OpenAI Codex

В качестве примера: чтобы создать персонажа в стиле Minecraft при помощи библиотеки, неизвестной Codex, требуется описать ИИ интерфейс API в подсказке^[1]. В таком случае Codex использует API Simulated Player для Minecraft (библиотеку typescript для управления персонажем через команды: движение, диалог, осмотр инвентаря и т. д.)^[1]. Можно указывать специфические команды API для генерации и автодополнения кода^[1][17]:

Команда:
/* Команды Minecraft-бота через Simulated Player API. Если комментарий носит разговорный характер, бот отвечает как дружелюбный бот Minecraft. Иначе выполняется как приказ.*/

// СПРАВОЧНИК API:
// moveRelative(leftRight: number, backwardForward: number, speed?: number): void - Заставляет персонажа идти в указанном направлении относительно текущего поворота.
// stopMoving(): void - Останавливает движение, если персонаж идёт.
// lookAtEntity(entity: Entity): void - Поворачивает голову/тело персонажа к указанной сущности.
// jumpUp(): boolean - Прыжок персонажа.
// chat(message: string): void - Отправляет сообщение в игровой чат от лица персонажа.
// listInventory(object: Block | SimulatedPlayer | Player): InventoryComponentContainer - возвращает список всех предметов у игрока или в сундуке.

/* Несколько примеров использования API */
// Идти влево
bot.moveRelative(1, 0, 1);
// Стоп!
bot.stopMoving();
// Двигаться назад полсекунды
bot.moveRelative(0, -1, 1);
await setTimeout(() => bot.stopMoving(), 500);
// Вперёд на немного

Результат:
bot.moveRelative(0, 1, 1);
await setTimeout(() => bot.stopMoving(), 500);

Функция фонового использования компьютера (Computer Use), изначально представленная для macOS, позволяет агенту напрямую взаимодействовать с настольными приложениями. ИИ способен управлять курсором для нажатия кнопок и вводить текст с клавиатуры, что даёт возможность работать с программами, не имеющими специального API для автоматизации^[18]. В целях безопасности управление осуществляется в изолированной среде («песочнице»), ограничивающей доступ к файловой системе и ресурсам компьютера^[19]. Для работы агенту требуются разрешения на доступ к специальным возможностям операционной системы (Accessibility) и созданию снимков экрана^[20], а для выполнения действий за пределами изолированной среды система запрашивает явное одобрение пользователя^[19].

Поведение моделей Codex регулируется рядом гиперпараметров, включая количество токенов и температуру^[1]. Гиперпараметр temperature определяет вариативность ответов: при значении 0 ИИ генерирует один и тот же ответ на одинаковый запрос в рамках одной сессии^[1]. Параметр stop sequence позволяет ограничить генерацию — достаточно указать в команде или комментарии маркёр окончания, например # для Python или // для JavaScript^[1]. Для новых агентных моделей классические параметры генерации претерпели изменения. В моделях, предназначенных для сложных рассуждений, традиционные настройки температуры не используются, а вместо них введён параметр reasoning_effort, который управляет уровнем вычислительных усилий при решении задач^[21]. Управление мультимодальными задачами, такими как генерация изображений, осуществляется через специфические параметры (включая prompt, model, size, quality и style)^[22]. В свою очередь, функция фонового использования компьютера (Computer Use) контролируется не через традиционные параметры API, а посредством системы разрешений операционной системы и специальных команд непосредственно в промпте^[23].

Free Software Foundation (FSF) выразила опасения, что сгенерированные Codeх и Copilot фрагменты кода могут нарушать права разработчиков, в частности условия GPL, требующей, чтобы производные работы распространялись на аналогичных условиях^[32]. Среди проблем: допустим ли тренировочный анализ открытых файлов, как определить нарушения в сгенерированном коде, могут ли модели машинного обучения считаться изменяемым исходным кодом или лишь агрегатом данных, и подчиняются ли такие модели авторскому праву и кем оно может быть заявлено^[32][33]. Внутреннее исследование GitHub выявило, что около 0,1 % сгенерированного кода полностью совпадает с исходными обучающими данными. В частности, Codex воспроизвёл код для алгоритма быстрой обратной квадратной корня с оригинальным комментарием/копирайтом^[12]. В ответ OpenAI признала, что неопределённость в области авторских прав на ИИ-модели приводит к дополнительным тратам для разработчиков, поэтому необходимы законодательные разъяснения^[12]. Дебаты вокруг прав на Codex сравниваются с делом Authors Guild, Inc. v. Google, Inc., где суд разрешил Google использовать фрагменты текстов оцифрованных книг в целях, признанных добросовестным использованием^[12][34].

В 2024—2025 годах коллективный иск Doe v. GitHub перешёл на стадию апелляции в Апелляционном суде девятого округа США; по состоянию на май 2026 года судебное разбирательство продолжается^[35][36]. Бюро по авторским правам США сформировало позицию, согласно которой для защиты авторским правом произведение должно иметь достаточный творческий вклад человека^[37]