpenAI برای راه‌اندازی چنین بازی‌ای ساعت‌ها زمان می‌برد و نیاز به دستورالعمل‌ها و کمک‌های انسانی زیادی داشت. با این حال، تا دسامبر سال گذشته، Codex قادر بود نسخه‌ای کاملاً قابل بازی را به‌طور مستقیم از طریق یک درخواست خوب طراحی شده تولید کند، که توسط مدل جدید GPT-5.2 قدرت می‌گرفت.

این تغییر تنها توسط بروکمن نادیده گرفته نشده است. توسعه‌دهندگان در سرتاسر جهان نیز شروع به درک این موضوع کرده‌اند که قابلیت‌های عوامل برنامه‌نویسی هوش مصنوعی به طور ناگهانی شاهد یک جهش قابل توجه بوده است. بحث‌ها در مورد برنامه‌نویسی هوش مصنوعی، که در ابتدا بر روی Claude Code متمرکز بود، به سرعت به توجه رسانه‌های اصلی خارج از دایره فناوری سیلیکون ولی جلب شد.

حتی برخی از کاربران عادی غیر برنامه‌نویس نیز شروع به استفاده از هوش مصنوعی برای ایجاد مستقیم پروژه‌های نرم‌افزاری خود کرده‌اند.

این افزایش در استفاده تصادفی نیست. در این زمان، هم Anthropic و هم OpenAI به شدت سرمایه‌گذاری کرده‌اند تا کاربران بیشتری از عوامل برنامه‌نویسی هوش مصنوعی را جذب کنند. چندین توسعه‌دهنده به WIRED گفتند که برنامه‌های اشتراک Codex یا Claude Code به قیمت 200 دلار در ماه در واقع بیش از 1000 دلار اعتبار استفاده ارائه می‌دهند. این محدودیت "سخاوتمندانه" اساساً یک استراتژی بازار است: ابتدا، توسعه‌دهندگان را به استفاده از ابزارهای برنامه‌نویسی هوش مصنوعی در کار روزمره خود عادت دهید و سپس بر اساس استفاده در محیط‌های شرکتی هزینه بگیرید.

بر اساس چندین منبع، تا سپتامبر 2025، استفاده از Codex تنها حدود 5٪ از استفاده Claude Code بود. تا ژانویه ۲۰۲۶، تعداد کاربران کدکس به حدود ۴۰٪ از کد کلود افزایش یافته بود.

توسعه‌دهنده جورج پیکت، که به مدت ۱۰ سال در یک استارتاپ فناوری کار کرده است، به تازگی حتی شروع به سازماندهی ملاقات‌های آفلاین با موضوع کدکس کرده است.

«به نظر من کاملاً واضح است که ما در حال جایگزینی کارهای دفتری با عوامل هوش مصنوعی هستیم،» پیکت گفت، «در مورد اینکه این برای جامعه چه معنایی دارد، صادقانه هیچ‌کس نمی‌تواند به‌طور قطع بگوید. این قطعاً تأثیر زیادی خواهد داشت، اما من به‌طور کلی نسبت به آینده خوش‌بین هستم.»

در همین حال، سایمون لاست، یکی از بنیان‌گذاران شرکت نرم‌افزاری کارایی نوتیون، با ارزشی حدود ۱۱ میلیارد دلار، اعلام کرد که پس از انتشار GPT-5.2، او و تیم مهندسی اصلی شرکت به استفاده از کدکس به‌طور عمده به دلیل پایداری بهتر آن روی آورده‌اند.

«من متوجه شدم که کد کلود اغلب به من 'دروغ' می‌گوید،» لاست گفت، «این می‌گوید که کار در حال اجراست در حالی که واقعاً این‌طور نیست.»

کتی شی، پژوهشگر OpenAI. عکس: مارک جیسون کوئینس.

کتی شی در OpenAI، مسئول تحقیق در مورد رفتار مدل کدکس، گفت که در حالی که برخی سبک پیش‌فرض کدکس را به‌عنوان 'نان خشک' توصیف می‌کنند، روزبه‌روز بیشتر کاربران شروع به قدردانی از این سبک ارتباطی بی‌پرده می‌کنند. «بسیاری از کارهای مهندسی اساساً درباره توانایی دریافت بازخورد انتقادی بدون دیدن آن به‌عنوان توهین است،» او گفت.

در همین حال، برخی از شرکت‌های بزرگ نیز شروع به پذیرش کدکس کرده‌اند. فیدجی سیمو، مدیرعامل بخش کسب‌وکارهای کاربردی OpenAI، گفت: «چت‌جی‌پی‌تی با هوش مصنوعی مترادف شده و به ما در بازار B2B مزیت بزرگی داده است. شرکت‌ها بیشتر تمایل دارند فناوری را به کار ببرند که کارکنان قبلاً با آن آشنا هستند.» او افزود که استراتژی اصلی OpenAI در فروش کدکس این است که آن را با چت‌جی‌پی‌تی و سایر محصولات OpenAI ترکیب کند.

رئیس و مدیر محصول سیسکو، جیتو پاتل، به کارکنان اعلام کرد که نیازی به نگرانی در مورد هزینه استفاده از کدکس نیست، زیرا کلید این است که هر چه سریع‌تر با این ابزار آشنا شوند. وقتی کارکنان نگرانی‌های خود را درباره «آیا استفاده از این ابزارها باعث از دست دادن شغل من می‌شود» ابراز می‌کنند، پاسخ پاتل این است: «نه. اما می‌توانم به شما تضمین کنم که اگر از آنها استفاده نکنید، شغل خود را از دست خواهید داد زیرا دیگر رقابتی نخواهید بود.»

امروز، نگرانی‌ها در مورد عوامل برنامه‌نویسی هوش مصنوعی به‌مراتب فراتر از دایره فناوری سیلیکون‌ولی رفته است. ماه گذشته، وال استریت ژورنال بخشی از فروش سهام فناوری یک تریلیون دلاری را به کد کلود نسبت داد و سرمایه‌گذاران نگران بودند که توسعه نرم‌افزار به زودی به‌طور گسترده‌ای توسط هوش مصنوعی جایگزین شود. هفته‌ها بعد، پس از اینکه آنتروپیک اعلام کرد که کد کلود می‌تواند برای بازسازی سیستم‌های قدیمی COBOL (که در ماشین‌های IBM بسیار رایج هستند) استفاده شود، IBM بدترین روز خود را در ۲۵ سال گذشته تجربه کرد.

در همین حال، OpenAI نیز در تلاش است تا عوامل برنامه‌نویسی هوش مصنوعی را به کانون بحث عمومی بیاورد. این شرکت حتی میلیون‌ها دلار برای پخش تبلیغی درباره کدکس OpenAI در طول سوپر باول هزینه کرد، به جای ترویج چت‌جی‌پی‌تی.

در داخل دفتر مرکزی OpenAI در میشن بی، تقریباً هیچ‌کس نیازی به قانع شدن برای استفاده از کدکس ندارد. بسیاری از مهندسانی که من با آنها مصاحبه کردم گفتند که این روزها به ندرت خودشان کد می‌نویسند و بیشتر وقت خود را صرف صحبت با کدکس می‌کنند. گاهی اوقات، آنها حتی "برنامه‌نویسی جفتی" می‌کنند.

در دفتر مرکزی، من در یک هکاتون کدکس شرکت کردم. حدود ۱۰۰ مهندس در یک اتاق بزرگ جمع شده بودند، هر کدام چهار ساعت وقت داشتند تا بهترین پروژه‌های ساخته شده با کدکس را به نمایش بگذارند. یک مدیر اجرایی OpenAI در جلو ایستاده بود، به لپ‌تاپ خود نگاه می‌کرد و نام تیم‌ها را از طریق میکروفن اعلام می‌کرد. نمایندگان تیم‌های عصبی به صحنه رفتند و پروژه‌های هوش مصنوعی خود را با صدای کمی لرزان ارائه کردند. برنده نهایی یک کوله‌پشتی پاتاگونیا به عنوان جایزه دریافت کرد.

بسیاری از پروژه‌ها هم با کدکس ساخته شده بودند و هم به مهندسان کمک می‌کردند تا بهتر از کدکس استفاده کنند. به عنوان مثال، یک تیم ابزاری را توسعه داد تا به طور خودکار پیام‌های Slack را به گزارش‌های هفتگی خلاصه کند؛ تیم دیگری یک راهنمای داخلی هوش مصنوعی مشابه ویکی‌پدیا ایجاد کرد تا خدمات مختلف داخلی OpenAI را توضیح دهد. در گذشته، چنین پروتوتایپ‌هایی اغلب روزها یا حتی هفته‌ها طول می‌کشیدند تا کامل شوند، اما اکنون، یک بعدازظهر کافی است.

وقتی که می‌رفتم، در درب با کوین وایل، مدیر سابق اینستاگرام که اکنون رهبری بخش "OpenAI برای علم" را بر عهده دارد، برخورد کردم. او به من گفت که کدکس در شب برای تکمیل برخی از وظایف پروژه‌اش کار می‌کند، که او صبح روز بعد آن را بررسی خواهد کرد. این ریتم کاری به نرمی به یک عادت روزانه برای او و صدها کارمند OpenAI تبدیل شده است. یکی از اهداف OpenAI برای سال ۲۰۲۶ توسعه یک "کارآموز خودکار" برای تحقیق در مورد هوش مصنوعی خود است.

سیمو تصور می‌کند که در آینده، کدکس نه تنها برای برنامه‌نویسی استفاده خواهد شد بلکه همچنین هدفش این است که به موتور اجرای وظایف برای ChatGPT و تمام محصولات OpenAI تبدیل شود و وظایف مختلف دنیای واقعی را برای کاربران انجام دهد. آلتمان همچنین تمایل شدیدی برای راه‌اندازی یک نسخه جهانی از کدکس ابراز کرد اما نگران خطرات امنیتی است.

او اشاره کرد که در اواخر ژانویه ۲۰۲۶، دوستی بدون پیشینه فنی از او خواسته بود تا به نصب یک عامل برنامه‌نویسی هوش مصنوعی به نام OpenClaw کمک کند که در حال حاضر در حال ترند بود. آلتمان درخواست را رد کرد زیرا به نظر او، "این هنوز ایده خوبی نبود،" زیرا OpenClaw ممکن است به طور تصادفی فایل‌های مهم را حذف کند.

به طرز عجیبی، چند هفته بعد، OpenAI اعلام کرد که آنها توسعه‌دهنده OpenClaw را استخدام کرده‌اند.

بسیاری از توسعه‌دهندگان به من گفته‌اند که رقابت بین کدکس و کد کلود هرگز به این شدت نبوده است. اما با ادامه بهبود این ابزارها و ادغام بیشتر آنها در جریان‌های کاری شرکتی، سوالات اجتماعی دیگر فقط در مورد "کدام ابزار کدنویسی هوش مصنوعی را استفاده کنیم" نیست.

آملیا گلیس، معاون تحقیق و رهبری هم‌راستایی OpenAI. عکس: مارک جیسون کوئینس.

برخی ناظران نگران هستند که در رقابت برای رسیدن به کلاود کد، OpenAI ممکن است مسائل امنیتی را نادیده بگیرد. یک سازمان غیرانتفاعی به نام پروژه میداس، OpenAI را متهم کرده است که در زمان انتشار GPT-5.3-Codex، تعهدات امنیتی خود را تضعیف کرده و نتوانسته است به طور کامل خطرات بالقوه سایبری مدل را افشا کند.

در پاسخ، گلیس تأکید کرد که OpenAI در پیشرفت کدکس امنیت را قربانی نکرده و این شرکت همچنین اعلام کرد که پروژه میداس تعهدات امنیتی آن را به درستی درک نکرده است.

حتی گرگ بروکمن، یکی از بنیان‌گذاران OpenAI که سال گذشته ۲۵ میلیون دلار به یک PAC دوستانه با هوش مصنوعی و یک سازمان حامی دونالد ترامپ اهدا کرد و هنوز با خوشبینی اعلام کرد "ما در مسیر AGI هستیم،" احساسات مختلطی درباره این واقعیت جدید دارد.

در میان دایره مهندسان سیلیکون ولی، بروکمن همیشه به خاطر سبک مدیریت "عمیقاً درگیر" خود شناخته شده است: نوع رئیسی که شب قبل از راه‌اندازی یک محصول هنوز در حال بررسی کد است. تا حدی، این رویکرد "دست‌کم" اکنون او را راحت‌تر می‌کند. "شما متوجه می‌شوید که مغزتان در گذشته توسط جزئیات غیرضروری اشغال شده بود،" او می‌گوید.

با این حال، در عین حال، وقتی شما "مدیرعامل صدها هزار عامل هوش مصنوعی" می‌شوید و اجازه می‌دهید این سیستم‌ها اهداف و دیدگاه شما را اجرا کنند، دیگر سخت است که به جزئیات هر حل مسئله بپردازید.

"به نوعی، این احساس را به شما می‌دهد که در حال از دست دادن 'پالس' خود مشکل هستید،" بروکمن می‌گوید.

[لینک مقاله اصلی]