Codex permite agora executar agentes em modelos selecionados
Codex permite agora executar agentes em modelos selecionados
A nova funcionalidade do Codex oferece maior flexibilidade ao permitir que os utilizadores escolham o modelo específico para cada agente. Esta atualização abre novas possibilidades de personalização e experimentação em projetos de desenvolvimento.
Codex permite agora executar agentes em modelos selecionados
O Codex passou a permitir que os utilizadores executem um agente num modelo específico à sua escolha. Esta funcionalidade confere aos utilizadores uma maior flexibilidade na personalização dos seus projetos e na experimentação com diferentes modelos de IA.
Na demonstração, é possível observar como o Codex executa todas as combinações possíveis de modelos e níveis de esforço de raciocínio para construir o mesmo website no MagicPath. Isto evidencia o poder e a adaptabilidade do Codex quando trabalha com diversos modelos de inteligência artificial.
Por que isso importa
AnáliseEsta nova capacidade capacita os utilizadores do Codex a aproveitar melhor a IA na criação de projetos, potenciando a produtividade e a criatividade no desenvolvimento.
Debater na comunidade
Compartilhe suas dúvidas e insights com desenvolvedores
Relacionado no ecossistema
Guias práticos, terminologia essencial e skills de agentes
Codex: onboarding básico, configuração e primeiras tarefas
Existem três formas de trabalhar com IA ao escrever código — e o Codex cobre a mais ambiciosa delas.
Codex Skills para iniciantes: como automatizar fluxos de trabalho de agentes de IA
Guia prático para criar e usar Skills no Codex: anatomia do SKILL.md, ativação explícita e automática, diferenças entre skills, scripts e tools, Skills API e configuração de limites de segurança.
Memória de Curto e Longo Prazo dos Agentes
Arquitetura de memória hierárquica para agentes autônomos. Separação entre memória de curto prazo (Short-Term Memory — janela de contexto ativa da sessão atual) e memória de longo prazo (Long-Term Memory — bancos de dados vetoriais, arquivos de perfil do usuário e diários episódicos).
Pesquisadores do MIT mostram que GPT-6 Astra pode melhorar outros modelos de IA alterando seus pesos
Em um experimento, a Astra aumentou a precisão do Qwen3.5-0.8B no MATH-500 de 7,9% para 48,1% ao alterar apenas 0,016% dos pesos do modelo.