2026年6月，JetBrains 宣布在其 AI 助手中，将 OpenAI 的 Codex 设置为“推荐的智能体”（Recommended Agent）。这并非一次随意的合作，而是一个经过严谨数据验证、并深刻反映 JetBrains 产品哲学的决策。

为什么要设置一个“推荐的智能体”？

在 Codex 成为默认之前，JetBrains IDE 的 AI 用户需要自己从多个智能体（如 Junie、Claude Agent 或自带的 ACP 兼容智能体）中选择。这赋予了用户最高的自由度，但也带来了选择的负担。

JetBrains 观察到，随着模型能力的提升，智能体（Agent）能帮助用户完成比简单对话更多、更复杂的工作。因此，推荐一个开箱即用、能力均衡的智能体，能显著降低新用户的入门门槛，让用户能立刻体验到 AI 辅助编程的核心价值。这背后，是 JetBrains 一贯的“开箱即用、体验优先”设计理念的延续。

如何做出选择？基于“真实世界”的数据

JetBrains 的选择并非基于印象或合作关系，而是建立在一个名为 开发者生产力 AI 竞技场（DPAIA） 的开放基准测试上，结合了离线基准测试与在线 A/B 测试。

1. 评估标准：三个核心指标

JetBrains 从三个维度对候选智能体进行量化评估：

• 解决率：智能体在真实代码库中，成功完成 Bug 修复、功能开发等任务，并通过所有自动化测试的比例。这是衡量能力的核心。
• 成本：完成一项任务的中位数 token 消耗成本。这确保了推荐的智能体在提供高价值的同时，其使用成本对用户是合理的。
• 延迟：从发出指令到得到最终结果的端到端中位数时间。这直接影响开发者的工作流畅度。

JetBrains 将“成本”和“延迟”与“解决率”并列为核心指标，这非常务实。它表明 JetBrains 追求的是一种面向真实开发者的实用主义平衡，而非实验室环境下的极限性能。

如下是codex的数据

2. 严谨的测试流程

• 多语言、多场景的基准测试：数据集涵盖了 Java、C#、Python 三大生态，包含数百个来自真实代码库的任务，确保了评估的广泛性和代表性。
• 线上 A/B 测试验证：离线数据之外，JetBrains 还进行了真实用户参与的 A/B 测试。通过分析用户行为（如是否切换智能体、是否回到纯聊天模式）来验证离线结论，增加了决策的可信度。

数据驱动的选择：Codex vs. Junie

在最终候选者 Codex（GPT-5.4-mini medium）和 Junie（Gemini 3 Flash）之间，数据表现得极为接近，这从侧面印证了当前 AI 智能体的竞争已经进入了白热化阶段。

从表格可见，Codex 在综合解决率上略胜一筹，但 Junie 在延迟和成本上表现更好。两个智能体在不同语言上各有优势（例如 Codex 在 C# 上解决率更高，Junie 在 Java 上领先）。

最终决定性的因素来自于线上 A/B 测试中的 “用户留存、切换率和失败率” 等行为数据。在这些更能反映真实长期价值的指标上，Codex 最终胜出。

我认为，JetBrains 选择 Codex 作为推荐智能体，是一个集“用户、数据与战略”于一体的决策。

1. 用户价值优先：通过数据驱动，为用户选择当下综合体验最好的智能体，降低了用户的选择成本，提升了即时满足感。
2. 确立平台标准：通过建立 DPAIA 基准测试，JetBrains 向整个行业展示了一套科学、透明、可复现的 AI 编码工具评估标准。这增强了 JetBrains AI 平台的可信度，并为未来持续、客观地评估新模型/智能体奠定了基础。
3. 保持开放，而非锁定：重要的一点是，推荐是“动态”的。JetBrains 明确表示，这并非永久决定，未来会基于新数据更新推荐。并且，用户始终可以自由切换到其他智能体。这种**“推荐但不强制”**的姿态，尊重了高级用户的选择权，也维护了 JetBrains 作为开放平台的形象。

总结

JetBrains 将 Codex 设为推荐 AI 智能体，是一次完美的产品、数据与战略结合的典范。它基于严谨的测试，做出了一个对当前用户最友好的选择，同时通过公开的基准测试和开放的切换机制，展现了其作为平台构建者的成熟心态。对于开发者而言，这意味着在 JetBrains IDE 中，可以以一个更低的起点，体验到当前最优秀的 AI 辅助编程能力，并且拥有不被锁定的自由。