虽然强大，但就和大部分人工智能工具一样，它仍是建立在 Codex算法的基础上，需要通过海量的代码来训练其智能程度。这对同样有着微软血统的以及来说不是问题，微软在2018年斥资75亿美元收购了全球约有5000万用户的代码共享网站，这意味着所依托的Codex算法接受了数十亿行公共代码的训练。
事实早在诞生之前，就推出1750亿参数的AI模型GPT-3，GPT-3耗费了千万美元对人类的诗歌、小说、新闻等海量自然语言进行训练（主要是英语），也因此GPT-3对自然语言具备了一定程度的理解能力。神经网络之父 在GPT-3出现后，曾这样感慨：“生命、宇宙和万物的答案，其实只是4.398万亿个参数而已。”
Codex就是基于GPT-3进行训练， 的联合创始人兼首席技术官Greg 曾表示Codex是 GPT-3 的后代。因此Codex也具备了将部分指令清晰的英语翻译成代码的能力，甚至有部分媒体宣传Codex已经让程序员门槛降低到了只要会英语就能写代码的地步。
在官方示例的Codex效果展示中，程序员只需要在编辑界面写下“Make it be ”示例上图中的大型飞船就会如下图一般缩小，而在这个过程中程序员并不需要输入一行代码，Codex会自动编写车程序。
如今，Codex经过无数代码与金钱训练出来的强大能力应用到了AI工具上，这虽然造就了神奇的代码补全、给出函数建议等功能，但同时也使得陷入了系列舆论争议风波。
当受到越来越多程序员的欢迎，的CEO Nat 兴奋地表示：“每天都有数百名的开发者在使用，如果预览版进展顺利的话，我们将计划在未来某个时候将其扩展为付费产品。”
Nat 的这番话让一下没那么香了，这意味着经过和的一波神操作后，收费的白嫖了全球最大的代码共享网站万用户的知识成果用来商业化。这其中引起争议的焦点就在于的版权存在开源代码衍生品商业化GPL版权问题。GPL（ ）即通用公共许可证，是一系列自由软件许可证的统称，它可以用来保证用户运行、研究、共享和修改软件的自由。与此对应的是，任何复制、迁移GPL版权的衍生作品都必须遵循相同或等效的许可条款。
简单来说就是，我是开源软件、开源代码你随便用没问题，但你只要用了就也得支持开源，其它任何人也可以免费使用你的代码或软件。引起社区人们公愤的关键就是其把开源代码洗成商业产品，无视了早期促进程序语言世界丰富、开放的开源精神，已有不少程序员在社交媒体上公开表示未来将不再使用来托管自己的代码。
官方则解释“通常不会精确复制代码块”，也有人认为通过海量代码AI训练最后得出来的结果就如同人类一样，人类前期也需要通过学习其他人的相关知识来内化成为自己的，很难把AI模型训练出来的代码简单的理解为复制粘贴。
然而已有不少人否定了这个说法，在通过解决程序中的一些经典问题时，会发现几乎一字不差的复制粘贴了上的某段经典代码。这意味着在成为商业产品后，使用的用户在把其代码应用到自家产品时一不小心就会中招违反GPL协议，面临被人起诉的风险，因此，已有一些科技公司已明确要求禁止员工使用。
在实际应用中面临的问题不止如此，随着程序员们对了解的逐步加深，他们发现并不完美，仍然存在着不少缺陷。背后的Codex既经过大量文本语言训练，也吸收了网络世界中鱼龙混杂的海量代码，因此输出的部分代码或许看出去没有那么美好，有着隐私泄露、安全风险等问题。B站大佬陈睿就躺枪了一次，虽然立刻有网友表示其中出生年月日信息有误。
也有网友表示“ 一时爽，调试火葬场”，因为想要清楚、清晰的描述出目标函数想要实现的功能并不简单，同时在使用的过程中，需要不断去回顾检查AI生成的代码是否正确，这反而容易干扰到编程时的原有思路。
