OpenAI 收购 Astral,Python 工具将整合进 Codex

深度The New Stack2026年3月20日3 分钟阅读
OpenAI 收购 Astral,Python 工具将整合进 Codex
OpenAI 宣布收购 Astral,计划将其开源 Python 工具 uv、Ruff 和 ty 整合到 Codex 生态中。虽然双方承诺保持开源,但治理和贡献结构的具体细节仍未明确。

OpenAI 本周宣布收购 Astral,计划将这家初创公司的开源 Python 开发工具整合到 Codex 生态系统中。

当然,大家最关心的问题是:Astral 的 uv、Ruff 和 ty 在 OpenAI 旗下还能保持开源吗?

OpenAI 和 Astral 都在周四发表了声明,向开发者保证这些备受喜爱的 Python 工具将继续作为开源项目获得支持,这符合 OpenAI 所谓的“开发者优先理念”。

Astral 创始人兼 CEO Charlie Marsh 在他的公告博客中甚至将开源称为公司影响和故事的“核心”,并表示“它位于我们所做一切的中心”,试图以此缓解开发者的担忧。

但关于治理和贡献结构的具体细节——或者说,缺乏这些细节——仍然不清楚。

OpenAI 看中 Astral 的专业能力

Python 开发者可能还记得,Marsh 曾是 Khan Academy 的软件工程师,他在 2022 年创立了 Astral,宣称目标是“让编程更高效”。四年间,团队的开源工具因帮助开发者提速而赢得了声誉,并积累了数百位 GitHub 贡献者。

这些开源工具如今对现代 Python 开发近乎至关重要:uv 简化了依赖和环境管理,Ruff 提供快速的代码检查和格式化,ty 则帮助在整个代码库中强制执行类型安全。

每天有数百万开发者使用 Astral 的工具来驱动工作流——现在 OpenAI 希望将这些工具(以及 Astral 约 30 人的工程团队的专业知识)引入,以增强其 Codex 生态系统。

Codex 是 OpenAI 的编程助手,目前发展迅猛:根据 OpenAI 收购 Astral 的意向公告,自 2026 年初以来,其用户增长了三倍,使用量增加了五倍,每周活跃用户超过两百万。

通过将 Astral 的开发工具与 Codex 整合,OpenAI 希望扩展 Codex 以支持整个开发工作流——从帮助规划变更、修改代码库,到运行工具、验证结果,以及长期维护软件。

这是一个聪明的举措,让 Codex 不再仅仅生成代码,而是直接与开发者日常依赖的工具协同工作。

这对 Python 生态系统可能意味着什么

OpenAI 表示,收购 Astral 的 Python 开发工具的另一个动机是“加强 Python 生态系统”。

借助 uv、Ruff 和 ty 使 Codex 能够跨整个 Python 开发工作流工作,OpenAI 旨在实现可靠性、性能和速度的完美结合。或者如 OpenAI 的 Codex 负责人 Thibault Sottiaux 在同一公告中所说,这次收购“加速了我们对于 Codex 的愿景,即成为最能跨整个软件开发生命周期工作的智能体”。

但可能正是这一愿景引发了开源社区的潜在担忧。

通过这次收购,OpenAI 将 Codex 直接置于 Python 工具链中——这是一个竞争性位置,微软的 GitHub Copilot、谷歌的 Gemini Code Assist 和其他 AI 辅助开发工具正竞相主导 AI 辅助开发工作流,但目前还无法匹敌。随着 OpenAI 吸收 Astral 并获得对关键 Python 开发工具的影响力,目前尚不清楚这将如何塑造 Python 工作流和更广泛的生态系统。

是的,uv、Ruff 和 ty 都采用宽松的开源许可证(如 MIT 和 Apache 2.0),允许自由使用、修改和分发。但随着这些工具与 Codex 整合,它们将如何为独立开发者演进,目前还无法预测。

另外值得注意的是,OpenAI 和 Astral 的公告中都缺乏关于治理、许可或贡献结构的具体细节,长期社区管理仍不明确。

Marsh 在他的公告博客中强调,将 Astral 的工具和专业知识带给 OpenAI 仍然符合该初创公司的原始使命:

“如果我们的目标是让编程更高效,那么在 AI 和软件的前沿进行构建感觉是我们能做的最有杠杆效应的事情。我越来越清楚地认识到,Codex 就是那个前沿。”

Astral 未回应 The New Stack 的额外评论请求。

此次收购的完成尚待获得监管批准和其他惯例成交条件。在此之前,OpenAI 和 Astral 将保持独立运营。

交易完成后,Astral 团队将加入 OpenAI 的 Codex 团队。

觉得有用?分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察,每周更新。

相关文章

Simon Willison 正在重构 LLM Python 库的抽象层,以支持服务器端工具执行等新功能。他利用 Claude Code 分析了四大 LLM 提供商的客户端库,生成了用于测试的 curl 命令和 JSON 输出。这些调研材料已开源,旨在帮助设计更通用的 API 抽象。

深度Simon Willison·4月5日·1 分钟

智能体技能——包含程序性知识和可执行资源的结构化包,供智能体在推理时动态加载——已成为增强 LLM 智能体的可靠机制。然而,推理时技能增强存在根本性限制:检索噪声引入无关指导,注入的技能内容带来大量 token 开销,而模型从未真正习得它所遵循的知识。我们提出一个问题:技能是否可以被内化到模型参数中,使其在无需任何运行时技能检索的情况下实现零样本自主行为?我们提出 Skill0,一个专为技能内化设计的上下文强化学习框架。Skill0 引入了一种训练时课程,从提供完整技能上下文开始,逐步撤除。技能按类别离线分组,并与交互历史一起渲染为紧凑的视觉上下文,教授模型工具调用和多轮任务完成。动态课程机制…

深度·4月5日·17 分钟

评论