OpenAI称其在Codex中启用的Ultrafast模式将内部安全事件的数据整理与判断流程从过去约一至两小时压缩至10至15分钟，但该数据来自员工描述，未有独立验证或完整对比指标，速度提升并不等同于调查结论的可靠性。
OpenAI称，公司工程师使用Codex中的高速模式Ultrafast处理安全事件时，整理和判断相关数据的流程已从过去约一至两小时缩短至10至15分钟。这个数字来自OpenAI员工对内部工作流程的描述，并非独立评测，也不能据此推断所有事件调查都能达到同样速度。
OpenAI于2026年10月26日发布的文章介绍了Ultrafast在公司内部的使用方式。数据中心安全架构师AJ Trbojevic说，调查安全问题往往要汇集结构化与非结构化数据、进行规范化并补充上下文，以便团队作出判断；他称，这一过程如今可在10至15分钟内完成，有时接近实时。文章没有披露案例数量、计时方法或与传统流程对照的完整数据，因此这更适合作为内部应用案例，而非经独立验证的性能结论。
并行排查，减少等待
OpenAI描述的工作流程围绕事件响应频道展开：工程师把Codex用于监测、调查并回答后续问题。负责事件协调的Aaron Friel说，事件通常涉及多种可能的故障环节，Ultrafast让他能够同时查找多个信息来源，缩短定位线索的时间。另一名员工Sayan Sisodiya称，他会用Codex检索日志，也会查看Slack中的变更记录或相似症状讨论。
这类做法的关键不只是更快生成回答，而是让工程师在调查中能更快追问、并行探索不同假设。OpenAI员工Adam Perry表示，以前他会一边等待Codex，一边自行调查；使用Ultrafast后，他称可以更多地把注意力留在同一工作流程中。公司文章还提到，团队将其用于日常信息整理和代码重构，但这些同样是员工经验分享，不能替代对安全事件处置质量的评估。
速度不等于调查结论自动可靠
在安全响应中，压缩数据整理时间可能帮助团队更快形成初步判断，但调查是否准确，还取决于日志和其他数据是否完整、来源能否关联、排查假设是否充分，以及最终结论是否经过人工核实。OpenAI的介绍没有提供误报率、漏报率、事件严重程度或最终处置结果等指标，也没有说明各团队如何验证模型生成的分析。
因此，10至15分钟应理解为OpenAI员工对特定内部流程耗时变化的描述，而不是对安全事件从发现到解决的承诺。公司也未在该文中给出适用于外部客户的独立测试结果。对需要快速响应的团队而言，更快的分析循环可能有价值；但速度本身不能证明调查更准确，仍需结合可追溯证据和人工判断。
这篇文章是OpenAI分享内部使用案例的一部分。它展示了公司如何把更快的模型交互用于事件响应，却没有回答这种做法在不同组织、数据权限和事件类型下能否复制。现阶段，报道所能支持的结论是：OpenAI员工称Ultrafast改变了他们收集信息和跟进问题的节奏；其对整体安全成效的影响，仍缺少公开的独立数据验证。