作者 | 高允毅 自 8 月 GPT-5 发布以来，Codex展现出惊人的爆发力，用户增长 20 倍，每周处理数万亿 tokens，成为 了 Open AI 最受欢迎的编程智能体。 "Codex 能快速实现 20倍的增长，不只是因为模型变强了，还因为我们理解了，真正的智能体不是一个 模型，而是模型、API 和框架共同努力的结果。"在最新播客中，OpenAI 的编程智能体 Codex 产品负 责人 Alexander Embiricos 揭露背后的秘密。 比如，Codex 在长时任务能力上的突破。为了让它能够连续工作十几个小时甚至数天，团队设计了名 为"压缩"的机制——模型负责提炼关键信息，API 承接任务链路，框架负责稳定运行。三层像齿轮般咬 合，使 Codex 能够完成传统大模型难以支撑的长时编程任务。 正是这样的底层逻辑，让 Codex 在业务实战中有惊人表现。 Andrej Karpathy 曾公开分享，他被一个 bug 困住数小时，最终交给 Codex 处理，一小时内就完成了修 复。 Sora 团队更是依靠 Codex，在短短 28 天时间，从 0 到 1 完成 Android 应用的上线，直接冲到 ...

文章核心观点 - 由清华姚班校友领军的中国初创公司“词元无限”开发的编码智能体InfCode，在SWE-Bench Verified和Multi-SWE-bench-CPP两项权威基准测试中均取得第一名的成绩，标志着AI编程从注重快速原型的“感性时代”（Vibe Coding）进入了面向企业级复杂工程的“工程时代” [6][9] - InfCode的技术突破主要体现在其多智能体体系，能够解决传统AI编程在大型代码库、跨文件修改和C++等系统级语言中面临的挑战，为企业引入AI编码提供了从“单体提效”走向“组织进化”的新范式 [8][12][17] AI编程范式演进与行业基准 - AI编程正从传统大模型生成代码片段，演进为强调自主性、全流程覆盖和工程实用性的“编码智能体”（Coding Agent）时代 [10][11] - **SWE-Bench Verified**：由普林斯顿大学等提出、OpenAI升级的权威基准，包含来自真实GitHub项目的Python问题，要求智能体解决问题且不破坏其他功能 [11] - **Multi-SWE-bench**：由字节跳动等机构于2025年推出，覆盖Java、TypeScript、JavaScript、Go、Rust、C与C++七种语言，包含1632个人工验证的修复任务 [11] - 系统级语言（如C++）的修复任务远难于高级语言，通常需要一次修改200多行、涉及7个文件，导致大语言模型表现显著降低，领先模型的解决率往往不足8% [12][16] 公司产品InfCode的性能表现 - 在**SWE-Bench Verified**基准上，InfCode以Pass@1得分**79.4%** 刷新世界最佳记录（SOTA），远高于公开排行榜上GPT-5、Claude等顶尖模型约70%的成绩 [7][14] - 在**Multi-SWE-bench的C++子集**上，InfCode达到**25.58%** 的解决率，大幅领先于Claude 3.7 Sonnet的**8.59%**、DeepSeek V3的**7.75%** 以及Qwen2.5-72B-Instruct几乎为零的解决率 [7][15][16] - 该成绩体现了产品在复杂语法和大型项目中生成正确补丁的能力，对工业界具有重要价值 [17] InfCode的核心技术亮点 - **基于功能意图的复杂上下文定位**：提出“代码意图分析”机制，超越传统基于向量相似度的RAG，通过理解自然语言背后的功能意图并将其映射到具体实现单元，精准定位问题代码，尤其在无堆栈信息的条件下表现突出 [20][21] - **基于AST的结构化检索**：自研基于抽象语法树的结构化检索引擎，通过Tree-Sitter构建完整语法树，提供如FindClass、FindFunction等语法层API，实现语法感知搜索，在C++等复杂语言中能高精度定位bug，避免传统文本搜索工具（如grep）的噪声问题 [22][23][25][26][28] - **对抗式双智能体生成架构**：首创由代码补丁生成器与测试补丁生成器构成的对抗式双智能体架构，二者在闭环中交替迭代，使补丁在鲁棒性与完备性上持续演化，达到工程级质量，契合了下一代编码智能体迭代-验证-优化的核心范式 [29][30][31][32][33] 产品的工程化流程 - 修复流程分为**生成**与**筛选**两阶段 [35] - **生成阶段**：系统并行启动多个独立容器运行修复链路，允许模型查看代码库、运行测试、分析错误，并最多进行五轮迭代以产生多样化候选补丁 [40] - **筛选阶段**：在真实构建和测试环境中重放每个补丁，除验证测试通过外，还考虑行为一致性、稳定性和副作用，最终选出具有更强工程完整性与可维护性的补丁 [40] 公司团队背景与战略 - 核心团队由**清华姚班校友**带队，拥有顶尖技术实力，并融合了技术前瞻、产品化能力与商业化思维 [6][42] - 团队领军人物**杨萍**曾在字节跳动主导创立公司首个软件工程实验室，其孵化的内部AI Coding产品已全面覆盖公司研发体系，对在超大规模组织中应用AI有深刻理解 [42] - **CTO 王伟**来自清华姚班，曾带队在SWE-Bench获得全球第二的成绩，具备扎实的大模型与智能体算法工程经验 [42] - **商业化负责人 李莹**拥有十余年AI产业落地经验，曾主导完成大模型To B领域数亿元规模的项目落地，具备将技术价值转化为商业回报的能力 [43] - 团队汇聚了来自字节、百度、微软等顶尖企业及清华、北大、哥大、MIT等世界名校的人才，构成“顶尖老将 + 新生代骨干”组合，多个重要岗位由00后领衔 [43] - 公司对AI Coding赛道的认知已从“工具效能”提升转向对软件工程全生命周期的重构（AI SWE），致力于打造提供端到端价值闭环的“数字员工”平台，并通过“Coding + 细分行业”的深度融合构建商业生态闭环 [44]

文章核心观点 - InfCode编码智能体定义了AI编程的“工程时代”，其多智能体体系标志着AI编程从“单体提效”走向企业“组织进化”的新范式[2][7] - 公司在SWE-Bench Verified和Multi-SWE-bench-CPP两项权威AI Coding基准中双双登顶，展现了面向企业场景设计的突破性技术能力[4][6] AI编程行业趋势与基准 - AI编程正从传统大模型生成代码片段转向强调自主性、全流程覆盖和工程实用性的新一代编码智能体（Coding Agent）[9] - SWE-Bench Verified基准来自真实GitHub项目，要求智能体解决问题且不破坏其他功能，是行业权威评测标准[9] - Multi-SWE-bench数据集覆盖七种编程语言共1632个修复任务，由68名专家从2456个候选样本中精挑细选[9] - C++项目通常需一次修改200多行、涉及7个文件，难度远高于JavaScript等高层语言，领先模型在C++上的解决率往往不足8%[10] InfCode技术突破与性能表现 - 在SWE-Bench Verified上以79.4%的Pass@1得分刷新SOTA，远高于公开排行榜上GPT-5、Claude等顶尖模型70%左右的成绩[6][13] - 在Multi-SWE-bench的C++子集上达到25.58%的解决率，大幅领先Claude 3.7 Sonnet的8.59%和DeepSeek V3的7.75%[6][13] - 针对系统语言（C、C++、Rust）在内存管理、模板机制和复杂编译链方面的难度，实现了语义定位与语法分析相结合的优势[15] 核心技术亮点 - 提出“代码意图分析（Code Intent Analysis）”机制，超越传统RAG的字面匹配，能理解自然语言背后的功能意图并映射到具体实现单元[17][18] - 自研基于抽象语法树（AST）的结构化检索引擎，通过Tree-Sitter构建完整语法树，提供FindClass、FindFunction等语法层API[21][22] - 首创对抗式双智能体架构，代码补丁生成器与测试补丁生成器在闭环中交替迭代，实现“越测越强、越修越稳”的工程级质量[24][25] - 修复流程采用生成与筛选两阶段范式，在真实构建和测试环境中重放每个补丁，最终选出具有更强工程完整性与可维护性的补丁[31][33] 团队背景与竞争优势 - 核心团队由清华姚班校友带队，汇聚来自字节、百度、微软等顶尖企业的精英及世界名校人才，构成“顶尖老将+新生代骨干”组合[35][37] - 团队领军人杨萍在字节跳动期间主导创立公司首个软件工程实验室，其孵化的内部AI Coding产品已全面覆盖公司研发体系[35] - CTO王伟在大模型与智能体领域深耕多年，此前带队在SWE-Bench曾斩获全球第二成绩[36] - 商业化负责人李莹拥有十余年AI产业落地经验，曾主导完成数亿元规模的大模型To B项目落地[37] - 团队对AI Coding赛道有清晰认知，竞争已从“工具效能”提升转向对软件工程全生命周期的重构（AI SWE）[38]