OpenAI收購Ona: 為Codex注入持久雲環境

Marcus Chen

2026年6月12日

original

OpenAI宣佈收購Ona，一家專注於安全、持久雲開發環境的初創公司。此舉旨在將Codex升級為支援長期執行AI代理的企業級平臺，解決AI程式設計助手在複雜工作流中的環境持久化痛點。

OpenAI最近的一步棋，是收購了一家名叫Ona的初創公司。Ona的名字可能沒那麼響亮，但它的技術——安全且持久的雲開發環境——正是Codex這類AI程式設計助手一直缺少的那塊拼圖。

收購背後的邏輯：從程式碼補全到AI代理

Codex原本擅長的是根據自然語言生成程式碼片段，或者補全函式。但開發者都知道，真實專案不是寫幾段程式碼就完事。你需要一個持續執行的環境來測試、除錯、整合，甚至讓AI代理自主完成一系列任務——比如從拉取分支到部署流水線。Ona提供的就是這樣的環境：一個可隨時恢復、安全隔離的雲端工作區，允許AI代理長時間駐留並執行多步驟操作。

換句話說，這次收購不是簡單的功能疊加，而是讓Codex跳出「程式碼助手」的定位，向「自主開發代理」進化。開發者可以想象這樣的場景：你說「修復登入頁的CSS bug」，AI代理會自行建立環境、復現問題、修改程式碼、執行測試，最後提交PR——整個過程不需要你盯著。

對開發者意味著什麼？

短期內，如果你是Codex使用者，可能感受不到太大變化。但長遠看，幾個方向值得關注：

工作流自動化：Ona的環境持久化能力，讓AI代理能處理更復雜的開發任務，比如跨檔案重構、資料庫遷移配置等。
企業級安全：Ona強調安全隔離，這意味著Codex的AI代理可以安全地操作敏感程式碼庫，CI/CD管道里再也不用擔心許可權洩露。
成本考量：持久環境意味著持續計算資源消耗。OpenAI可能會將其作為高階服務收費，或者限制免費版的使用時長。

當然，也有挑戰。開發環境的管理向來是件麻煩事，如果AI代理自動建立的環境與本地不一致，除錯起來可能更頭疼。另外，長期執行的代理需要更可靠的錯誤恢復機制——Ona的技術能否完美融入Codex，還需觀望。

一點看法

OpenAI顯然在押注「AI代理」這個方向。Github Copilot已經證明了程式碼補全的市場，但真正的生產力提升在於讓AI獨立完成任務。Ona的收購補齊了環境持久化這一環，接下來要看OpenAI如何整合了。對於日常使用VS Code的開發者，未來幾個月可以留意Codex的外掛更新，說不定很快就能嘗試一個能在後臺持續執行的「幽靈程式設計師」。

OpenAI收購OnaCodex雲開發環境AI代理持久環境企業級安全

探索更多

相似工具

Cursor

一款基於 VS Code 二次開發的智慧程式碼編輯器，以「原生內建 AI」為核心賣點。它不依賴外掛，而是將 AI 深度植入編輯器底層，能夠理解整個專案的上下文程式碼庫，支援無縫遷移 VS Code 的所有配置和外掛。

Google Antigravity

Antigravity 支援多模型，包括 Gemini 3 Pro、Claude Sonnet 4.5、GPT-OSS，開發者可以在同一環境中選擇最適合任務的模型。

Codex

OpenAI Codex 是由 OpenAI 開發的 AI 程式設計模型和助手，可將自然語言指令翻譯成對應的原始碼，為開發者提供智慧補全、程式碼生成等功能。它最初於 2021 年作為 OpenAI API 的程式碼模型推出，曾為 GitHub Copilot 提供核心支援。隨著 OpenAI 技術的迭代，Codex 在 2025 年以「AI 程式設計智慧體」的全新姿態迴歸，能夠理解複雜需求並自動編寫、除錯程式碼，顯著提升開發效率和軟體交付速度。

Kiro

Kiro 是由 AWS 推出的 AI 程式設計 IDE，採用規範驅動的開發模式，將自然語言需求轉化為明確的規格文件和任務，再由內建 AI 代理生成程式碼並除錯優化，全流程輔助大型專案開發。

Trae

Trae（官網 trae.ai）是由位元組跳動（ByteDance）推出的一款 AI 原生整合開發環境（IDE）。它不是簡單地作為一個程式設計助手，而是一個「協作夥伴」，通過深度整合大型語言模型（LLM），幫助開發者從需求、構建程式碼，到除錯和部署，實現更智慧化、自動化的軟體開發。

Claude

Claude 是由美國人工智慧公司 Anthropic 打造的智慧語言互動平臺，它融合了深度文字理解、資訊整理、程式碼輔助和任務分析等能力，能在聊天對話之外應對更復雜的問題，例如長文摘要、影象解析、邏輯推理及程式設計協助等。相比一些單一問答機器人，Claude 更像一個具備推理邏輯、可擴充套件功能的智慧工具。

開源專案

guidellm: 評估和優化 LLM 部署效能

guidellm 是一個開源工具，專為評估和優化大語言模型（LLM）在生產環境中的推理效能而設計。它支援壓力測試、延遲分析、吞吐量評估等，幫助開發者識別瓶頸並調整部署配置。基於 vLLM 團隊開發，適合需要精細化調優 LLM 服務的團隊。

Kiln: 一站式 AI 系統評估與優化平臺

Kiln 是一個開源 Python 工具，幫助開發者系統化地構建、評估和優化 AI 系統。它整合了 evals、RAG、智慧體、微調、合成資料生成、資料集管理和 MCP 協議支援，讓 AI 開發工作流更高效、更可控。適合需要深度調優 AI 效能的團隊和個人。

terax-ai: 7MB終端優先AI開發工作臺

terax-ai 是一個輕量級（僅7MB）的終端優先AI原生開發工作臺，專為命令列愛好者設計。它整合了AI輔助能力，提供極快的啟動速度和極小的資源佔用，讓開發者在熟悉的終端環境中高效編碼、除錯和實驗。開源且易於安裝，適合追求簡潔與效率的開發者。

omlx: macOS 選單欄 LLM 推理伺服器

omlx 是一款專為 Apple Silicon 打造的輕量級 LLM 推理伺服器，通過 macOS 選單欄輕鬆管理。它支援連續批處理和 SSD 快取，能顯著提升推理吞吐量和響應速度。開源且易於上手，適合 Mac 開發者本地執行大型語言模型。

pydantic-ai: 用Pydantic方式構建AI Agent

pydantic-ai 是一個基於 Pydantic 的 AI Agent 框架，利用 Pydantic 的資料驗證能力，讓 Agent 的輸入輸出變得結構化、型別安全。適合 Python 開發者快速構建可靠、可測試的 AI 代理應用，支援多種 LLM 後端和工具呼叫。

Truss: 最簡方式將 AI 模型部署到生產環境

Truss 是一個開源 Python 框架，旨在讓 AI/ML 模型的部署變得像寫幾行程式碼一樣簡單。它抽象了 Docker、Kubernetes 等基礎設施，支援 PyTorch、TensorFlow 等多種框架，並提供預熱、批處理、監控等生產級功能。適合資料科學家和 ML 工程師快速將實驗模型上線。