O czym jest ten film
- OpenAI połączyło ChatGPT i Codex w jedną aplikację i wypuściło trzy nowe modele z rodziny 5.6: Soul, Terra i Luna.
- Nowa zakładka „work” ma pomóc setkom milionów zwykłych użytkowników odkryć, że ChatGPT potrafi wykonywać realną pracę, a nie tylko odpowiadać na pytania.
- GPT 5.6 Soul jest bardzo wydajny tokenowo i tani, ale — zdaniem rozmówców — nie dorównuje modelowi Fable w najtrudniejszych, długich zadaniach.
- Computer use w Codeksie działa w tle i świetnie nadaje się do testowania własnych aplikacji oraz zadań biurowych.
- Nowa funkcja „record and replay” zamienia nagranie ekranu w gotową umiejętność (skill) dla agenta.
- Pętle jakościowe: dobrze zdefiniowany prompt + silnik informacji zwrotnej + jasne kryterium sukcesu, po czym agent iteruje aż osiągnie cel.
- Riley pokazuje, jak stosuje pętle w marketingu (skrypty reklam, miniatury YouTube, ocena wideo UGC względem najlepszych przykładów).
- Dobór narzędzi (Convex, Eve, AI SDK od Vercela, Daytona, Blender MCP, Gemini do analizy wideo) jest kluczowy — agent składa aplikacje z gotowych „klocków”.
- Praca na wielu wątkach naraz daje agentowi świeży kontekst i pozwala budować „fabrykę oprogramowania”.
- Nowe „sites” zmieniają Codex w pełną platformę vibe codingu, a wbudowana przeglądarka zastępuje wygaszany projekt Atlas.
Redakcyjne tłumaczenie
Riley Brown: OpenAI właśnie połączyło Codex i ChatGPT w jedną super aplikację. Wypuścili też nowy model, który jest niemal tak dobry jak Fable, zaktualizowali funkcję „sites”, zamieniając ją w pełną platformę do vibe codingu, oraz usprawnili wbudowaną przeglądarkę. Mam mnóstwo pytań o to, jak to wszystko działa. Dlatego zaprosiłem dziś Rossa Mike’a. Rozłożymy na czynniki pierwsze nowe modele, pokażemy, jak działa nowa platforma, jak Ross używa Codeksu jako deweloper, a ja jako marketer i założyciel. Oglądacie Agent Native, nazywam się Riley Brown. Zaczynajmy.
Ross, jesteśmy w nowej aplikacji ChatGPT, która wcześniej była Codeksem. OpenAI zdecydowało się połączyć ChatGPT i Codex, a przy okazji wprowadziło trzy nowe modele — jeden z nich jest bardzo blisko Fable 5. Chcę dziś poruszyć wiele wątków, ale zacznijmy od platformy. Otworzysz zakładkę „work”?
(Informacja dodatkowa: „vibe coding” to potoczne określenie budowania aplikacji przez rozmowę z modelem, bez ręcznego pisania kodu. Fable to — w narracji rozmówców — najmocniejszy dostępny model klasy „mythos”, punkt odniesienia dla całej dyskusji.)
Zakładka „work” — kto naprawdę jest jej odbiorcą
Ross Mike: Ulubiona ostatnio zakładka na Twitterze.
Riley: Wciąż siedzę w zakładce Codex i nie rozumiem, co mi daje ta nowa. Powinienem po prostu zostać przy Codeksie?
Ross: Tak, zostań przy Codeksie. Zakładka „work” nie jest dla ciebie ani dla mnie. Pomyśl o skali: 983 miliony użytkowników. To ponad dwukrotność populacji Ameryki, a dodaj Kanadę i wciąż jest ich więcej. Większość tych ludzi nie wykorzystuje ChatGPT choćby w połowie jego możliwości. Co więcej, coraz więcej osób zaczyna myśleć, że to Claude jest platformą agentową, a ChatGPT to tylko miejsce, gdzie wysyła się zapytania i dostaje odpowiedzi. Słyszę to nawet od ludzi w moim kościele: „ChatGPT jest fajny, ale z Claude’em mogę coś zrobić”. Jest więc problem wizerunkowy — ludzie kojarzą ChatGPT wyłącznie z czatem — i problem świadomości. Ten rozwijany napis „do wykonywania pracy” ma powiedzieć ludziom: „może i ja mógłbym tu wykonać jakąś pracę umysłową”. Jeśli już używasz Codeksu, zostań przy nim — nawet do pracy umysłowej. Gdybym był inwestorem OpenAI, byłbym optymistą wobec tej decyzji, bo miliony ludzi nie mają pojęcia o pełnej mocy Codeksu, a to jest sposób, żeby się z nią oswoili.
Trzy nowe modele: Soul, Terra i Luna
Riley: Porozmawiajmy o modelach. Wypuszczono trzy: GPT 5.6 Soul, 5.6 Terra i 5.6 Luna. Soul to ten, który interesuje większość ludzi — bo naturalnie ciekawi ich najmocniejszy model. Co o nim sądzisz?
Ross: Terra i Luna zapewne zamieszkają w zakładce „work” — to będzie wybór przeciętnego użytkownika w zakładce ChatGPT, bo do niemal 70% zadań nie potrzeba wielkich modeli. Ale dla nas, którzy interesują się długimi zadaniami i budują aplikacje z AI, ciekawy jest Soul.
Jedna ważna rzecz o OpenAI: ich modele są bardzo wydajne tokenowo i tańsze niż modele Anthropica. Cena to nie wszystko — trzeba patrzeć na wydajność tokenową. Jeden z pierwszych testów, jakie robię, to sprawdzenie, ile wywołań narzędzi wykonuje model. Gemini — nasz upadły wróg — jest bardzo inteligentny na indeksach, ale w zadaniach agentowych po prostu wpada w spiralę: wywołuje po 15–20 różnych narzędzi, sam się nakręca, dostaje jakiejś psychozy. GPT 5.5 był naprawdę dobry w byciu oszczędnym tokenowo i w wywoływaniu narzędzi. 5.6 przenosi to na inny poziom.
Moim zdaniem 5.6 nie jest konkurentem Fable — konkurentem Fable będzie dopiero GPT6. To tylko podbicie wersji. Ale nawet jako podbicie wersji jest bardzo konkurencyjny pod względem tego, co dostajesz za swoje pieniądze. Miałem problem z 5.5: był bardzo „potrzebujący”. Dawałeś mu cały plan, mówiłeś: wykonaj go, a on: „zrobiłem fazę pierwszą, kontynuować fazę drugą?”. Dałem ci cały plan — zrób całość i wróć, kiedy skończysz. 5.6 jest znacznie bardziej chętny, szybszy i wydajny tokenowo. Ale to nie odpowiednik Fable — odpowiednikiem będzie „szóstka”.
Benchmark Rileya i granice porównań z Fable
Riley: GPT 5.6 przeszedł mój nowy benchmark z Repletem. Chodzi o to, czy model potrafi w jednym poleceniu stworzyć klon Lovable — czyli mobilną aplikację, natywną aplikację iOS w Swifcie, która buduje aplikacje webowe, tak jak Lovable czy Replit. Kiedy poprosiłem o to Fable, mój prompt miał jakieś cztery zdania. Napisałem po prostu: stwórz klon Lovable, użyj Daytony do sandboxów, Convex do bazy danych i modeli Anthropica do generowania aplikacji. Fable za jednym zamachem, bez wahania, po prostu to zrobił. 5.6 wymagał ode mnie dłuższego promptu — musiałem dać więcej instrukcji.
Ross: I to ma sens. Ludzie porównują 5.6 do Fable 5 i to nieuczciwe. Modele klasy „mythos” są w innej lidze. Zauważ, że przy każdej „czwórce, piątce, szóstce” zawsze dochodziło do monumentalnego skoku. Jedynym przełomowym skokiem „o punkt” był Opus 45 — wtedy wszyscy zrozumieliśmy, że to nie żarty. Fable to potwór.
I biorąc pod uwagę koszt — a to ważne, bo nie będziemy dotowani wiecznie — rozsądnie jest zacząć segregować zadania: którym mogę zaufać modelowi takiego jak 5.6, a które dać Fable. Jeśli zmieniasz kolor strony docelowej, może nie potrzebujesz Fable 5 Max — może zjedziesz na „low”, może wystarczy Opus 4.8. Sam zbudowałem z Fable alternatywę dla Daytony — uruchamianie własnych sandboxów na bare metal. Zbudowałem panel do wdrażania własnych serwerów gier, w tym modowane Vice City. Przeportowałem Eve — framework agentowy Vercela — tak, żeby w pełni działał na Convex. To coś, co sam bym zrobił, ale zajęłoby mi 3–4 miesiące skupionej pracy. Fable zrobił to w 8 godzin, jednym promptem, wszystkie testy przeszły, w pełni wdrożone na Vercelu. Fable jest w swojej własnej klasie. 5.6 jest o klasę wyżej niż Opus 48 i o klasę wyżej niż 55, znacznie lepszy od tych modeli, ale w czystej inteligencji i najtrudniejszych zadaniach nic nie dorównuje Fable.
Riley: I to w tej samej cenie co 5.5.
Ross: Co jest niesamowite. Ludzie tego nie doceniają. Trudno zbudować bardzo mądry model — brawa dla Anthropica — ale bardzo trudno jest też trafić w cenę i wydajność. OpenAI buduje ten fundament wydajności, a potem wytrenuje zupełnie nową klasę, model GPT6. Koszt to coś, o czym ludzie powinni zacząć myśleć. Za bardzo pijemy ten Kool-Aid, bo pewnego dnia dotacje się skończą.
Computer use — najmocniejsza zmiana w codziennej pracy
Riley: Chcę poznać twoje przepływy pracy — jak taktycznie używasz Codeksu i jakie ulubione umiejętności stworzyłeś.
Ross: Jest kilka rzeczy, które OpenAI/ChatGPT/Codex — te nazwy są już wszędzie — robi znakomicie. Pierwsza, i błagam ludzi, żeby jej używali, to computer use. Ten model jest niesamowity w obsłudze twojego komputera. Na tyle, że kupiłem mini PC, żeby zdalnie się do niego podłączać i kazać agentowi używać tego komputera. Do czego? Do wypełniania formularzy i podobnych rzeczy. A w budowaniu aplikacji moim ulubionym zastosowaniem jest testowanie własnej aplikacji. Nie potrzebujesz nawet do tego umiejętności — model i agent są tak dobrzy, że robią to automatycznie.
Riley: Wracam po 30 minutach i zastanawiam się, czemu tak długo trwa, a widzę, że on wciąż testuje aplikację raz za razem, znajduje przypadki brzegowe i po prostu to robi. Przepraszam, że przerywam, ale ten computer use i browser use to coś, czego nie da się dobrze opisać — trzeba tego doświadczyć.
Ross: Jedna z moich ulubionych pętli — możesz jej użyć z dowolnym agentem z computer use, ale Codex jest w tym najlepszy — wygląda tak. Podpinam coś w rodzaju Linear (do śledzenia zgłoszeń; możesz użyć Notion, czego chcesz). Mówię agentowi: zbuduj tę funkcję, kryterium sukcesu jest takie, że użyjesz computer use; jeśli się nie uda — napraw, powtórz, a gdy skończysz — wróć do mnie. Właśnie poprosiłem ChatGPT, żeby uruchomił tę aplikację lokalnie, a teraz powiem: przetestuj tę aplikację end-to-end za pomocą computer use. Używam computer use jako kroku ewaluacji. Jeśli buduję funkcję, która jest w jakiś sposób związana z interfejsem — wysyłka formularza czy cokolwiek — sam kod nie wystarczy. Potrzebuję, żeby agent przeprowadził testy QA. W normalnym zespole inżynierskim są ludzie od QA. W moim dawnym korporacyjnym zajęciu ktoś miał za całe zadanie łamać to, co zbudowałem. Teraz mogę to zrobić Codeksem.
Riley: Fajne w computer use Codeksu jest to, że mogę pracować, gdy on pracuje. Przy computer use Anthropica agent przejmuje mysz i ekran, i musisz mu pozwolić działać. To bardzo ważne: w Codeksie robi to w tle. W Claude Code widzisz ten brązowy gradient przejmujący komputer i musisz czekać. W Codeksie przełączam się na inną aplikację i widzę, że pracuje w tle. To otwierające oczy doświadczenie — chce mi się mieć najmocniejszy komputer na świecie i sto komputerów z pracującymi agentami.
Ross: I tu myśl szerzej. Skoro masz agenta, który potrafi obsługiwać komputer, zadaj sobie pytanie: co teraz mogę robić? Arkusz z tysiącami wierszy, gdzie nawet konektor MCP by nie dał rady? Możesz to zrobić z computer use. Chcesz w pełni przetestować aplikację end-to-end? Możesz. Mam teraz dwie instancje przeglądarki i wirtualny terminal, na którym agent uruchamia komendy. To były kiedyś czyjeś etaty. W dawnej pracy ktoś tylko uruchamiał moje funkcje i próbował je złamać. Teraz proszę agenta, żeby stworzył plan testów mojej aplikacji — ma kontekst, jak ona działa — i przetestował ją z computer use. Zidentyfikuje, co działa, a co nie. I zgadnij, co jeszcze mogę mu kazać? Naprawić te funkcje. Zadanie domowe dla wszystkich oglądających: co najmniej 30 minut spamu z computer use. Każ mu robić najdziwniejsze rzeczy. Jeśli budujesz aplikację — każ mu ją przetestować. To dla mnie największy przeskok w przepływie pracy.
Record and replay — computer use dla nie-programistów
Riley: Dodam jedno. Najlepszy sposób na computer use, jeśli nie jesteś programistą i nie interesuje cię vibe coding — powiedzmy, że jesteś marketerem, a ja szczerze używam tego dziś bardziej do zadań marketingowych niż programistycznych — to nowa funkcja OpenAI: record and replay. Pozwala kazać agentowi nagrać twój ekran, żebyś po prostu przez 30 minut używał komputera, a on zamieni to nagranie w umiejętność (skill), którą agent wykona później. W 100% wierzę, że to jest przyszłość computer use dla pracy umysłowej. To nie będzie pisanie idealnego promptu ani procedury SOP dla agenta — to będzie po prostu nagranie ekranu. Wiele z tych zadań jest powtarzalnych i irytujących. Cały proces to dosłownie: „nagraj mój ekran i zamień to, co robię, w umiejętność”. Tyle.
Pętle — silnik jakości dla każdej dziedziny
Ross: Punkt drugi to pętle. Wiem, że jest wokół nich kontrowersja, ale wysłuchaj mnie. Mają sens w pewnych kategoriach, gdy budujesz aplikację. Dzięki Codeksowi połączonemu z GPT 5.6 Soul możesz mieć zautomatyzowany cykl przeglądu kodu. Za każdym razem, gdy wypychasz zmiany, każ modelowi 5.6 Soul przejrzeć kod i ocenić go w skali od 1 do 5 albo 1 do 10. Ja używam zewnętrznego agenta do przeglądu, ale nie musisz — możesz kazać samemu Soulowi ocenić kod, który zmienił. Zrobiłbym to w nowym wątku. Najczęściej zdziwisz się: agent, który sam napisał kod, oceni się dość surowo — powie, że to cztery albo trzy na pięć. Potem mówisz mu: popraw, aż dasz sobie pięć na pięć.
Inny typ pętli to automatyzacje. W zakładce Codex — chyba zmienili nazwę na „schedules” — mogę powiedzieć: codziennie o 8 rano przejrzyj wszystkie moje otwarte PR-y i podpowiedz, które zamknąć, które zostawić, które wymagają dalszego przeglądu; zrób dokładny przegląd bezpieczeństwa każdego PR-a i daj mi raport; jeśli coś trzeba naprawić od razu — otwórz wątek i napraw. Ludzie mówią o fabrykach oprogramowania — panie i panowie, waszą fabryką oprogramowania jest Codex. Brakowało tylko naprawdę mocnego modelu, jak GPT 5.6 Soul. O poranku sam przejrzy wszystkie PR-y i problemy bezpieczeństwa, a ty masz gotowy raport. Zarządzanie fabrykami oprogramowania naprawdę nie było możliwe, dopóki nie pojawiły się modele takie jak 5.6 i Fable. Teraz problemem jest wyobraźnia. Chciałem zbudować wieloosobowe Vice City, bo takie nie istnieje. Zforkował wersję Vice City działającą w przeglądarce, poprosiłem o multiplayer, poszedł na jakieś cztery godziny i mam multiplayer — na jednym ekranie postać stoi, na drugim jest w aucie. Były błędy, trzeba było iterować, ale wyobraź sobie, ilu inżynierów by to zajęło.
Pętle w marketingu — reklamy, miniatury, wideo
Riley: Uczyńmy to namacalnym dla zadań nieprogramistycznych. Krótko o pętlach: agent przegląda swoją pracę, daje jej ocenę i jeśli nie spełnia kryterium, wraca i zaczyna od nowa, aż osiągnie próg. To można zastosować do wszystkiego.
Ross: Jak używasz pętli w marketingu?
Riley: Weźmy reklamy. Jest API o dziwnej nazwie foreplay, które pozwala scrape’ować reklamy dowolnej firmy — pobierasz wideo, transkrypcje najlepszych reklam i sortujesz je po najdłuższym czasie emisji. Jeśli firma emituje reklamę najdłużej, prawdopodobnie to ta, która najlepiej konwertuje. Nie znasz dokładnego ROI, ale długo emitowana reklama to dobra reklama. Możesz więc pobrać naprawdę dobre reklamy konkurencji i — gdy prosisz AI o 20 skryptów reklamowych dla swojej firmy — dać Codeksowi cały kontekst firmy, a on napisze te skrypty. Potem może porównać je z reklamami o wysokiej skuteczności i każdemu dać ocenę, a ty pętlisz to, aż wszystkie osiągną określone kryterium.
Inny przykład to miniatury YouTube. W marketingu jedyny sposób, żeby to zadziałało — bo o kodzie łatwo powiedzieć „dobra robota” czy „zła robota”, a to właśnie dlatego modele AI są słabe w projektowaniu: jest niejednoznaczne, czy zrobiły to dobrze. Podobnie z pisaniem skryptów — jak wzmocnić model, jeśli ludzie prowadzący reinforcement mają różne opinie i nikt nie wie, co jest dobre? W kodzie to łatwe do oceny. Dlatego jedyny sposób to zebrać naprawdę wysokiej jakości przykłady, dać je AI i kazać ocenić swoją pracę względem nich. Jeśli dasz Codeksowi 20 miniatur, które lubisz, ma dobre wyczucie twojego gustu i może oceniać własne miniatury względem tych, które lubisz. Mówisz: rób dalej, aż wygenerowane miniatury będą podobne do tych 20.
Mam też narzędzie, które pozwala Codeksowi używać funkcji analizy wideo w Gemini. Do Gemini można wgrać wideo, a model faktycznie je „ogląda” — wyciąga napisy, widzi klatki. Nasi twórcy UGC przysyłają wideo, a ja każę Codeksowi je przeanalizować i porównać z najlepszymi wideo innych firm, po czym je ocenia. To pętle, które zaczynamy tworzyć: porównujemy to, co robimy jako ludzie, oraz to, co generuje AI, do wysokiej jakości przykładów, a to iteruje aż do progu jakości.
Ross: Żeby to utrwalić: pętla jest tak prosta. Masz dobrze zdefiniowany prompt (u Rileya: „chcę miniaturę YouTube”), silnik informacji zwrotnej (20 naprawdę dobrych miniatur, do których nowe mają być podobne) i dobrze zdefiniowane kryterium sukcesu. W przypadku dewelopera silnikiem zwrotnym jest kazanie agentowi użyć computer use — a dziś nawet nie musisz mu tego kazać, sam to zrobi. Mówisz agentowi: idź do tego celu, korzystając z silnika zwrotnego. Większość ludzi nie wie, czego chce — nie wiedzą nawet, co zjeść na obiad. Musisz wiedzieć, jak wygląda sukces, bo agent ci tego nie powie. Agent nie wie, czym jest sukces. Dajesz mu mechanizm oceny i on sam pętli aż do kryterium sukcesu.
Riley: Dlatego wtyczki są tak ważne. Jest kolejne API — scrape creators — które pozwala pobrać dowolne wideo z dowolnej platformy. Mogę powiedzieć: idź na Instagram Grega Eisenberga i pobierz jego 10 najlepszych filmów. A dzięki mojej umiejętności do Gemini — która pozwala Codeksowi wyciągnąć z wideo jak najwięcej informacji, bo z mojej wiedzy Gemini to jedyny model, do którego można wgrać wideo — agent przeanalizuje ten materiał.
Ross: Nie sądzę, żeby jakikolwiek inny model to potrafił.
Riley: To najbardziej niedoceniana funkcja — to jedyna rzecz, do której użyłbym Gemini. W reszcie są nieco z tyłu, ale nie chcę ich obrażać — Logan Kilpatrick, jeśli to oglądasz, kocham cię. Jeśli dasz agentowi zdolność znajdowania wysokiej jakości przykładów i powiesz: zrób wideo tak dobre jak Grega Eisenberga, tak dobre jak inne dobre wideo na Instagramie — pójdzie na Instagram, pobierze je, obejrzy, zrozumie, jak wygląda dobra robota, przeanalizuje skrypt i dopilnuje, żeby moje wideo było zmontowane podobnie.
Właściwe narzędzia — gospodarka „klocków” dla agentów
Riley: Co dalej na liście?
Ross: Punkt trzeci to narzędzia — z perspektywy deweloperskiej: jakiego stacku używasz. Kiedyś, w dawnych czasach inżynierii, braliśmy dumę z budowania i posiadania wszystkiego. Teraz liczy się szybkość i to nas już aż tak nie obchodzi. Chcę używać narzędzi, które naprawdę pomagają mi zbudować to, co chcę — właściwe narzędzie do właściwego zadania. Zauważ, że agenty domyślnie wybierają Reacta, gdy każesz zbudować aplikację webową. Trzeba wiedzieć, czego potrzebujesz. Jeśli chcę budować 3D, pierwsze, co przychodzi na myśl, to Blender — Blender ma MCP, więc kopiuję instrukcje MCP i wklejam. Riley chciał robić analizę wideo — nie wiedziałem, że model to potrafi — więc idzie do Gemini.
Wspomnę o tym tylko, bo o tym mówiłeś, i od razu zaznaczę: pracuję tam, ale serio — Convex przy budowie aplikacji. Wiem, że ludzie nazwą mnie szczerze shillem, ale nie ma aplikacji, której nie zbudowałbym bez Convex. Jedyny powód: to w całości kod. Dochodzę do momentu, w którym chcę, żeby agent robił coraz więcej pracy, a ja chcę być menedżerem, który zakłada nogę na nogę i podejmuje decyzje. Jakie narzędzia mogę dać agentowi, żeby dać mu duży obszar działania i pełną moc, a sobie zostawić tylko decyzje „tak/nie”? Gdy łączysz computer use z pętlami i właściwymi narzędziami, nie sądzę, żeby istniała aplikacja, której ludzie nie potrafiliby zbudować. Ciekawe: jeśli spytasz Codeksu, jakie narzędzia są dla niego najlepsze, sam ci powie, co u niego działa i dlaczego.
Riley: To nawiązuje do tego, o czym często mówi Guillermo Rauch z Vercela — na przykład w podcaście Navala — o gospodarce klocków budowanych wokół agentów. Agenty nie muszą budować wszystkiego od zera; firmy tworzą klocki, których agenty mogą po prostu użyć. Wspomniałeś Eve — framework agentowy Vercela. Ja używałem ich AI SDK do mojego klona Replita. Gdy poprosiłem Codeksu o zbudowanie Replita, użył Convex do bazy danych, AI SDK Vercela do agenta generującego kod wewnątrz aplikacji i Daytony do sandboxa — bo potrzebujesz sandboxa, żeby generować i uruchamiać kod każdej aplikacji. Agent tylko połączył gotowe klocki, jak Lego.
Ross: I ciekawa rzecz, zwłaszcza przy Eve — decyzja, jak skonstruowany jest agent. To brzmi wysokopoziomowo, ale jest proste. Nazwy plików i folderów opisują, co robią: agent.ts — tu zdefiniowany jest agent; folder skills — tu żyją umiejętności; tools — narzędzia; sandbox — sandbox; channels — kanały komunikacji agentów. Skonstruowali framework za pomocą nazw plików, bo agent ma dostęp do wszystkich plików. Gdy trzeba coś zmienić czy odtworzyć, jest to po prostu proste. Dlatego używanie narzędzi, które dbają o to, jak agent z nich korzysta, jest tak ważne. I — nawiązując do Guillermo — powstanie cała gospodarka, w której czyjąś firmą jest dosłownie zbiór wtyczek, plików markdown i MCP, a nacisk kładzie się na to, jak dobrze agent potrafi z nich korzystać. Dlatego benchmark Rileya z Repletem przechodzi: modele znają te narzędzia i zamiast budować od zera na niskopoziomowych prymitywach AWS, budują z gotowych klocków. I dlatego wciąż potrzebujemy deweloperów — naprawdę mądrych ludzi, żeby te rzeczy utrzymywać. Nie sądzę, żebyśmy doszli do punktu, w którym AI w pełni je utrzyma. Używaj mnóstwa narzędzi i sprawdzaj, co ci pasuje.
Wiele wątków — świeży kontekst i „fabryka oprogramowania”
Riley: Był punkt czwarty?
Ross: Punkt czwarty — i to będzie kontrowersyjne — używaj wielu wątków. Instynktownie masz poczucie flow, idziesz z agentem raz za razem i trzymasz się jednego wątku. Ale używanie wielu wątków daje dwie rzeczy. Po pierwsze, przyzwyczajasz się do dzielenia na przedziały funkcji, które się nawzajem nie dotykają, więc możesz pracować nad wieloma rzeczami naraz. Po drugie — i to ważne — inny wątek to świeży kontekst. Świeży agent kontra agent, który ma już zajęte 120 tys. tokenów kontekstu — świeży agent wygra każdego dnia tygodnia. Fajne w Codeksie: możesz uruchomić wiele wątków z jednego wątku. Zrobiłem to na służbowym koncie, więc nie mogę pokazać, ale zbudowałem coś w pracy i w wątku powiedziałem: uruchom tyle wątków, ile jest funkcji, przetestuj każdą z computer use i daj znać, czy wszystko przechodzi. Wygenerowało się 10 wątków. Poszedłem spędzić czas z żoną i pozwoliłem Codeksowi pracować. Zarządzanie jest ważne.
Riley: To jedyne znane mi narzędzie, w którym możesz powiedzieć Codeksowi wprost: wykonaj te 10 zadań w 10 różnych wątkach, a on utworzy nowe sesje — widzisz je z boku. Inna rzecz z wieloma wątkami: możesz powiedzieć: podsumuj wszystkie dzisiejsze wątki i stwórz dokument tego, co zrobiliśmy. Po prostu je przeczyta. Domyślnie masz izolowane wątki, co jest miłe, ale gdy potrzebujesz kontekstu z innych, mówisz: wcześniej dziś pracowaliśmy nad tymi rzeczami. Ponieważ robię dużo pracy umysłowej — maile, skrypty — przydaje się, że AI podsumuje wszystko, co zrobiłem, w zwięzły jednostronicowy dokument. Możesz nawet poprosić, żeby dołączył linki do wątków, bo każda sesja ma swój wątek — klikasz i przenosi cię prosto do niego. Naprawdę fajna funkcja.
Sites, przeglądarka i wygaszenie Atlasa
Riley: Otwórz Codex — chcę omówić trzy rzeczy, o których mówił ChatGPT. Pierwsza to nowe „sites”. To funkcja, którą OpenAI ogłosiło kilka tygodni temu, ale dostępna była tylko dla zespołów (teams). Zobacz — gdy klikniesz, pisze „stwórz stronę”. Powiedzmy: strona „hello world”, na najszybszym modelu, żebyśmy mogli pokazać.
Ross: Uwielbiam to. Śliczne.
Riley: Odpalasz to, a ono tworzy hostowaną stronę, którą możesz komuś wysłać — będzie hostowana w internecie, jak w Replit czy Lovable. W ramach wczorajszej zapowiedzi to stało się dostępne dla wszystkich, a nie tylko dla zespołów.
Ross: Zauważ, że trzeba było przejść do „sites”, kliknąć „utwórz nową stronę” i pojawia się prompt — zakładam, że to jakaś kombinacja umiejętności i MCP. To pokazuje, jak ważny jest naprawdę zdolny model. Wiele fajnych aktualizacji było produktowych — pod spodem to wciąż ten sam model — a to pokazuje, że Soul pokrywa duży obszar. Wracam do pierwszej myśli: najlepszy model do kodowania jest najlepszym modelem do wszystkiego.
Riley: Nie musisz nawet wchodzić w zakładkę „sites”. Możesz wcisnąć Command+N w Codeksie, zacząć nowy czat, wpisać @sites i po prostu zbudować stronę. Możesz ją vibe-code’ować i hostować na ich platformie, a gdy ci się spodoba, przenieść na Vercel, jeśli go używasz. To łatwiejszy sposób dla nietechnicznych, żeby vibe-code’ować. Właściwie zamienili Codex w pełną platformę vibe codingu. Daje modelowi zdolność korzystania z tej wtyczki i jeśli poprosisz o stronę, automatycznie ją tam zhostuje.
Kolejna rzecz — otwórz panel boczny, ikonę w prawym górnym rogu. Możesz otworzyć przeglądarkę.
Ross: Naprawdę dobra. W tej najnowszej aktualizacji potrafi otwierać wiele kart — wiele kart przeglądarki. To pełna przeglądarka.
Riley: Jedną z wczorajszych zapowiedzi jest wygaszenie Atlasa. OpenAI wygasza Atlas — mieli zespół pracujący nad tą przeglądarką i albo go rozwiązali, albo scalili. Wygaszają osobną aplikację i wkładają cały wysiłek w to, żeby wbudowana przeglądarka w Codeksie była naprawdę dobra. Dlatego jestem takim optymistą co do stron natywnych dla agentów AI — tylu ludzi używających ChatGPT będzie miało to narzędzie, i gdy o coś poproszą, zamiast otwierać Chrome w bocznej przeglądarce, po prostu otworzy się to tutaj.
Super aplikacja i aplikacje natywne dla agentów
Ross: Użyłeś na to terminu — jakiego?
Riley: Super aplikacja. Codex to super aplikacja — można ją traktować jak system operacyjny AI. Aplikacja natywna dla agenta, czyli mini-aplikacja, to aplikacja przeznaczona w pierwszej kolejności dla agenta. Dan Shipper mówił o tym ostatnio — buduje aplikacje natywne dla agentów, do których nigdy nie wchodzi, chyba że korzysta z agenta. Agent może otworzyć małą mini-aplikację pocztową, która pokazuje mu wiadomość naszkicowaną przez AI, a on ją wysyła albo przekazuje feedback Codeksowi. Te aplikacje mają przyciski, ale są robione po to, by używał ich agent. Ja widzę to jako system operacyjny. Oglądamy najwcześniejsze przebłyski systemu operacyjnego AI — gdybyś kupił komputer, który miałby to załadowane, mógłbyś zrobić w zasadzie wszystko: rozmawiasz z AI, coś się dzieje albo ładuje się interfejs, używasz go i przechodzisz do kolejnego. Dlatego to takie ekscytujące — dosłownie patrzymy na nowy sposób używania komputera. Wciąż jesteśmy na wczesnym etapie, więc przypomina to ChatGPT, ale jeśli dostatecznie dobrze opanujesz takie narzędzia, staniesz się bardziej „agent native” i pomyślisz: to potrafi dosłownie wszystko.
Co dalej — myśleć większymi kategoriami, uczyć się designu i pisania
Riley: Omówiliśmy dużo. Ross, moje zamykające pytanie: co cię ekscytuje w Codeksie i jakie umiejętności chcesz zdobyć jako następne?
Ross: Wraca to do tego, co mówiłem wcześniej — zaczynam myśleć większymi kategoriami. Te wymarzone pomysły, aplikacje czy biznesy, o których myślałem „może nie mam takiego poziomu inteligencji, czasu albo sprytu, żeby ogarnąć wszystkie detale” — naprawdę mogę je zrobić z najnowszym modelem i harnessem takim jak Codex. Prowadzę bieżącą listę rzeczy, które chciałem zbudować, jako dziecko i teraz, i po prostu je buduję. Mam osiem–dziewięć wątków, które budują różne rzeczy. Moje oczy się otworzyły — głównie przez Fable, szczerze, ale używając GPT 5.6 Soul zdałem sobie sprawę, że skoro Fable za chwilę stracimy, mam model naprawdę bardzo dobry za ułamek kosztu, który potrzebuje odrobiny prowadzenia, ale wciąż daje radę.
(Informacja dodatkowa: „stracimy Fable za chwilę” odnosi się do praktyki wygaszania starszych, drogich modeli premium — rozmówcy zakładają, że najmocniejszy model nie zostanie z nimi na stałe, stąd nacisk na tańsze alternatywy.)
Umiejętności, które chcę zdobyć, to rzeczy, w których modele są słabe. Design — prowadzę katalog naprawdę dobrych inspiracji projektowych i ćwiczę kolory, typografię, odstępy. Bo choć modele Anthropica są dobre w designie, w pewnym momencie zaczniemy rozpoznawać, które strony zrobiła AI, a które nie. Druga rzecz to pisanie i umiejętność wyjaśniania. W miarę jak model się poprawia, będzie miał intuicję, o co ci chodzi — ale wyobraź sobie, że potrafimy skutecznie komunikować dokładnie to, czego chcemy, czego oczekujemy i jak wygląda pętla zwrotna. Zauważam, że im lepiej to wyjaśniam, tym lepsze dostaję wyniki. I ostatnia rzecz: dziś większość produktów to pliki markdown. Nie trać czasu na budowanie pliku markdown — buduj coś naprawdę użytecznego i ważnego. A jeśli to trudne — cóż, masz teraz dostęp do najlepszego modelu.
Riley: A ja będę doskonalił swoje przepływy marketingowe. Spędzę nad tym dużo czasu — myślę, że to najbardziej niezbadany obszar: używanie tego do operacji i marketingu, jako mojego systemu operacyjnego.
Ross: Jesteś jednym z niewielu, którzy wskoczyli razem z inżynierami i nauczyli się narzędzi razem z nimi, ale masz teraz niezbadane pole, do którego wielu w branży nie ma dostępu. A nawet jeśli mają, nie są w tym za dobrzy. Widzę treści na Instagramie i czasem krzywię się na porady, które ludzie dają. Pamiętam film, gdzie ktoś mówił: „użyj GLM 4.coś i zaoszczędź mnóstwo pieniędzy, świetny model”. A ja: nie, to nie jest świetny model.
Riley: Luka edukacyjna jest ogromna. Możesz zbudować wszystkie te produkty i zrobić tyle rzeczy, ale szczerze uważam, że największa szansa to edukacja. Nie sądzę, żeby była aż tak wielka luka narzędziowa — wręcz narzędzia rozwijają się zbyt szybko, żeby ludzie zdążyli je przyswoić. Dlatego bardziej skupiam się teraz na treściach: ludzie nie są właściwie wyedukowani, a chcą być. Jest ogrom fatalnych treści, zwłaszcza na platformach short-form. Jeśli potrafisz być głosem rozsądku, nauczyć ludzi używać tych narzędzi, a nawet wejść do firm i pomóc im, wdrażając te narzędzia i ucząc przepływów pracy, możesz zarobić bardzo dużo — zwłaszcza gdy narzędzia stają się lepsze w ogólnej pracy umysłowej. Właściwie już są wystarczająco dobre. Chodzi o to, jak skonceptualizować system operacyjny i skonfigurować pętle czy automatyzacje dla zadań marketingowych, jakie wtyczki i narzędzia dobrać i jak wygląda przepływ pracy. Na tym się teraz skupiam: agentowe przepływy pracy dla zadań nieprogramistycznych i to, jak to skonceptualizować i uczyć ludzi na dużą skalę.
Ross: Subskrybujcie kanał Riley Brown.
Riley: Zawsze przyjemnie mieć cię w podcaście. Powinniśmy robić to co kilka miesięcy.
Ross: Jestem chętny. Dziękuję, Riley, za zaproszenie i dziękuję wszystkim za oglądanie.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Segreguj zadania między tanie i najmocniejsze modele
Na czym polega: GPT 5.6 Soul jest bardzo wydajny tokenowo i tani, ale w najtrudniejszych, długich zadaniach nie dorównuje modelowi klasy premium (tu: Fable). Rozsądek to dopasowanie modelu do trudności zadania.
Jak stosować: Zbuduj sobie prostą regułę: proste, mechaniczne zmiany (np. kolor strony) → tani model na niskim ustawieniu; złożone, wieloetapowe budowy z zależnościami → najmocniejszy dostępny model. Testuj nowy model, sprawdzając, ile wywołań narzędzi wykonuje na zadanie.
Na co uważać: Dotacje na tanie API kiedyś się skończą — nie przyzwyczajaj procesów do „darmowej” mocy. Nie oczekuj, że tańszy model wykona jednym krótkim promptem to, co premium; przygotuj dłuższe, dokładniejsze instrukcje.
2.Computer use do testowania własnych aplikacji
Na czym polega: Agent potrafi realnie obsługiwać komputer i przeglądarkę, a w Codeksie robi to w tle, nie przejmując twojej myszy — więc możesz pracować równolegle.
Jak stosować: Po zbudowaniu funkcji z interfejsem każ agentowi uruchomić aplikację lokalnie i przetestować ją end-to-end przez computer use, a następnie naprawić znalezione błędy. Traktuj to jak własny dział QA.
Na co uważać: Testy potrafią trwać długo (agent szuka przypadków brzegowych w kółko) — nie interpretuj długiego czasu jako zawieszenia. Przy agentach, które przejmują ekran (inne narzędzia), zaplanuj, że komputer będzie zajęty.
3.Record and replay zamiast pisania procedur
Na czym polega: Nowa funkcja nagrywa twój ekran (do 30 minut) i zamienia powtarzalną czynność w gotową umiejętność (skill) dla agenta.
Jak stosować: Zidentyfikuj powtarzalne, nużące zadania biurowe (10-minutowe klikanie), powiedz „nagraj mój ekran i zamień to, co robię, w umiejętność”, wykonaj czynność raz — i deleguj kolejne powtórzenia agentowi.
Na co uważać: Nadaje się do zadań powtarzalnych i deterministycznych; procesy wymagające osądu wciąż potrzebują nadzoru. Zwróć uwagę na dane wrażliwe pojawiające się na nagrywanym ekranie.
4.Buduj pętle jakościowe wokół trzech elementów
Na czym polega: Skuteczna pętla = dobrze zdefiniowany prompt + silnik informacji zwrotnej + jasne kryterium sukcesu. Agent iteruje samodzielnie aż do celu.
Jak stosować: Zanim uruchomisz pętlę, zdefiniuj, jak wygląda sukces (agent tego nie wie) i skąd bierze się ocena (computer use, ocena kodu 1–5, porównanie do wzorców). Powiedz agentowi: popraw, aż osiągniesz próg.
Na co uważać: Bez konkretnego kryterium pętla nie zbiega się lub kręci się w nieskończoność. Samoocena modelu bywa zawyżona lub zaniżona — dla ważnych rzeczy używaj niezależnego, świeżego wątku do przeglądu.
5.Pętle działają też w marketingu — z bazą wzorców
Na czym polega: Ponieważ w designie i piśmie „dobre” jest niejednoznaczne, jakość osiąga się przez porównanie do zbioru wysokiej jakości przykładów, a nie przez abstrakcyjny prompt.
Jak stosować: Zbierz 20 naprawdę dobrych przykładów (miniatur, skryptów reklam, wideo konkurencji) i każ agentowi oceniać własne wyniki względem nich, iterując aż do podobieństwa. Do reklam korzystaj z danych o najdłużej emitowanych kampaniach jako proxy skuteczności.
Na co uważać: Długość emisji to tylko przybliżenie konwersji — nie znasz realnego ROI. Jakość bazy wzorców decyduje o wszystkim: śmieciowe przykłady = śmieciowe wyniki.
6.Analiza wideo przez Gemini jako narzędzie agenta
Na czym polega: Gemini pozwala wgrać wideo i faktycznie je „obejrzeć” (napisy, klatki) — z narracji rozmówców to jedyny model z tą zdolnością, przydatny jako narzędzie podpięte do Codeksu.
Jak stosować: Podepnij API do pobierania wideo (np. scrape creators) i umiejętność korzystania z Gemini, by agent ściągał materiały konkurencji, analizował montaż i skrypt oraz porównywał twoje wideo z najlepszymi.
Na co uważać: Weryfikuj kwestie praw autorskich i regulaminów platform przy scrape’owaniu cudzych treści. Twierdzenie o „jedynym modelu z analizą wideo” to opinia rozmówców — sprawdź aktualny stan przed decyzją narzędziową.
7.Dobieraj właściwe narzędzia zaprojektowane pod agentów
Na czym polega: Agenty składają aplikacje z gotowych „klocków” (baza, sandbox, framework agentowy). Narzędzia z czytelną strukturą plików/folderów są łatwiejsze dla agenta do zrozumienia i modyfikacji.
Jak stosować: Zanim zaczniesz, ustal, jakiego stacku potrzebujesz do konkretnego celu (3D → Blender MCP, baza → Convex, sandbox → Daytona). Możesz nawet spytać Codeksu, jakie narzędzia są dla niego najlepsze i dlaczego.
Na co uważać: Rozmówca deklaruje konflikt interesów (pracuje w Convex) — traktuj konkretne rekomendacje jako punkt wyjścia, nie wyrocznię. Nadal potrzebujesz ludzi do utrzymania kluczowych zależności; AI ich w pełni nie utrzyma.
8.Pracuj na wielu wątkach dla świeżego kontekstu
Na czym polega: Nowy wątek to świeży kontekst; agent bez zapchanego okna (np. 120 tys. tokenów) działa lepiej. Codex pozwala uruchamiać wiele wątków z jednego.
Jak stosować: Dziel pracę na niezależne funkcje, które się nie dotykają, i uruchamiaj je równolegle w osobnych wątkach. Możesz kazać agentowi rozbić zadanie na N wątków, przetestować każdy przez computer use i zaraportować. Na koniec dnia poproś o podsumowanie wszystkich wątków z linkami.
Na co uważać: Równoległość wymaga, by zadania faktycznie były niezależne — nakładające się zmiany prowadzą do konfliktów. Zarządzanie i jasne kryteria stają się twoją główną rolą.
9.Automatyzacje „schedules” jako fabryka oprogramowania
Na czym polega: Codex może o zadanej porze cyklicznie wykonywać zadania — np. codzienny przegląd wszystkich PR-ów, przegląd bezpieczeństwa i raport, z naprawą pilnych rzeczy na miejscu.
Jak stosować: Skonfiguruj poranną automatyzację przeglądu PR-ów/bezpieczeństwa z jasnym poleceniem, co zamknąć, zostawić i naprawić. Połącz to z pętlą samooceny kodu (popraw, aż 5/5).
Na co uważać: Automatyczne naprawy „na miejscu” wymagają kontroli człowieka przed wdrożeniem — nie oddawaj bezkrytycznie decyzji o merge’u. Przeglądy bezpieczeństwa przez model to wsparcie, nie substytut audytu.
10.Największa szansa to edukacja i umiejętności miękkie modelu
Na czym polega: Luka nie leży dziś w narzędziach (rozwijają się szybciej, niż ludzie nadążają), lecz w edukacji. Jednocześnie przewagę budują umiejętności słabe u modeli: design i precyzyjne pisanie/wyjaśnianie.
Jak stosować: Jeśli już umiesz pracować agentowo, monetyzuj to, ucząc innych i wdrażając przepływy w firmach — szczególnie w niezbadanym obszarze operacji i marketingu. Równolegle rozwijaj własne wyczucie designu (kolory, typografia, odstępy) i umiejętność jasnego formułowania oczekiwań oraz pętli zwrotnej.
Na co uważać: W sieci krąży dużo błędnych porad (np. zachwalanie słabych, tanich modeli) — weryfikuj źródła, zanim je powtórzysz. Nie buduj „plików markdown dla samych plików markdown” — inwestuj czas w to, co realnie użyteczne.