一场围绕“发动机舱”的开源对局
2026年8月的AI编程赛道，出现了一次耐人寻味的“跟牌”：8月13日，DeepSeek率先开源了名为Harness的框架；8月19日，OpenAI将驱动Codex的底层执行框架Codex Harness开源。时间线摆在一起，媒体普遍解读为OpenAI的回应。但OpenAI官方并未承认这一点，更像是在同一张牌桌上，把自家已经跑通的“发动机舱”拿出来亮了个相。
这里需要先厘清一个概念：Codex Harness不是模型本身，而是让模型能真正干活的执行骨架。如果把AI编程比作一支车队，模型是坐在驾驶座上的大脑，负责规划路线、判断下一步；Harness则是发动机舱、底盘和传动系统，负责把任务拆解成可执行的步骤，调度资源，失败时重试，管理权限，最后把结果送回系统。如果没有这套骨架，模型再强也只会停留在对话层面。
一个常被忽略的数据点更能说明问题：同一个模型，换一套Harness，基准测试成绩的差距可以接近3倍。这意味着，在AI编程这场竞赛里，“谁把发动机调校得好”和“谁的大脑更聪明”同样重要。很多团队只盯着模型参数，却低估了执行框架带来的性能杠杆。
开源的是外壳，不是大脑
OpenAI这次开源的，是Codex背后的Rust核心和app-server平台化、品牌化之后的产物。需要特别提醒的是，开源不等于把家底都交出来：GPT-5.6模型依然闭源，继续走API收费路线。外界如果误以为“OpenAI把模型也开源了”，那会错得离谱。
其实OpenAI在开源这件事上早有动作。早在2025年4月，openai/codex仓库就曾发布过命令行工具，这次只是把原先的工具进一步平台化、品牌化。换句话说，这次开源更像是一次产品化梳理，而不是从零开始的技术开放。
为什么开源“外壳”而不是“大脑”？商业逻辑并不难懂：执行框架开源，可以吸引更多开发者围绕Codex生态搭建工具，扩大影响力；而核心模型作为最值钱的资产，必须留在API收费的围墙之内。开源是生态策略，闭源是商业底线，两者并不矛盾。
两份开源参考，正在改变AI工具的游戏规则
对普通用户来说，Harness听起来很遥远，但它其实无处不在。自动写周报的插件、智能客服、报税软件，这些日常AI工具的背后，大多跑着类似Harness的“发动机”。它们负责把用户的需求拆成子任务，调用模型，检查结果，再返回给用户。只是用户感知不到罢了。
当OpenAI和DeepSeek都把各自的Harness开源之后，最直接的变化是：开发者有了两份高质量参考实现，可以照着搭建自己的AI骨架。自研AI Agent的门槛被进一步拉低，竞争也会更激烈。对于国内开发者来说，这无疑是实打实的利好——不用再从零摸索调度、重试、权限这些工程细节。
更深远的影响在于，AI工具会因此变得更便宜、更隐形。当越来越多的人能基于开源框架搭建自己的AI工作流，AI就不再是某个大厂的独家卖点，而会像水电一样嵌入日常工作。厂商愿意公开发动机图纸，却不会交出大脑。这场牌局，开源的部分始终是骨架，而真正值钱的核心模型，依然被各家牢牢握在手中。开源与闭源之间的博弈，才刚刚进入下半场。