近日，有开发者在社区反馈了在使用 Codex（一种 AI 编程或开发工具环境）时的一个有趣现象。该开发者在测试过程中，首先将底层模型切换为 DeepSeek，并尝试通过 AI 指令让其自动打开 macOS 平台的 Safari 浏览器以查看网页。然而，DeepSeek 模型在执行该任务时未能成功，系统提示要求调用无障碍模式，导致操作停滞。随后，当开发者将模型切换回 OpenAI 的 GPT 系列模型时，同样的指令被迅速且准确地执行，Safari 浏览器成功被唤起。这一对比引发了关于大模型 Agent 能力的讨论，显示出虽然 DeepSeek 等新兴模型在推理层面表现强劲，但在涉及具体的操作系统底层交互（如 macOS 无障碍 API）和函数调用稳定性上，OpenAI 似乎仍保留了一定的技术护城河和优化优势。
事件分析
此次事件揭示了当前 AI Agent 领域“推理能力”与“控制能力”的不对称性。虽然开源或新兴模型在逻辑推理上已能比肩 GPT-4，但在将推理转化为对真实操作系统（如 macOS 无障碍 API）的精准操控上，依然存在工程化差距。DeepSeek 等模型可能在代码生成和数学推理上表现优异，但针对特定终端环境的函数调用（Function Calling）微调、系统提示词工程以及错误处理机制可能尚未完善。OpenAI 通过大量的用户反馈闭环（RLHF），在处理系统级交互的边界情况时显得更加稳健。这意味着，未来的模型竞争将不仅局限于“大脑”的聪明程度，更将延伸至“手脚”的灵活性，即模型与操作系统、浏览器及各类软件生态的深度融合与适配能力。
💡 核心观点：大模型竞争维度已从单纯的“智商”比拼转向“执行”较量，OpenAI在系统交互与Agent落地上的工程壁垒短期内难以被复制。
原文链接：Linux.do
Codex CLI 深度
AI 模型横评
AI Agent 框架
Claude Code 订阅生存指南