NVIDIA setzt Codex mit GPT-5.5 unternehmensweit ein – 10× schnellere ML-Workflows
NVIDIA hat Codex – OpenAIs Coding-Agent auf Basis von GPT-5.5 – auf seiner internen GB200- und GB300-Infrastruktur in den Produktionsbetrieb überführt und 40.000 Mitarbeitenden Zugang gewährt. Senior Software Engineer Dennis Hannusch beschreibt Codex als Standard-Werkzeug für komplexe Engineering-Aufgaben: Das Modell erkenne Bugs und Lücken, die frühere Modelle übersahen, und halte auch bei langen, mehrstufigen Sessions den Kontext. Konkret nutzte sein Team Codex, um eine interne Plattform vom MVP zum produktionsreifen System auszubauen und eine interne Podcast-App – vergleichbar mit Riverside – innerhalb weniger Stunden vollständig autonom zu entwickeln und zu testen. KI-Forscher Shaunak Joshi hebt hervor, dass GPT-5.5 als kreativer Forschungspartner fungiere: Das Modell analysiert Papier-Korpora aus Bereichen wie Reinforcement Learning, erstellt daraus Wissensgraphen und schreibt anschließend automatisch die nötigen Trainings-Skripte. Über SSH-Unterstützung im Codex-Desktop-Client können Forscher große ML-Workloads direkt vom Laptop starten. Joshi erwähnt zudem, dass GPT-5.5 Python-Codebasen in Rust übersetze und dabei bis zu 20× höhere Effizienz erziele.
- 40.000 NVIDIA-Mitarbeitende ("NVIDIANs") haben Zugang zu Codex.
- Codex läuft produktiv auf NVIDIA GB200- und GB300-Infrastruktur.
- Interne Podcast-App (vergleichbar Riverside) wurde in wenigen Stunden autonom gebaut und getestet.
- SSH-Support im Codex-Desktop-Client ermöglicht Remote-Training-Jobs direkt vom Laptop.
- GPT-5.5 übersetzt laut Joshi Python-Repositories in Rust – mit bis zu 20× Effizienzgewinn.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
NVIDIA setzt Codex mit GPT-5.5 unternehmensweit ein – 10× schnellere ML-Workflows
NVIDIA hat Codex – OpenAIs Coding-Agent auf Basis von GPT-5.5 – auf seiner internen GB200- und GB300-Infrastruktur in den Produktionsbetrieb überführt und 40.000 Mitarbeitenden Zugang gewährt. Senior Software Engineer Dennis Hannusch beschreibt Codex als Standard-Werkzeug für komplexe Engineering-Aufgaben: Das Modell erkenne Bugs und Lücken, die frühere Modelle übersahen, und halte auch bei langen, mehrstufigen Sessions den Kontext. Konkret nutzte sein Team Codex, um eine interne Plattform vom MVP zum produktionsreifen System auszubauen und eine interne Podcast-App – vergleichbar mit Riverside – innerhalb weniger Stunden vollständig autonom zu entwickeln und zu testen. KI-Forscher Shaunak Joshi hebt hervor, dass GPT-5.5 als kreativer Forschungspartner fungiere: Das Modell analysiert Papier-Korpora aus Bereichen wie Reinforcement Learning, erstellt daraus Wissensgraphen und schreibt anschließend automatisch die nötigen Trainings-Skripte. Über SSH-Unterstützung im Codex-Desktop-Client können Forscher große ML-Workloads direkt vom Laptop starten. Joshi erwähnt zudem, dass GPT-5.5 Python-Codebasen in Rust übersetze und dabei bis zu 20× höhere Effizienz erziele.
- 40.000 NVIDIA-Mitarbeitende ("NVIDIANs") haben Zugang zu Codex.
- Codex läuft produktiv auf NVIDIA GB200- und GB300-Infrastruktur.
- Interne Podcast-App (vergleichbar Riverside) wurde in wenigen Stunden autonom gebaut und getestet.
- SSH-Support im Codex-Desktop-Client ermöglicht Remote-Training-Jobs direkt vom Laptop.
- GPT-5.5 übersetzt laut Joshi Python-Repositories in Rust – mit bis zu 20× Effizienzgewinn.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.