过去一年，AI社区讨论智能体时，习惯性先比较模型：谁的推理更强，谁的代码能力更好，谁的价格更低。然而，OpenAI Codex和DeepSeek DSH的接连亮相，却把竞争焦点拉到了另一个维度——模型之外的执行层。
一、为什么智能体竞争转向执行层？
一个智能体要真正完成复杂任务，仅靠聪明的大脑远远不够。模型负责产生智能，但智能如何转化为可持续、可控制的行动，依赖的是执行环境（Harness）。这个环境需要管理工具调用、状态持久化、错误恢复、权限控制，甚至处理与外部系统的每一次交互。而业务应用则决定了这套系统究竟解决什么问题。
过去，模型能力差距大，大家自然盯着参数和分数。如今头部模型在通用任务上的表现逐渐趋同，落地瓶颈转移到工程化环节——如何让模型稳定地调用工具、不出错、可审计。这正是执行层爆发的根本原因。
OpenAI和DeepSeek几乎同时意识到这一点。它们没有继续在模型参数上打价格战，而是把手伸向了同一层：Agent的执行环境。这并非巧合，而是行业发展到一定阶段的必然选择。
二、Codex与DSH：同一条赛道，两种打法
虽然都瞄准执行层，Codex和DSH的路线却各有侧重。OpenAI发布的Codex并非一个更强大的命令行工具，而是一套托管式的Agent执行环境。它运行在云端沙箱中，与ChatGPT、IDE深度集成，开发者可以通过自然语言描述任务，由Codex自动完成代码编写、命令执行、文件操作等流程。这种模式降低了使用门槛，但所有状态和逻辑都留在OpenAI的生态里。
DeepSeek开源的DSH则走了另一条路。它是一个轻量级的Harness，强调透明、可控、可本地部署。开发者可以清楚地看到智能体每一步的决策依据，也可以将DSH嵌入自己的业务流程中，不受特定云平台的约束。对于注重数据隐私和定制化的企业来说，这种开放性更具吸引力。
有意思的是，两者路线相同，却不是同一个东西。Codex更像一个“智能体操作系统”的托管服务，而DSH更像一套“智能体开发框架”。OpenAI押注的是生态锁定和体验一致性，DeepSeek押注的是开源社区和自主可控。这背后是两种截然不同的商业哲学：一个想做平台，一个想做基础设施。
三、开放Harness，真正改变的是什么？
开放执行层的意义，远不止多了一个工具。它改变了Agent的开发范式——从“提示词工程”转向“流程编排”。过去开发者花大量时间设计提示词，试图让模型输出正确结果；现在开发者可以定义工具集、权限边界、审批流程，让模型在明确的约束下自主行动。这就像从“请一个聪明实习生”变成“给实习生一套标准作业程序”。
对企业而言，执行层的开放意味着可治理。一个可审计、可回滚、可监控的Harness，远比一个黑盒模型更容易通过合规审查。当智能体开始处理真实业务，比如财务对账、客户回复、代码发布，任何不可控的行为都可能造成损失。因此，执行层的稳定性、安全性和可解释性，将成为企业选型的关键指标。
从行业格局看，这轮竞争可能重新洗牌。模型能力固然重要，但一旦执行层成为入口，掌握开发者生态和行业解决方案的公司将获得更大话语权。OpenAI的Codex依托其强大的模型和云服务，DeepSeek的DSH则依靠开源力量快速渗透，未来还可能有更多玩家入场。可以预见，下一轮AI竞赛的主战场，将在模型之外。
结语：模型负责智能，但智能能否变成可靠的生产力，取决于执行层。Codex与DSH的正面交锋，只是这场争夺战的开始。