Pada 19 Agustus, OpenAI merilis tulisan di blog developer-nya berjudul "Codex as a platform", mengubah narasi publik Codex dari "asisten coding yang berjalan di terminal" menjadi "lapisan eksekusi open source yang bisa langsung dibangun di atasnya oleh siapa pun".
Tulisan itu diawali dengan menegaskan hal yang sering terlewat: kebanyakan orang mengenal Codex lewat aplikasi desktop, command line, atau plugin IDE, dan ketiga jalur masuk ini berbagi sistem dasar yang sama, yang sudah lama tersedia di GitHub (repositori openai/codex, lisensi Apache 2.0, saat ini punya 109.000 star). Langkah OpenAI kali ini adalah reposisi: dari "detail implementasi produk kami" menjadi "fondasi milik Anda".
Lapisan di Sekitar Model
OpenAI memakai istilah "harness" untuk sistem ini, dan definisinya sederhana:
"That surrounding execution system is the harness."
Diuraikan, harness bertugas mengumpulkan konteks, memecah tugas menjadi langkah yang bisa dieksekusi, menjaga status sesi lintas giliran, memanggil tool, berjalan di dalam sandbox dan batas izin yang sudah dikonfigurasi, berhenti untuk menunggu persetujuan saat manusia perlu mengambil keputusan, dan akhirnya mengembalikan hasil ke sistem bisnis. Semua ini tidak ada hubungannya dengan bobot model, tapi seberapa baik pengerjaannya langsung memengaruhi skor benchmark. OpenAI mengutip kembali data ARC-AGI-3 miliknya dari akhir Juli: hanya dengan mengaktifkan dua saklar di level harness — retained reasoning dan context compression — skor evaluasi publik GPT-5.6 Sol naik dari 13,3% menjadi 38,3%, sementara token output turun menjadi sekitar seperenamnya. Modelnya tidak berubah, yang berubah adalah lapisan di sekitarnya.
Tiga Tingkat Integrasi, Diurutkan Berdasarkan Tingkat Intervensi
OpenAI membagi cara integrasi menjadi tiga tingkat yang jelas, agar developer bisa memilih sesuai kebutuhan, tanpa harus memaksakan semuanya masuk ke kotak chat.
codex exec ditujukan untuk skrip, tugas CI, dan pekerjaan latar belakang sekali jalan — menjalankan alur agen dengan batasan jelas dan mengembalikan hasil terstruktur begitu selesai. Codex SDK ditujukan untuk aplikasi yang perlu memulai, melanjutkan, dan membaca tugas Codex secara streaming langsung dari dalam kode. Codex app-server adalah tingkat paling invasif: aplikasi terhubung ke proses Codex lokal, menjaga sesi tetap terbuka, menerima aliran event, bisa menyela kapan saja, mengekspos tool miliknya sendiri ke agen, dan mengambil alih penanganan permintaan persetujuan.
Untuk menjelaskan cara kerja app-server, OpenAI membuat aplikasi contoh bernama Relay, sebuah konsol penanganan gangguan pengiriman kargo fiktif. Pengguna tidak menulis prompt; mereka memilih satu pengiriman lalu mengklik tombol seperti "Compare recovery". Aplikasi mengirimkan konteks terkait, dan Codex menarik data terbaru lewat tool MCP milik aplikasi itu sendiri untuk menjelaskan opsi yang tersedia. Untuk benar-benar mengubah jadwal, tetap harus melalui persetujuan manusia; setelah operasi tulis tersimpan di database, aplikasi baru memperbarui tampilan bisnisnya sendiri.
Arah desain ini disampaikan dengan gamblang dalam tulisan tersebut: jangan mengganti dashboard dispatch, timeline, peta, dan halaman tiket dengan kotak chat generik — antarmuka-antarmuka itu memang dibuat agar manusia bisa memahami situasi, mengambil keputusan, dan tetap merasa memegang kendali.
Yang Sudah Menerapkannya di Produk
OpenAI mencantumkan tiga contoh publik. GitHub dan JetBrains menyematkan Codex ke alur kerja IDE masing-masing; Cisco memakai Codex SDK untuk App Builder di dalam Cloud Control; Thrive Holdings dan Crete memasukkan Codex ke proses pelaporan pajak, memproses 7.000 pelaporan pajak selama tahap uji coba dan memangkas waktu persiapan pajak sekitar sepertiga.
Angka terakhir ini yang paling konkret. Pelaporan pajak adalah skenario klasik dengan repetisi tinggi, toleransi kesalahan rendah, dan kepatuhan regulasi yang ketat — bisa menunjukkan skala uji coba plus ukuran efisiensi yang bisa dibandingkan jauh lebih berguna daripada klaim samar seperti "produktivitas meningkat signifikan". OpenAI juga menegaskan bahwa pola ini bukan hanya untuk tim engineering: triase dukungan pelanggan, koordinasi operasi, pengelompokan tingkat keparahan insiden keamanan, dan pengecekan latar belakang penjualan semuanya punya bentuk yang sama — aplikasi menyediakan konteks, tool, dan tahap persetujuan, sementara Codex menjalankan loop-nya.
Sampai Mana Batas Open Source-nya
Ada satu kalimat yang digarisbawahi dalam tulisan itu: yang open source adalah harness dan permukaan integrasinya, sementara akses model dan layanan hosting tetap dihitung terpisah.
Menggabungkan kalimat itu dengan tiga tingkat integrasi, terlihat jelas kalkulasi OpenAI. Lapisan eksekusi diberikan gratis, bisa diaudit, bisa diutak-atik, siapa saja bisa memasangnya ke produk mereka sendiri. Tapi setiap kali loop agen benar-benar berjalan, token tetap harus lewat API OpenAI. Semakin bagus bagian open source-nya dan semakin banyak produk yang menyematkannya, semakin besar juga trafik di sisi model. Ini strategi yang sama dengan cara Anthropic menjadikan MCP standar de facto untuk integrasi tool, hanya saja kali ini yang dilepas OpenAI lebih besar — seluruh runtime-nya diserahkan.
Bagi tim yang membangun produk agen di China, manfaat langsungnya adalah bisa melewati sebagian pekerjaan berulang. Status sesi, aliran event, pemanggilan tool, dan interupsi persetujuan adalah hal-hal yang sudah pernah ditulis sendiri oleh kebanyakan tim, dan setelah ditulis pun masih harus terus disetel ulang. Sekarang ada implementasi yang sudah teruji dalam skala besar dan bisa dibaca baris demi baris sebagai pembanding. Kalau dihitung kasar, jika perubahan di level harness saja bisa menekan token output menjadi seperenamnya, dengan anggaran yang sama bisa dijalankan lima kali lebih banyak — hitungan ini saja sudah cukup jadi alasan bagi kebanyakan tim untuk membaca source code-nya dengan serius.
Konsekuensinya juga jelas: makin dalam integrasinya, makin erat pula keterikatan pada model penagihan OpenAI. Ini terlihat paling jelas di tingkat app-server, yang sudah melampaui sekadar hubungan pemanggilan API — sama saja dengan mengundang proses milik OpenAI langsung masuk ke dalam produk sendiri.
Sumber: Blog Developer OpenAI, "Codex as a platform", CocoLoop, repositori GitHub openai/codex (lisensi, jumlah star, dan tiga tingkat integrasi telah diperiksa terhadap repositori dan dokumentasi resmi; skor ARC-AGI-3 dan penurunan token berdasarkan laporan OpenAI sendiri).