«Фабрика производительности» OpenAI использует агентов Codex с состязательным рецензированием
Ключевые выводы
- •Performance Factory от OpenAI использует агентов Codex для автоматизации исследований регрессий производительности в ChatGPT — в среднем 17 автоматизированных исследований в день.
- •Мультиагентный процесс охватывает управление оповещениями, криминалистическое исследование, состязательное рецензирование и проверку после развертывания, при этом финальное одобрение выпускаемых исправлений остается за инженерами.
- •Чуть более чем за три месяца система провела более 1700 исследований, определила первопричины в более чем 600 случаях и привела примерно к 400 предлагаемым исправлениям.
- •Лишь 15 исправлений были точными pull-запросами, созданными Codex, еще около 50 были выполнены под влиянием предложений агентов, что указывает: система в основном ускоряет работу инженеров, а не заменяет ее.
- •Примерно 25% диагнозов агентов Codex оспариваются в рамках состязательного рецензирования, которое служит встроенным уровнем контроля качества до принятия исправлений.

OpenAI создала внутреннюю систему, которая передает одну из самых непрезентабельных задач разработки ПО ИИ-агентам. Система, известная как Performance Factory, использует агентов Codex для поиска проблем производительности в ChatGPT и выполняет в среднем 17 автоматизированных исследований производительности в день, при этом финальное одобрение выпускаемых изменений остается за инженерами.
OpenAI объявила о системе 19 ноября 2026 года в отчете VentureBeat и в ветке своего аккаунта @OpenAIDevs в X. Идея проста: агенты выполняют утомительную криминалистическую работу, а окончательное решение принимают люди.
Что делает «фабрика»
В разработке ПО регрессией производительности называется ситуация, когда изменение делает систему медленнее или менее надежной, чем раньше. Традиционно ее выявлением занимается инженер, вручную изучающий логи. По словам OpenAI, Performance Factory заменяет значительную часть такого ручного анализа логов автоматизированным процессом. Его запускают оповещения, а работа выполняется в облачных сессиях.
Система координирует несколько агентов на отдельных этапах, включая управление оповещениями, детальные криминалистические исследования, рецензирование и проверку того, действительно ли исправления сработали после развертывания.
Цифры на данный момент
Чуть более чем за три месяца Performance Factory провела более 1700 исследований. В более чем 600 случаях агенты определили первопричины. Около 400 из этих случаев с установленными первопричинами привели к предлагаемым исправлениям.
Доля исправлений, полностью написанных машинами, значительно меньше. Лишь 15 из них были точными pull-запросами, созданными Codex, то есть изменениями кода, которые агенты подготовили и которые вошли в проект в неизменном виде. Предложения агентов повлияли еще примерно на 50 исправлений: вывод Codex указывал инженерам верное направление, хотя финальный код написали люди.
Есть и уровень контроля качества: примерно 25% диагнозов, выдаваемых агентами Codex, оспариваются в рамках состязательного процесса взаимного рецензирования.
Почему OpenAI построила систему именно так
Такой подход отражает более широкую тенденцию в использовании Codex компанией OpenAI. Вместо того чтобы просить агентов сгенерировать единичный фрагмент кода по запросу, компания объединяет их в интегрированные процессы, которые решают повторяющиеся операционные проблемы.
OpenAI также прямо подчеркивает, что человек остается в контуре. Финальное одобрение того, что будет выпущено, сохраняют за собой инженеры. Агенты исследуют и предлагают, но ключей от здания им не дают.
Этот баланс виден в данных. Разрыв между примерно 400 предлагаемыми исправлениями и 15 точными pull-запросами, созданными Codex, говорит о том, что система в основном ускоряет работу людей, а не заменяет ее.
Что это значит для инженерных команд
Более 1700 исследований чуть более чем за три месяца — это объем, который создал бы нагрузку даже для команды людей, особенно с учетом оповещений, которые могут оказаться ложными. Воронка сужается на каждом этапе: исследования сводятся к первопричинам, первопричины — к предлагаемым исправлениям, и лишь малая часть становится кодом, полностью написанным агентами.
Этап состязательного рецензирования, при котором оспаривается примерно 25% диагнозов, — это признание того, что результаты работы агентов все еще требуют проверки, прежде чем кто-либо будет на них действовать. Этап проверки после развертывания существует для выявления уверенных, но ошибочных диагнозов, которые способны тратить время так же легко, как и экономить его.
Фактически OpenAI использует собственный продукт для работы собственного продукта. Каждое исследование одновременно служит стресс-тестом Codex в сложных реальных условиях.
Опубликованные показатели также дают командам за пределами OpenAI конкретную базу для оценки заявлений об инженерии с участием агентов, а ключевая цифра, за которой стоит следить, — это доля предлагаемых исправлений, оформленных как точные pull-запросы, созданные агентами: это прямо зафиксированная мера того, где в производственной системе сегодня проходит граница между работой агентов и людей.
Эта статья основана на материале CryptoBriefing, редактированном Диего Альмадой Лопесом.