OpenAI开源Codex Harness点燃Agent执行层战争：算力巨头纵向整合与AI基础设施重构

2026年8月19日，OpenAI在官方博客宣布将驱动Codex智能体的底层执行框架Codex Harness以Apache-2.0协议完全开源，仓库地址github.com/openai/codex。这并非开源模型权重，而是开源Agent的运行时基础设施——维护上下文、调度工具调用、管理任务循环、控制沙箱执行。三天后，英伟达向AI编程初创公司Poolside支付60亿美元模型授权费并追加10亿美元股权投资。Agent竞争的焦点正从模型层向执行层转移，算力巨头开始沿产业链纵向整合。

Codex Harness开源：Agent执行层标准化

Codex Harness是Codex App、CLI和IDE扩展的底层运行框架，负责Agent运行时全生命周期管理。核心模块包括Agent Loop（任务循环调度）、线程生命周期管理、工具执行与扩展机制、权限审批系统和沙箱隔离执行。

OpenAI的工程实践数据显示，一个产品在5个月周期内由Codex编写约100万行代码、完成约1500个Pull Request。Codex Harness作为这套自动化流程的底座，其开源意味着任何开发者可以基于同一套执行框架构建自己的Agent应用，不必从零实现上下文管理、工具调度和沙箱机制。

Greg Brockman在公告中强调，Codex Harness可驱动的不只是编程任务，任何需要多步推理、工具调用和上下文管理的Agent场景都可以基于该框架构建。Apache-2.0协议允许商业使用和修改，不带额外限制条款，对企业和开发者友好。

截至8月21日，该仓库已累计107443 Star、16354 Fork，最新稳定版为v0.149.0。社区贡献者已开始基于Harness构建非编程场景的Agent应用，包括数据分析、运维自动化和安全审计方向。

英伟达60亿押注Poolside：算力向模型纵向整合

Codex Harness开源的同周，英伟达向AI编程模型初创公司Poolside支付60亿美元非排他性模型授权费用，并追加10亿美元股权投资。这是英伟达首次将大额资金从硬件投入延伸到上游模型层。

Poolside专注于代码生成模型，其模型在特定编程基准上表现优异。英伟达的授权意味着可以在自家平台上部署Poolside模型，为GPU客户提供”硬件+模型”的一体化方案。这与英伟达此前与SK海力士、美光签署多年期HBM和DRAM供应协议的逻辑一致——沿AI算力产业链向上游纵向整合，确保从芯片到存储到模型的每个环节都在自有生态内。

纵向整合的信号意义在于：算力卖方不再满足于只做”卖铲人”，开始直接参与”挖矿”。英伟达的GPU客户（微软、谷歌、甲骨文等）同时也是Poolside模型的潜在用户，算力巨头同时掌握模型授权权，在议价中占据更有利位置。服务代工厂已开始向客户预告搭载Vera Rubin和Grace Blackwell芯片的服务器价格将上涨15%以上，内存芯片成本飙升是直接推手。

DeepSeek V4-Flash-Vision补齐多模态短板

8月21日，DeepSeek官方宣布多模态视觉理解模型DeepSeek-V4-Flash-Vision-Exp正式上线API平台。距离DeepSeek-V4预览版发布119天，距离V4-Flash正式版上线21天，DeepSeek终于在API侧补齐视觉能力。

开发者通过设置model=’deepseek-v4-flash-vision-exp’即可访问该模型。在需要视觉理解的Agent Benchmark上，新模型相比V4 Flash实现了大幅提升，多模态Agent能力覆盖图片理解、图表解析、文档OCR等场景。DeepSeek Harness同步升级至0.1.1-rc.1版本，新增视觉模型支持，通过配置原生图片请求实现/goal、/plan等Agent命令的多模态扩展。

DeepSeek Harness的一周三更节奏（从v0.1.0-rc.8到0.1.1-rc.1）反映了一个趋势：Agent框架的迭代速度正在超越模型本身。OpenAI的Codex Harness、DeepSeek的Harness、Anthropic的Claude Code框架，三家头部公司在执行层的基础设施建设上进入了快速迭代竞争。

匿名模型Ox Alpha登顶编程榜单

8月20日，全球最大AI聚合平台OpenRouter上线匿名模型Ox Alpha，免费开放一周。独立研究员Ben Davis使用DeepSWE基准（衡量AI读取真实代码库、识别漏洞并生成有效补丁的能力）测试，Ox Alpha得分约80%，超过Claude Fable 5的65%、GLM-5.3和Grok 4.6的62%、GPT-5.6 Sol的52%。

技术特征分析指向智谱未发布的下一代多模态旗舰模型。Ox Alpha的限免上架策略引发了行业对”灰度测试”模式的讨论——在正式发布前通过第三方平台匿名测试，收集真实用户反馈并验证模型能力，降低正式发布后的翻车风险。

同周，字节跳动创始人张一鸣在Seed全员会上明确表示：字节的大模型不依赖蒸馏其他公司的前沿模型来提升能力，要预训练最高10万亿参数的新模型。蒸馏是缩小差距的最快方法，张一鸣主动堵死这条捷径，意味着字节在模型层选择了更长的研发周期和更大的算力投入。

Mojo 1.0开源与AI编程语言生态

8月18日ModCon 2026大会上，Modular宣布Mojo语言1.0版本正式开源，编译器、整套工具链全部开放，采用Apache-2.0协议。Mojo是专为AI/ML设计的编程语言，目标是”Python的易用性+C的性能”。其MLIR编译管线对边缘AI部署有独特价值，Mojo的开源打破了闭源AI编译器的垄断地位。

同期，Liquid AI即将发布新的100B参数模型。Liquid AI以非Transformer架构（液态状态空间模型）闻名，此前已证明其推理效率远超同参数量Transformer。100B参数量意味着Liquid AI向大模型级别发起冲击——如果非Transformer架构在100B规模仍保持效率优势，Transformer的统治地位将面临真正挑战。

AI基础设施层的开源浪潮正在加速。从模型层（Mojo开源编译器）、执行层（Codex Harness开源）到框架层（DeepSeek Harness高频迭代），开源生态覆盖了Agent技术栈的每个环节。对于企业而言，这意味着构建AI Agent应用的门槛正在快速降低，不必绑定单一厂商的闭源方案。

DDR5内存短缺与算力供应链压力

安全公司DataDome发布的调研报告显示，部分零售商DDR5内存产品页面上，恶意抢购机器人访问流量占总流量的91%。91个DDR5内存页面平均每6.5秒被扫描一次，真实用户几乎无法抢到库存。消费级DDR5价格自2025年底以来已上涨超过一倍，32GB DDR5-6000套条从一年前的108美元涨至572美元，高容量套条价格翻10倍。

内存短缺直接传导至服务器端。英伟达已告知客户明年初交付的AI服务器价格将上涨15%以上，涵盖Vera Rubin和Grace Blackwell系统。存储芯片成本飙升是涨价主因，HBM3e和DDR5的产能扩张速度跟不上AI算力部署需求。英伟达与SK海力士、美光签署多年期供应协议，锁定了未来HBM和DRAM的长期供货，但中小型AI公司无法获得同等优先级的存储供应保障。

内存供应链紧张对行业格局的影响深远。头部云厂商通过长期协议锁定供应，中小型AI创业公司的算力成本被进一步推高。算力资源正在向头部集中，AI基础设施的”马太效应”从GPU扩展到了内存和存储全链路。对于正在规划AI部署的企业，提前锁定存储供应合约、评估量化模型以降低显存需求，是应对供应链压力的实际策略。