OpenAI收购Ona: 为Codex注入持久云环境

Marcus Chen

2026年6月12日

original

OpenAI宣布收购Ona，一家专注于安全、持久云开发环境的初创公司。此举旨在将Codex升级为支持长期运行AI代理的企业级平台，解决AI编程助手在复杂工作流中的环境持久化痛点。

OpenAI最近的一步棋，是收购了一家名叫Ona的初创公司。Ona的名字可能没那么响亮，但它的技术——安全且持久的云开发环境——正是Codex这类AI编程助手一直缺少的那块拼图。

收购背后的逻辑：从代码补全到AI代理

Codex原本擅长的是根据自然语言生成代码片段，或者补全函数。但开发者都知道，真实项目不是写几段代码就完事。你需要一个持续运行的环境来测试、调试、集成，甚至让AI代理自主完成一系列任务——比如从拉取分支到部署流水线。Ona提供的就是这样的环境：一个可随时恢复、安全隔离的云端工作区，允许AI代理长时间驻留并执行多步骤操作。

换句话说，这次收购不是简单的功能叠加，而是让Codex跳出“代码助手”的定位，向“自主开发代理”进化。开发者可以想象这样的场景：你说“修复登录页的CSS bug”，AI代理会自行创建环境、复现问题、修改代码、运行测试，最后提交PR——整个过程不需要你盯着。

对开发者意味着什么？

短期内，如果你是Codex用户，可能感受不到太大变化。但长远看，几个方向值得关注：

工作流自动化：Ona的环境持久化能力，让AI代理能处理更复杂的开发任务，比如跨文件重构、数据库迁移配置等。
企业级安全：Ona强调安全隔离，这意味着Codex的AI代理可以安全地操作敏感代码库，CI/CD管道里再也不用担心权限泄露。
成本考量：持久环境意味着持续计算资源消耗。OpenAI可能会将其作为高级服务收费，或者限制免费版的使用时长。

当然，也有挑战。开发环境的管理向来是件麻烦事，如果AI代理自动创建的环境与本地不一致，调试起来可能更头疼。另外，长期运行的代理需要更可靠的错误恢复机制——Ona的技术能否完美融入Codex，还需观望。

一点看法

OpenAI显然在押注“AI代理”这个方向。Github Copilot已经证明了代码补全的市场，但真正的生产力提升在于让AI独立完成任务。Ona的收购补齐了环境持久化这一环，接下来要看OpenAI如何整合了。对于日常使用VS Code的开发者，未来几个月可以留意Codex的插件更新，说不定很快就能尝试一个能在后台持续运行的“幽灵程序员”。

OpenAI收购OnaCodex云开发环境AI代理持久环境企业级安全

暂无评论

成为第一个评论的人

探索更多

相似工具

Cursor

一款基于 VS Code 二次开发的智能代码编辑器，以“原生内置 AI”为核心卖点。它不依赖插件，而是将 AI 深度植入编辑器底层，能够理解整个项目的上下文代码库，支持无缝迁移 VS Code 的所有配置和插件。

Google Antigravity

Antigravity 支持多模型，包括 Gemini 3 Pro、Claude Sonnet 4.5、GPT-OSS，开发者可以在同一环境中选择最适合任务的模型。

Codex

OpenAI Codex 是由 OpenAI 开发的 AI 编程模型和助手，可将自然语言指令翻译成对应的源代码，为开发者提供智能补全、代码生成等功能。它最初于 2021 年作为 OpenAI API 的代码模型推出，曾为 GitHub Copilot 提供核心支持。随着 OpenAI 技术的迭代，Codex 在 2025 年以“AI 编程智能体”的全新姿态回归，能够理解复杂需求并自动编写、调试代码，显著提升开发效率和软件交付速度。

Kiro

Kiro 是由 AWS 推出的 AI 编程 IDE，采用规范驱动的开发模式，将自然语言需求转化为明确的规格文档和任务，再由内置 AI 代理生成代码并调试优化，全流程辅助大型项目开发。

Trae

Trae（官网 trae.ai）是由字节跳动（ByteDance）推出的一款 AI 原生集成开发环境（IDE）。它不是简单地作为一个编程助手，而是一个「协作伙伴」，通过深度整合大型语言模型（LLM），帮助开发者从需求、构建代码，到调试和部署，实现更智能化、自动化的软件开发。

Claude

Claude 是由美国人工智能公司 Anthropic 打造的智能语言交互平台，它融合了深度文本理解、信息整理、代码辅助和任务分析等能力，能在聊天对话之外应对更复杂的问题，例如长文摘要、图像解析、逻辑推理及编程协助等。相比一些单一问答机器人，Claude 更像一个具备推理逻辑、可扩展功能的智能工具。

开源项目

guidellm: 评估和优化 LLM 部署性能

guidellm 是一个开源工具，专为评估和优化大语言模型（LLM）在生产环境中的推理性能而设计。它支持压力测试、延迟分析、吞吐量评估等，帮助开发者识别瓶颈并调整部署配置。基于 vLLM 团队开发，适合需要精细化调优 LLM 服务的团队。

Kiln: 一站式 AI 系统评估与优化平台

Kiln 是一个开源 Python 工具，帮助开发者系统化地构建、评估和优化 AI 系统。它集成了 evals、RAG、智能体、微调、合成数据生成、数据集管理和 MCP 协议支持，让 AI 开发工作流更高效、更可控。适合需要深度调优 AI 性能的团队和个人。

terax-ai: 7MB终端优先AI开发工作台

terax-ai 是一个轻量级（仅7MB）的终端优先AI原生开发工作台，专为命令行爱好者设计。它集成了AI辅助能力，提供极快的启动速度和极小的资源占用，让开发者在熟悉的终端环境中高效编码、调试和实验。开源且易于安装，适合追求简洁与效率的开发者。

omlx: macOS 菜单栏 LLM 推理服务器

omlx 是一款专为 Apple Silicon 打造的轻量级 LLM 推理服务器，通过 macOS 菜单栏轻松管理。它支持连续批处理和 SSD 缓存，能显著提升推理吞吐量和响应速度。开源且易于上手，适合 Mac 开发者本地运行大型语言模型。

pydantic-ai: 用Pydantic方式构建AI Agent

pydantic-ai 是一个基于 Pydantic 的 AI Agent 框架，利用 Pydantic 的数据验证能力，让 Agent 的输入输出变得结构化、类型安全。适合 Python 开发者快速构建可靠、可测试的 AI 代理应用，支持多种 LLM 后端和工具调用。

Truss: 最简方式将 AI 模型部署到生产环境

Truss 是一个开源 Python 框架，旨在让 AI/ML 模型的部署变得像写几行代码一样简单。它抽象了 Docker、Kubernetes 等基础设施，支持 PyTorch、TensorFlow 等多种框架，并提供预热、批处理、监控等生产级功能。适合数据科学家和 ML 工程师快速将实验模型上线。