Timeline: GPT-5.2-Codex（材料）

Thu, 17 Sep 2026 00:00:00 +0000

主要出处：OpenAI，2025-12-18，GPT-5.2-Codex system card；Deployment Safety Hub。本页不复制原文全文。

模型定位

system card 的原话是：这是当时最强的 agentic coding 模型，一个为 Codex 中 agentic coding 优化的 GPT-5.2 版本。公告页（openai.com）对本机不可访问，以下均取自 system card。

三处机制变化

上下文压缩（compaction）：让模型跨多个上下文窗口保持连贯地工作，而不是只在一个窗口内。原文说明它对长时间运行的评测帮助明显——即压缩服务的是长时程任务。
项目级任务：重构、迁移这类跨文件跨模块的工作被单独点出。
Windows 环境：写明改进。执行隔离上给出两个选项——Windows 原生沙箱实现，或经 WSL 使用 Linux 沙箱。用户可以批准命令运行。

安全评级口径

按 Preparedness Framework：网络安全领域「很有能力，但未达到 High」；生物学被列为 High capability；AI 自我改进未达 High。另注明该模型不面向通用聊天应用部署。

基准分数：只有二手

公开报道普遍转述为 SWE-bench Pro 56.4%、Terminal-Bench 2.0 64.0%，并给出前代对照。但 system card 全文不含 SWE-bench、Terminal-Bench 或这两个数字；数字只出现在被拦截的公告页上，评测口径（脚手架、推理档位、是否开压缩、样本数）均未核实。因此时间线不引用这两个数字，按「厂商自报、口径不明」处理。

当时不是什么

不是新模型世代，也不是循环语义的变化。压缩与 Windows 沙箱改的分别是一次能做多久和在哪执行，工具调用与停止语义未见官方描述为改变。

Timeline: GPT-5.2-Codex 讲解

Thu, 17 Sep 2026 00:00:00 +0000

当时解决了什么问题

编码 Agent 最硬的约束一直是窗口：轨迹一长、观察一多，工作集就满，只能截断或重启一轮。2024 年 o1 把「想」内化，2025 年 GPT-5 把快答与思考路由进同一个系统，但任务持续长度这条线靠的是窗口与上下文管理，不是推理能力。

上下文压缩把这条线往前推了一格：模型跨多个上下文窗口保持连贯，意味着任务的连续时间不再由单窗口大小直接截断。system card 把这条与长时间运行的评测挂钩，方向是清楚的。

Windows 原生沙箱是另一半：Codex 的默认执行面此前在 MacOS 与 Linux 上更自然，Windows 用户要么绕 WSL，要么自己解决隔离。原生沙箱把 Windows 变成一等公民的执行环境。这与沙箱怎么实现无关，只与 Agent 能在哪执行为准。

对后续 LLM 与 Agent 的影响

同一天发布的还有 Agent Skills 开放标准——一边是能力包跨客户端可移植，一边是编码核心跨窗口连续工作。两件事合起来说明 2025 年底的编码 Agent 竞争点已经不在单轮补全质量。

要克制的地方：这条是点版本，不是换世代；厂商自报的基准分数未能一手核实，不能拿来与 Verified / Pro 的历史分数连成曲线。它的可核对意义只有两条——压缩与 Windows 沙箱写在 system card 里。

AI Agent 学习笔记 – GPT-5.2-Codex