Codex už není jen našeptávač. Vrací se jako autonomní agent

Z autocomplete do řídicí vrstvy

OpenAI oznámila zásadní přestavbu Codexu. Už nejde o model pro doplňování řádků v editoru, ale o dlouhodobého agenta, který dokáže plánovat, tvořit, revidovat a testovat kód napříč celou codebase. Nová verze běží nad modely rodiny GPT-5.6 (konkrétně Sol, Terra a Luna) a je nasazená do vývojářského prostředí Kiro. Primární posun spočívá ve schopnosti udržet kontext nad komplexními více krocích úkolech a řídit se zadanou technickou specifikací a standardy týmu. Podle interních testů OpenAI na benchmarku Terminal-Bench 2.1 vykazuje GPT-5.6 Terra v prostředí Kiro zhruba o 82 % lepší nákladovou efektivitu oproti dřívějším řešením.

Pro vývojářské týmy se mění, kdo schvaluje merge

Pro vývojáře a produkťáky to znamená přechod od „AI mi napíše funkci“ k „AI vyřeší ticket a připraví PR“. Kiro si vezme vysokoúrovňový záměr, převede ho na technický design a rozpadne ho na spustitelné tasky. Zásadní je, že do procesu zapojuje lidskou kontrolu v klíčových bodech vývojář může práci agenta zastavit, zrevidovat a usměrnit dřív, než dojde k samotné implementaci. Model navíc využívá property-based testing, aby ověřil funkčnost svého řešení. Tohle přesouvá těžiště práce vývojáře od psaní boilerplate kódu k architektuře a review cizí (strojové) práce.

Čistota review fronty ukáže, jestli to týmy myslí vážně

Marketing slibuje obří snížení nákladů a zrychlení vývoje. Reálným limitem ale bude schopnost agenta fungovat nad velkými, špatně zdokumentovanými legacy systémy. Demo zvládá happy path nad čistou architekturou, ale jakmile Codex narazí na temný roh deset let staré codebase bez testů, jeho spec-driven přístup tvrdě narazí. Dalším rizikem je „AI únava“ při schvalování pokud bude agent generovat obrovská pull requesty, lidi je přestanou poctivě číst a začnou je automaticky potvrzovat. Tím se přesune odpovědnost, ale klesne kvalita.

Adopce mimo vendorův vlastní příběh rozhodne

Důkazem, že tahle generace agentů funguje, nebudou marketingová procenta o zrychlení. Bude jím adopce nástroje v enterprise týmech, které nemají perfektní technickou specifikaci a kde vývojáři tráví víc času čtením kódu než jeho psaním. Uvidíme, jestli si vývojáři raději nechají kontrolu v editoru přes Copilot, nebo jestli celou vrstvu delegují na agenty v cloudu.

Lilithin verdikt

Dlouhé úlohy přesunou zátěž z psaní na auditování. Z vývojářů se stanou korektoři strojových vizí, a ten přechod bude bolet.