OpenAI 于 2026 年 9 月 10 日推出 Agents API 公开测试版，把 Codex 的托管运行底座开放给开发者，并提供多种代码执行环境。 对正在做 Agent 的团队来说，一个选择变得更具体了：让智能体持续工作的那套系统，到底要自己维护多少？官方公告确认公测面向所有开发者开放，同时发布 OpenAI 托管沙箱及合作方接入方案。
变化在于交给平台的工作变多了。调用模型，通常是请求下一次响应；使用 Agents API，应用把任务交给一个可以持续使用的会话，模型调用前后的运行过程由 OpenAI 管理。本文依据发布公告与官方文档分析，核查日期为 9 月 11 日，不包含生产环境性能实测。
开放的是让模型持续干活的那套系统
Harness 可以理解为 Agent 的运行底座：安排工具调用，把结果送回模型，管理上下文，再把适合拆开的任务分给子智能体。Agents API 总览明确，会话、编排、上下文压缩和恢复由 OpenAI 管理；开发者提供工具等能力，并选择代码在哪里执行。
这次发布还包括自动上下文压缩、工具搜索、程序化工具调用和并行子智能体。它们对应的都是常见工程问题：调查时间长了，上下文装不下；工具数量多了，定义本身就占空间；几个独立检查可以同时做，却缺少编排。这些能力提供了新的实现方式，但不能直接证明每个应用都会更快、更便宜。
多 Agent 文档里有一个很实用的细节：子智能体各有上下文，却共享执行环境的文件系统。思考过程分开，不代表文件彼此隔离。两个 Agent 同时改一个文件，仍要协调。
沙箱可以换，运行底座仍在 OpenAI
架构文档把整个系统拆成三部分： 开发者可以将代码执行沙箱替换为自有环境，但模型推理请求仍需路由至 OpenAI 端点，若需在多个推理后端之间分发流量，可参考 OpenRouter 或 等网关方案的调度机制。
| 组成 | 负责什么 |
|---|---|
| 托管 harness | OpenAI 运行模型与工具循环，维护会话 |
| 执行环境 | 执行命令、存放文件和安装依赖 |
| 业务应用 | 提交任务、接收事件、处理应用自定义函数 |
沙箱并非必选项。只使用远端工具、不需要工作目录的 Agent，可以不配独立执行环境。需要运行代码时，可以选择 OpenAI 托管环境，也可以接入自备环境。换一家沙箱供应商，改变的是命令在哪里执行，不是把 Agents API 的 harness 一起搬到那家云上。
官方合作方目录列出九家：Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle Cloud Infrastructure、Runloop 和 Vercel。具体部署方式和成本仍需逐家判断，不能把九种集成理解为完全相同的安全、硬件与计费配置。
一次调用能开始任务，业务集成仍要自己做
快速入门使用 client.beta.agents.sessions.create(...) 配置 Agent、提交输入并流式接收进度。直接发送 HTTP 请求时，需要 OpenAI-Beta: agents=v1 请求头；项目 Key 还需要会话操作和模型推理权限。
吸引开发者的地方，是可以继续使用同一个会话，不必围绕每次模型响应重建任务循环。但创建请求成功，不等于工作环境已经就绪。托管沙箱文档区分了环境准备阶段与已连接状态；初始化失败，任务可能根本无法开始。
例如做一个文档审查应用：Agent 阅读材料、调用工具核对证据，再生成报告。报告怎样才算合格、用户怎么看到进度、哪些操作必须经过批准，仍然要由产品和工程团队定义。API 提供运行能力，这些业务判断并不会自动出现。
没有平台附加费，不代表 Agent 免费运行
公告说使用 Agents API 不收额外费用。实际账单仍包括模型用量、适用工具和托管容器，只概括成“token 加容器”会漏掉工具收费。 Agents API 本身不收取平台层附加费用，但每轮工具调用与模型推理仍按 token 计费，对于需要精确追踪多步任务消耗的团队，可借助 OpenRouter 或 等网关对各阶段请求进行独立计量与日志记录。
当前价格页列出的容器费率，单位为每个容器、每个 20 分钟会话：
| 内存 | 公布的容器费率 |
|---|---|
| 1 GB | 0.03 美元 |
| 4 GB | 0.12 美元 |
| 16 GB | 0.48 美元 |
| 64 GB | 1.92 美元 |
页面同时注明，符合条件的容器会话按分钟计费，每个会话最低计 5 分钟。因此应按实际适用的计费方式核算，不能把上表当成所有情形统一的最低扣费。模型和工具费用另计，第三方算力按对应供应商的规则收费。
做预算时，应把一个任务的账算完整：主 Agent 和子 Agent 的 token、工具调用、重试，以及环境运行时间。并行任务结束得更快，也可能消耗更多总资源。有没有省钱，应比较每个合格结果的成本，不能只看接口没有附加费。
“托管恢复”也有边界
自备沙箱生命周期文档写得很具体：执行中断连可能导致工具失败，重连不会自动重新运行被杀掉的命令；复用环境 ID，也不会恢复替换机器上的文件；删除会话，并不会关闭外部算力。
这就把“托管”的范围说清楚了。OpenAI 接手会话运行逻辑，应用仍要负责自备环境的生命周期和文件持久化。安全文档也明确了开发者需要处理的凭据和访问边界：放进执行环境的凭据，Agent 生成的代码就可能读到。
业务权限、可靠的工具处理逻辑、有效的评估，以及出错时谁来接手，仍是应用工程的重要部分。
开源代码打底，托管运行成为产品
Codex 仓库许可证是 Apache 2.0。它的开源历史也早于 2026 年：OpenAI 在 2025 年 4 月 16 日的公告中，就已宣布 Codex CLI 开源。这能证明更早已有公开代码基础，不能反过来推断今天托管服务的所有功能当时都已存在。本次发布材料不足以支持“2026 年 8 月才首次开源”这条时间线。 OpenAI 将 Agents SDK 核心逻辑以开源形式发布，而托管执行环境则作为商业产品运营，这一分层策略与 OpenRouter、 等将开放协议与托管路由分离的网关架构在设计思路上具有一定的可比性。
我们的判断是，OpenAI 正在争取承接更多应用运行工作。 公开代码方便开发者理解 harness 的设计；托管服务则让团队可以选择不自己维护它。模型升级时，服务使用工具和管理上下文的方式也能随之演进。
潜在的切换成本因此不仅来自模型接口，还可能来自运行行为、会话接口和已经接好的运维流程。不过，这不等于行业通用控制平面已经形成，也不等于独立 harness 失去价值。需要不同模型供应商、或希望深入控制执行策略的团队，仍有理由自己掌握更多环节。
如果想比较由自己运行的工具，可以接着看编程 Agent 与 harness 对比。尝试这次的新服务，则从官方快速入门开始，用一个边界明确的工作流评估。某个网关兼容 OpenAI 模型接口，并不能单独证明它支持另一套 Agents API 会话服务。
参考来源
- ofox 文档：模型目录 — https://docs.ofox.io/zh/develop/models
