[AINews] Codex usage up >10x in 6 months to 7M users, +1M in the past ~day; did Codex overtake Claude Code?? [AI新闻] Codex使用量在6个月内增长超过10倍至700万用户，过去约一天新增100万用户；Codex是否超越了Claude Code？

TL;DR

• Prime Intellect发布Verifiers v1，通过消息DAG存储将轨迹增长复杂度从O(n²)降至O(n)，显著提升长视界多模态Rollout效率。
• 编码Agent领域竞争焦点从模型质量转向Harness/编排器设计，“Harness即应用”成为共识，任务专用型Harness更具优势。
• 评估基准从Token价格转向“单任务成本”，通过智能委派减少昂贵模型的无效操作，可实现更低成本与高性能的平衡。
• OpenAI Codex用户规模在半年内实现约10倍增长，显示AI编程助手市场仍在快速扩张，尽管Claude Code等竞品保持沉默。

为什么值得看

本文揭示了AI Agent基础设施的关键技术突破及商业逻辑的转变，指出单纯追求模型参数规模已不足以构建竞争优势，高效的执行环境和成本控制策略才是落地关键。对于从业者而言，理解Harness设计和成本效益分析是开发下一代Agent产品的核心能力。

技术解析

• Prime Intellect Verifiers v1架构：重新设计了Agent RL和评估的环境栈，将环境抽象为任务集(taskset)、Harness和运行时(runtime)。核心创新在于使用消息DAG存储Rollout轨迹，避免重复复制完整历史，使存储复杂度从O(n²)优化至O(n)，支持更高效的长视界多模态回放。
• 训练效率与生态集成：团队声称在6个H200节点上，仅用不到2天时间完成了100B推理模型在40轮SWE Agent任务上的1000步RL训练。vLLM提供底层支持，确保推理与训练间的Token ID和Logprobs精确一致，避免分词漂移。
• Harness作为产品界面：行业观点认为Harness/编排器已成为决定Agent表现的关键。LangChain强调任务专用的Harness优于通用包装器，Factory提出“设计模式”UI交互，而Omarsar0提倡跨模型提供商切换以应对定价和政策风险。
• 成本效益新指标：Skirano构建的编码Agent指数显示，Terra Max在得分略高于Fable 5 Max的同时成本更低。Cognition报告Devin Fusion使用Fable 5后，因更强的委派和判断能力减少了不必要的代码编辑工作，其单任务成本甚至低于Opus 4.8。

行业启示

• 基础设施即护城河：随着基础模型能力的同质化，围绕模型的执行环境、数据流管理和评估框架（如Verifiers v1）将成为新的竞争壁垒，企业应加大对Agent基础设施现代化的投入。
• 从“算力消耗”到“智能决策”的成本重构：昂贵的模型并非总是更贵，关键在于其能否通过高质量推理避免冗余计算。产品设计应侧重于提升模型的规划与委派能力，以实现真正的成本优化。
• Harness专业化趋势：通用型AI工具的市场空间将被压缩，针对特定垂直场景（如特定代码库、特定UI交互）深度定制的Harness将更有可能获得用户青睐并实现商业化成功。