从 Codex 到 ChatGPT：Tibo Sottiaux 如何成为 OpenAI 最关键的产品负责人之一

Key Takeaways

**Tibo Sottiaux 是 OpenAI 当前最值得关注的工程型产品负责人之一。**他曾在 Google DeepMind 从事机器学习基础设施、人类数据和研究工具相关工作，2024 年加入 OpenAI 后参与创建并领导 Codex，随后进一步负责 ChatGPT、Codex 及核心产品平台的整合。

理解 Tibo 的价值，不能只看他在社交平台发布额度重置、产品更新或故障说明。更重要的是，他正在推动 OpenAI 从“提供聊天模型”转向“提供可以持续执行任务的通用智能体”。

核心信息包括：

• **全名：**Thibault Sottiaux，常用名为 Tibo
• **职业定位：**工程师出身的 AI 产品与平台负责人
• **主要经历：**Google Maps、Google DeepMind、OpenAI
• **代表项目：**Gemini 人类数据工作、Reverb、Codex、ChatGPT 智能体产品
• **核心能力：**机器学习基础设施、智能体架构、产品工程、训练数据、开发者工具
• **当前影响：**推动 Codex 与 ChatGPT 融合，扩展 OpenAI 的通用任务执行能力

Tibo Sottiaux 是谁？

Tibo Sottiaux 是一名来自比利时的软件工程师和 AI 产品负责人，目前在 OpenAI 负责核心产品及平台相关工作。

他的职业轨迹与传统互联网产品经理明显不同。Tibo 并不是从市场、运营或用户界面设计进入产品管理，而是从应用数学、计算机科学、分布式系统和机器学习基础设施逐步走向产品负责人岗位。

这种经历使他能够同时理解三个通常相互分离的领域：

• 模型能做什么
• 工程系统如何承载模型能力
• 用户如何在真实工作中使用这些能力

这也是他能够从 Codex 工程负责人扩展到 OpenAI 核心产品负责人的重要原因。

Tibo 的教育背景有什么特别之处？

Tibo 在比利时法语鲁汶大学 UCLouvain 接受计算机科学、计算数学和应用数学相关教育，学习时间大致集中在 2009 年至 2014 年。

他的学术背景涉及：

• 线性与非线性优化
• 运筹学
• 离散数学
• 随机建模
• 数据库系统
• 网络安全
• 决策系统
• 预测建模

这些专业方向与现代 AI 智能体产品有直接联系。

智能体并不只是调用一次大语言模型。一个能够完成复杂工作的智能体，需要不断进行任务拆解、环境观察、工具选择、错误恢复、资源分配和结果验证。这些问题本质上都与优化、决策和系统工程有关。

因此，Tibo 的数学与工程背景不仅帮助他理解模型，也帮助他设计模型之外的执行系统。

Tibo 在 Google 和 DeepMind 做过什么？

Tibo 早期进入 Google 伦敦办公室，最初参与 Google Maps 相关工作，随后加入 Google DeepMind。

在 DeepMind 期间，他主要涉及机器学习研究基础设施、人类数据工作流以及研究人员使用的内部工具。相关经历包括：

• 为 AI 研究团队建设训练与实验基础设施
• 支持分布式机器学习工作流
• 参与强化学习数据系统的开发
• 参与 Gemini 系列模型相关工作
• 领导或参与 Gemini 的人类数据流程
• 改善研究人员与模型之间的开发效率

Tibo 还参与了 Reverb 项目。Reverb 是一个面向强化学习经验回放的基础设施框架，主要解决大规模分布式训练中数据存储、采样和传输的问题。

这类项目虽然不像聊天机器人界面那样容易被普通用户看到，却是大型 AI 系统能够稳定训练和快速迭代的重要基础。

人类数据经验为什么重要？

Tibo 在 DeepMind 参与人类数据工作的经历，是理解其后续职业发展的关键。

大语言模型的能力不只取决于预训练数据和算力。模型是否能够遵循指令、理解用户目标、完成复杂任务并避免明显错误，还取决于训练后的数据设计、反馈机制和评估体系。

人类数据工作通常涉及：

• 设计模型需要完成的任务类型
• 收集高质量示范答案
• 比较不同模型输出
• 标记错误和风险行为
• 构建自动化与人工评估标准
• 将真实用户需求转化为训练信号

这种经验让 Tibo 能够理解一个重要问题：模型表现不佳时，问题究竟应该通过模型训练解决，还是通过产品系统解决。

这也是 OpenAI 开发 Codex 和通用智能体时必须持续面对的核心决策。

Tibo 为什么从 DeepMind 加入 OpenAI？

Tibo 在 ChatGPT 发布后逐渐将职业重心转向旧金山，并于 2024 年加入 OpenAI。

他最初的工作依然与研究工具有关，主要帮助 OpenAI 内部研究人员提高模型开发和实验效率。随后，这些内部工具逐渐演变为面向开发者的智能体产品，最终形成新一代 Codex。

这一过程体现了 OpenAI 常见的产品路径：

1. 首先在内部解决真实工作问题
2. 让研究人员和工程师高频使用
3. 收集失败案例和操作数据
4. 提高模型可靠性与执行能力
5. 将内部工具包装成外部产品

Codex 并不是单纯从市场调研中设计出来的产品，而是 OpenAI 内部使用 AI 编程和任务自动化经验的产品化结果。

Tibo 如何推动 Codex 的发展？

Tibo 加入 OpenAI 后，参与创建并领导了新一代 Codex 软件工程智能体。

早期 Codex 更接近一个云端编程代理。用户提交任务后，系统进入代码仓库，理解项目结构、修改文件、运行测试，并尝试创建 Pull Request。

这种模式理论上可以让开发者把任务完整交给 AI，但实际使用中会遇到多个问题：

• 云端环境与本地开发环境不一致
• 项目依赖和权限配置复杂
• 长时间任务容易中途失败
• 用户很难观察智能体正在做什么
• 模型出现错误后缺少有效恢复机制
• 代码修改结果难以快速验证

Codex 团队随后加强了本地运行、命令行操作和开发环境集成，使智能体能够更贴近开发者现有工作流。

这一调整说明 Tibo 的产品路线不是坚持最初设计，而是根据真实使用摩擦重新定义产品形态。

Codex CLI 为什么选择开源？

Codex CLI 的开源，是 Tibo 产品策略中非常重要的一步。

智能体产品通常由模型、提示词、工具接口、执行循环、权限系统和结果验证机制共同组成。很多产品会将这些结构完全隐藏，导致开发者难以理解智能体为何成功或失败。

开源 Codex CLI 可以带来几个价值：

• 让开发者查看智能体如何读取和修改代码
• 允许社区扩展工具与工作流
• 降低智能体系统的神秘感
• 帮助企业审查安全与权限设计
• 收集来自真实项目的反馈
• 加速 Codex 进入更多开发环境

Tibo 的观点是，一个有效的智能体不一定需要极其复杂的外层框架。随着模型能力提高，系统应该尽量减少脆弱的人工规则，让模型承担更多理解和决策工作。

Tibo 如何看待智能体架构？

Tibo 的智能体设计理念可以概括为：模型能力优先，外部脚手架保持简单。

许多智能体系统依赖复杂的工作流：

用户请求
  ↓
意图分类器
  ↓
任务规划器
  ↓
工具选择器
  ↓
多个子智能体
  ↓
规则验证器
  ↓
结果汇总器

这种设计在模型能力有限时能够提高稳定性，但也可能形成新的限制。当模型能力快速升级后，旧规则可能阻止模型采用更有效的解决方法。

Tibo 更倾向于使用少量稳定原语，例如：

• 文件读取与修改
• 终端命令执行
• 搜索与浏览
• 测试运行
• 任务状态管理
• 权限与环境隔离

复杂的计划和决策则尽可能交给模型完成。

这种方法的优势是系统更容易随着模型升级而提升，缺点是对模型可靠性、权限控制和结果验证提出了更高要求。

Codex 为什么不再只是编程工具？

Codex 最初以软件工程智能体的身份被用户认识，但其能力正在逐渐扩展到更多电脑工作。

代码是一种高度结构化的任务环境。智能体可以读取文件、调用工具、观察错误、修改结果并再次运行。只要其他知识工作也能够被转化为类似的可执行流程，Codex 就可以处理更多任务。

例如：

• 整理和分析文档
• 处理表格与数据
• 汇总邮件和日历信息
• 检查项目发布状态
• 生成演示文稿
• 搜索内部知识库
• 自动化重复运营流程
• 执行研究和信息整理任务

因此，Codex 的长期定位可能不是“帮助程序员写代码”，而是“利用代码、工具和计算机环境完成知识工作”。

Tibo 在 OpenAI 的职责如何扩大？

随着 Codex 用户和使用场景快速增长，Tibo 的职责逐渐从单一产品扩大到 OpenAI 核心产品和平台。

其公开头衔曾包括：

• Codex Lead
• Core Products Lead
• Head of Product & Platform

不同头衔反映的是同一趋势：他已经不再只负责 Codex，而是开始推动 Codex 能力与 ChatGPT 的整合。

这一职责的核心目标可能包括：

• 将 ChatGPT 的对话能力与 Codex 的执行能力结合
• 让普通用户也能使用智能体完成任务
• 建立跨网页、桌面和移动端的一致体验
• 统一模型、工具、文件和账号权限
• 扩展企业级审计和安全能力
• 改善任务执行速度和成功率

ChatGPT 拥有庞大的普通用户基础，而 Codex 在开发者群体中验证了智能体执行模式。两者结合，是 OpenAI 从聊天产品走向通用智能体平台的重要一步。

Tibo 的产品管理风格有什么特点？

Tibo 的产品风格具有明显的工程师特征。

直接参与用户反馈

他经常通过公开账号回应用户遇到的配额、故障、任务失败和产品体验问题。与传统高管相比，他更接近产品团队与用户之间的直接接口。

快速承认问题并调整

当 Codex 出现容量不足、额度异常消耗或功能上线问题时，他通常会公开说明现状，并在修复后更新补偿或恢复情况。

使用数据驱动产品迭代

Codex 团队会根据用户实际执行的任务、失败原因、环境配置和反馈内容调整产品，而不是只依赖预设路线图。

强调内部高频使用

Tibo 自己也是 Codex 的重度用户，会将项目跟踪、文件整理、信息汇总和发布检查等任务交给智能体。这种内部使用方式有助于团队更早发现真实问题。

为什么他经常发布配额和重置公告？

Tibo 在社交平台上发布使用额度、重置券和故障补偿信息，并不意味着他只是负责 Codex 的社区运营。

这些公告反映出他参与了产品运营中的多个关键环节：

• 模型算力分配
• 用户套餐限制
• 使用额度设计
• 多平台功能上线
• 故障补偿机制
• 大规模用户沟通

AI 智能体的成本结构比普通软件复杂。一次用户请求可能运行数分钟甚至更长时间，期间需要多次调用模型、读取文件、执行代码和验证结果。

因此，配额并不只是商业定价问题，也关系到：

• 系统是否有足够算力完成任务
• 不同用户能否公平使用资源
• 长任务是否会消耗过多容量
• 自动审查和子智能体是否被计费
• 产品是否能够维持稳定响应速度

Tibo 频繁参与配额沟通，说明其职责同时覆盖产品体验与系统资源之间的平衡。

Tibo 面临过哪些产品争议？

目前与 Tibo 相关的公开争议主要集中在 Codex 产品运营，而不是个人操守。

使用额度异常消耗

部分用户曾发现 Codex 周额度下降速度明显高于预期。问题可能与自动代码审查、后台任务和子智能体调用频率有关，也可能涉及用量仪表盘显示错误。

此类事件暴露了智能体产品的一个普遍问题：用户很难直观理解一次任务究竟进行了多少模型调用，以及哪些后台操作会消耗额度。

模型容量不足

Codex 用户曾遇到模型容量不足、执行错误率上升或任务无法启动的问题。智能体任务持续时间更长，对服务器资源和并发调度的要求也高于普通聊天请求。

ChatGPT Work 上线体验

ChatGPT Work 等功能推出后，用户对使用限制、任务成本和交互方式提出批评。OpenAI 随后调整了额度、重置和效率策略。

这些问题说明，OpenAI 的挑战已经不只是提高模型能力，还需要让用户理解成本、权限、任务状态和失败原因。

Tibo 的技术优势是什么？

综合其履历，Tibo 的优势并不集中在某一个模型或某一种编程语言，而是体现在跨层整合能力。

机器学习基础设施

他理解大规模训练系统、分布式数据处理和研究工作流，能够判断产品需求是否需要底层基础设施支持。

人类数据与模型评估

他熟悉如何将用户需求、错误案例和专家反馈转化为训练数据及评估标准。

智能体执行系统

他能够从模型之外思考权限、工具、环境、任务循环和验证机制。

开发者产品经验

Codex 的用户对速度、透明度、可控性和代码质量要求很高。服务开发者能够帮助团队建立更严格的产品标准。

产品与研究协同

OpenAI 同时控制模型和产品。Tibo 可以协调模型训练团队与应用团队，决定某项能力应该在模型层还是产品层解决。

Tibo 与传统产品经理有什么区别？

传统产品经理通常专注于市场需求、功能规划、用户研究和团队协调。Tibo 的工作方式更接近“产品工程负责人”。

这种角色在 AI 公司中越来越重要。因为 AI 产品的能力边界每天都可能变化，产品负责人必须理解模型升级会如何改变产品设计。

他为什么对 OpenAI 的未来如此重要？

OpenAI 的下一阶段竞争重点可能不再只是“谁的聊天模型回答更好”，而是“谁的智能体能够稳定完成真实工作”。

这一竞争涉及：

• 长时间任务执行
• 多智能体协作
• 浏览器和电脑操作
• 文件与项目管理
• 长期记忆
• 企业权限控制
• 代码和结果验证
• 邮件、日历及第三方服务集成
• 支付和商业交易

Tibo 的工作正处于这些能力的交汇点。

如果 ChatGPT 与 Codex 成功融合，用户未来可能不再需要分别打开聊天工具、代码编辑器、自动化平台和搜索引擎。用户只需要描述目标，智能体就能够规划并执行一系列操作。

如果融合失败，OpenAI 可能面临产品过于复杂、任务成本过高、错误不可控和用户信任不足等问题。

如何准确理解 Tibo 的影响力？

Tibo 的影响力很大，但不应该被夸大为 OpenAI 所有决策的唯一负责人。

他不是：

• OpenAI 的创始人
• OpenAI CEO
• ChatGPT 的唯一创造者
• Gemini 的唯一架构师
• Codex 的单一发明者
• 所有模型价格和额度政策的个人决定者

更准确的定位是：

Tibo 是 OpenAI 内部负责把模型能力、工程系统和用户产品连接起来的核心负责人之一。

其职责需要与模型研究、基础设施、安全、财务、设计、运营和公司管理层共同协作。因此，外界看到的产品调整通常是团队和组织决策，而不是个人单独决定。

Tibo 的公开沟通为什么值得关注？

Tibo 的公开账号已经成为观察 OpenAI 产品方向的重要窗口。

他的公开内容通常涉及：

• Codex 新功能
• ChatGPT 智能体能力
• 使用限制与额度调整
• 系统故障和修复
• 用户反馈征集
• 产品设计思路
• 团队招聘和发展方向

相比正式新闻稿，这些内容往往更接近产品的一线变化。但公开帖子也可能只是阶段性方案，尤其是使用额度、测试功能和产品限制，随时可能根据成本和系统容量再次调整。

阅读此类信息时，应区分：

• 已正式上线的长期功能
• 临时测试和灰度发布
• 故障期间的短期补偿
• 个人产品观点
• OpenAI 的正式公司政策

Conclusion

Tibo Sottiaux 的职业路径，代表了 AI 时代一种正在快速崛起的新型领导角色：既懂模型和基础设施，也能直接负责面向数百万用户的产品。

他从 Google Maps 和 DeepMind 的研究基础设施出发，参与 Gemini 人类数据工作，随后进入 OpenAI 创建并领导 Codex，最终将职责扩展到 ChatGPT 与核心产品平台。

真正值得关注的不是他发布了多少次额度重置，而是他正在推动一个更大的变化：让 OpenAI 从回答问题的聊天机器人，升级为能够理解目标、操作工具并持续完成任务的通用智能体。

对于关注 AI 工具、编程智能体和 OpenAI 产品路线的人来说，持续观察 Tibo 的公开动态、Codex 的能力变化以及 ChatGPT 与智能体功能的融合进展，可以更早判断下一代 AI 产品将如何改变软件开发和知识工作。