Come gli ingegneri e i ricercatori di NVIDIA utilizzano Codex

NVIDIA sta adottando Codex come strumento chiave per attività ingegneristiche complesse e per condurre esperimenti di machine learning end-to-end. Codex, basato su GPT-5.5 e in esecuzione sui sistemi NVIDIA GB200 e GB300, gestisce sessioni molto più lunghe e autonome. Oltre all’esecuzione, il modello riesce anche a rilevare problemi o idee non previsti dalla richiesta originale.

Costruire e pubblicare sistemi di produzione

I team dell’équipe di agenti di coding di NVIDIA supportano gli ingegneri per integrare efficacemente gli strumenti di AI nei flussi di lavoro reali. Codex con GPT-5.5 è diventato il loro punto di riferimento per compiti di ingegneria impegnativi.

Dennis Hannusch, senior software engineer del team, sottolinea: "Ho trovato Codex con GPT-5.5 molto più autonomo, richiede molto meno intervento manuale. Posso seguire sessioni molto lunghe con molteplici rilievi e ottenere comunque una buona accuratezza," afferma Dennis. "Inoltre, Codex è bravo a scegliere in modo strategico gli strumenti e le competenze giuste," spiega Hannusch.

Ha già utilizzato Codex per evolvere una piattaforma interna da un prodotto minimo vitale a un sistema pronto per la produzione, migliorando scalabilità e affidabilità, un risultato difficile da ottenere con modelli precedenti.

Un’app per podcast

Il team ha creato un’applicazione interna per podcast, simile a Riverside, sviluppata in poche ore grazie a Codex. "Considerando i nostri vincoli di privacy, ci sarebbero volute settimane per acquistare un’applicazione esterna," spiega Hannusch.

Utilizzando l’app desktop di Codex con interazione del computer, il sistema era anche in grado di testare le funzioni di video e audio man mano che venivano create. "Non ho dovuto fare nulla—il tutto è stato costruito e testato autonomamente," aggiunge. "Codex ha completamente cambiato il limite di ciò che vale la pena costruire," conclude.

Eseguire interi flussi di ricerca

Per i ricercatori di NVIDIA, Codex ha quasi automatizzato il ciclo di ricerca: dalla selezione di aree di ricerca all’esecuzione di esperimenti di machine learning.

Shaunak Joshi, ricercatore AI di NVIDIA, dice che "GPT-5.5 è stato un grande aiuto come partner creativo, specialmente per il lavoro basato sulla conoscenza." Il team utilizza Codex come agente di ricerca, fornendo al modello un vasto database di articoli sull’apprendimento automatico e sull’apprendimento per rinforzo.

• Codex ha aiutato Joshi a individuare segmenti di prove in tutta la catena.
• Il modello ha creato una mappa concettuale che ha facilitato la visualizzazione delle relazioni.

Dopo aver stabilito le ipotesi, Codex scrive gli script per l’infrastruttura di machine learning necessaria per addestrare i modelli. L’app Codex supporta la gestione SSH, pertanto Joshi non deve più preoccuparsi di accessi e configurazioni sui server remoti, potendo eseguire facilmente carichi di lavoro di AI grandi e complessi direttamente dal proprio laptop.

Tradurre codice in linguaggi più efficienti

"Se hai un vecchio codice che non è molto performante, Codex è molto bravo nella traduzione del codice. Molti colleghi stanno prendendo il proprio repository Python, inviandolo a GPT-5.5, che lo riscrive in Rust rendendolo circa 20 volte più efficiente," dice Joshi.

Prospettive future

Codex sta accelerando la collaborazione tra team ingegneristici e di ricerca di NVIDIA, realizzando un’unica workflow che va da idea ad esecuzione e test.

"Stiamo appena iniziando a comprendere le sue potenzialità," afferma Dennis Hannusch. "Sono molto entusiasta di continuare a costruire sistemi reali e di scoprire fino a dove possa arrivare," conclude.