Vi introducerer GPT‑5.3‑Codex

Vi introducerer en ny model, der låser op for endnu mere af, hvad Codex kan: GPT‑5.3‑Codex er den mest kapable agentiske kodningsmodel til dato. Modellen forbedrer både den banebrydende kodningsydelse af GPT‑5.2‑Codex og ræsonnerings- og professionelle videnskompetencer i GPT‑5.2, samlet i én model, som endog er 25 % hurtigere. Dette gør det muligt for den at påtage sig langvarige opgaver, der involverer forskning, brug af værktøjer og kompleks udførelse. Ligesom med en kollega kan du styre og interagere med GPT‑5.3‑Codex, mens den arbejder, uden at miste konteksten.

GPT‑5.3‑Codex er vores første model, der var afgørende for selve skabelsen. Codex-teamet brugte tidlige versioner til at foretage fejlfinding i sin egen træning, administrere sin egen implementering og diagnosticere testresultater og evalueringer. Vores team var overvældede over, hvor meget Codex var i stand til at accelerere sin egen udvikling.

Med GPT‑5.3‑Codex går Codex fra at være en agent, der kan skrive og gennemgå kode, til at være en agent, der kan gøre næsten alt, hvad udviklere og professionelle kan gøre på en computer.

GPT‑5.3‑Codex sætter en ny industristandard på SWE-Bench Pro og Terminal-Bench og viser stærk ydeevne på OSWorld og GDPval. Det er de fire benchmarks, som vi bruger til at måle kodnings-, agentiske og virkelighedsnære kapaciteter.

GPT‑5.3‑Codex opnår banebrydende ydeevne på SWE-Bench Pro, som er en grundig evaluering af softwareudvikling i den virkelige verden. Hvor SWE‑bench Verified kun tester Python, spænder SWE‑Bench Pro over fire sprog og er mere modstandsdygtig over for kontaminering, er udfordrende, alsidig og relevant for industrien. Den overgår også langt den tidligere banebrydende ydeevne på Terminal-Bench 2.0, som måler de terminalfærdigheder, en kodningsagent som Codex har brug for. Bemærkelsesværdigt nok gør GPT‑5.3‑Codex det med færre tokens end nogen tidligere model, hvilket giver brugerne mulighed for at bygge flere.

Ved at kombinere banebrydende kodningsevner samt forbedringer i æstetik og komprimering opnås der en model, der kan udføre imponerende arbejde og bygge yderst funktionelle, komplekse spil og apps fra bunden i løbet af få dage. For at teste modellens webudvikling og langvarige agentfunktioner bad vi GPT‑5.3‑Codex om at bygge to spil til os: version to af racerspillet fra Codex-applanceringen⁠ og et dykkerspil. Brug af færdigheden "udvikl webspil" og forudvalgte, generiske opfølgningsprompter såsom "ret fejlen" eller "forbedr spillet", itererede GPT‑5.3‑Codex spillene autonomt over millioner af tokens. Se trailerne og spil selv spillene for at se, hvad Codex kan gøre.

GPT‑5.3‑Codex forstår også bedre din hensigt, når du beder den om at lave dagligdags hjemmesider, sammenlignet med GPT‑5.2‑Codex. Enkle eller utilstrækkeligt specificerede prompts bruger nu som standard websteder med mere funktionalitet og fornuftige standardindstillinger, hvilket giver dig et stærkere udgangspunkt til at gøre dine idéer til virkelighed.

For eksempel bad vi GPT‑5.3‑Codex og GPT‑5.2‑Codex om at bygge to landingssider nedenfor. GPT‑5.3‑Codex viste automatisk årsplanen som en nedsat månedlig pris, hvilket gjorde rabatten tydelig og tilsigtet, i stedet for at gange det årlige beløb. Den lavede også en automatisk skiftende anbefalingskarrusel med tre forskellige brugercitater i stedet for ét, hvilket resulterede i en side, der som standard føles mere komplet og produktionsklar.

Softwareingeniører, designere, produktchefer og dataforskere gør meget mere end blot at generere kode. GPT‑5.3‑Codex er bygget til at understøtte alt arbejde i softwarens livscyklus såsom fejlfinding, implementering, overvågning, skrivning af PRD'er, redigering af tekst, brugerundersøgelser, tests, metrikker og meget mere. Dens agentfunktioner rækker ud over software og hjælper med at bygge lige det, du ønsker – uanset om det er slideshows eller analyse af data i ark.

Med brugerdefinerede færdigheder svarende til dem, der blev brugt til vores tidligere GDPval-resultater, viser GPT‑5.3‑Codex også stærke resultater inden for professionelt vidensarbejde målt ved GDP⁠val⁠, hvilket matcher GPT‑5.2. GDPval er en evaluering, der blev udgivet af OpenAI i 2025, og som måler en models præstation på velspecificerede vidensbaserede arbejdsopgaver på tværs af 44 erhverv. Disse opgaver omfatter arbejde, som f.eks. at lave præsentationer, regneark og andre arbejdsprodukter.

Nedenfor er vis et par eksempler på det arbejde, som agenten har udført.

OSWorld er et agentbaseret benchmark for computerbrug, hvor agenten skal udføre produktivitetsopgaver i et visuelt desktopcomputermiljø. GPT‑5.3‑Codex viser langt stærkere evner til computerbrug end tidligere GPT‑modeller.

Sammen viser disse resultater på tværs af kodning, frontend og computerbrug samt opgaver i den virkelige verden, at GPT‑5.3‑Codex ikke kun er bedre til individuelle opgaver, men markerer et skridt mod en enkelt, alsidig agent, der kan ræsonnere, bygge og udføre på tværs af hele spektret af teknisk arbejde i den virkelige verden.

Efterhånden som modellers kapaciteter bliver stærkere, ændrer kløften sig fra, hvad agenter er i stand til at gøre, til hvor nemt mennesker kan interagere med, dirigere og overvåge mange af dem, der arbejder parallelt. Codex-appen gør det meget nemmere at administrere og styre agenter, og nu med GPT‑5.3‑Codex er det mere interaktivt. Med den nye model leverer Codex hyppige opdateringer, så du holdes orienteret om nøglebeslutninger og fremskridt, mens den arbejder. I stedet for at vente på et endeligt resultat kan du interagere i realtid såsom at stille spørgsmål, diskutere tilgange og styre dig frem mod løsningen. GPT‑5.3‑Codex forklarer, hvad den laver, reagerer på feedback og holder dig opdateret fra start til slut.

De seneste hurtige Codex-forbedringer bygger på resultaterne af forskningsprojekter, der strækker sig over måneder eller år på tværs af hele OpenAI. Disse forskningsprojekter bliver fremskyndet af Codex, hvor mange forskere og ingeniører hos OpenAI beskriver deres arbejde i dag som fundamentalt anderledes end for bare to måneder siden. Selv de tidlige versioner af GPT‑5.3‑Codex demonstrerede enestående evner, hvilket gjorde det muligt for vores team at arbejde med de tidligere versioner for at forbedre træningen og støtte implementeringen af senere versioner.

Codex er nyttig til en lang række opgaver, hvilket gør det vanskeligt fuldt ud at opregne, hvordan den hjælper vores teams. For eksempel brugte forskerteamet Codex til at overvåge og fejlfinde træningskørslen til denne udgivelse. Det fremskyndede forskningen ud over fejlfinding af infrastrukturproblemer. Det hjalp med at spore mønstre gennem hele træningsforløbet, leverede en dybdegående analyse af interaktionskvaliteten, foreslog rettelser og byggede avancerede applikationer, så forskere præcist kunne forstå, hvordan modellens adfærd adskilte sig fra tidligere modeller.

Ingeniørteamet brugte Codex til at optimere og tilpasse rammen til GPT‑5.3‑Codex. Da vi begyndte at se mærkelige edge cases, der påvirkede brugere, brugte teammedlemmer Codex til at identificere fejl i kontekstgengivelse og finde den underliggende årsag til lave cache-hit-rater. GPT‑5.3‑Codex fortsætter med at hjælpe teamet gennem hele lanceringen ved dynamisk at skalere GPU-klynger for at tilpasse sig trafikstigninger og holde latensen stabil.

Under alfatestning ønskede en forsker at forstå, hvor meget ekstra arbejde GPT‑5.3‑Codex fik udført pr. turn, og den tilhørende forskel i produktivitet. GPT‑5.3‑Codex udviklede flere simple regex-klassifikatorer til at estimere hyppigheden af afklaringer, positive og negative brugerreaktioner, fremskridt på opgaven og kørte dem derefter skalerbart over alle sessionslogfiler og udarbejdede en rapport med konklusionen. De brugere, der byggede med Codex, var mere tilfredse, fordi agenten bedre forstod deres hensigt og gjorde mere fremskridt pr. turn med færre afklarende spørgsmål.

Da GPT‑5.3‑Codex er så forskellig fra sine forgængere, udviste dataene fra alfatestningen adskillige usædvanlige og kontraintuitive resultater. En dataforsker på teamet arbejdede med GPT‑5.3‑Codex for at bygge nye datapipelines og visualisere resultaterne langt mere detaljeret, end vores standardværktøjer til dashboards gjorde muligt. Resultaterne blev co-analyseret med Codex, som kortfattet opsummerede nøgleindsigter fra tusindvis af datapunkter på under tre minutter.

Hver for sig er alle disse opgaver interessante eksempler på, hvordan Codex kan hjælpe forskere og produktudviklere. Samlet set fandt vi, at disse nye kapaciteter resulterede i en kraftig acceleration af vores forsknings-, ingeniør- og produktteams.

I de seneste måneder har vi set betydelige forbedringer i modelpræstationer på cybersikkerhedsopgaver, hvilket gavner både udviklere og sikkerhedsprofessionelle. Sideløbende har vi taget stærkere cybersikkerhedsforanstaltninger⁠ for at støtte defensiv brug og øge robustheden i det bredere økosystem.

GPT‑5.3‑Codex er den første model, vi klassificerer som høj kapacitet⁠ til cybersikkerhedsrelaterede opgaver under vores Preparedness Framework⁠, og den første model, som vi har trænet direkte til at identificere softwaresårbarheder. Selvom vi ikke har endegyldige beviser for, at den kan automatisere cyberangreb fra start til slut, tager vi en forsigtig tilgang og implementerer vores hidtil mest omfattende cybersikkerhedsstak. Vores afbødende foranstaltninger omfatter sikkerhedstræning, automatiseret overvågning, betroet adgang til avancerede funktioner og håndhævelsesprocesser, herunder trusselsintelligens.

Eftersom cybersikkerhed i sagens natur har dobbelt anvendelse, benytter vi en evidensbaseret, iterativ tilgang, der fremskynder forsvarernes evne til at finde og rette sårbarheder, samtidig med at vi bremser misbrug. Som en del af dette lancerer vi Trusted Access for Cyber⁠, som er et pilotprogram, der skal accelerere forskning i cyberforsvar.

Vi investerer i økosystembeskyttelse, såsom udvidelse af den private betaversion af Aardvark⁠, vores sikkerhedsforskningsagent, som det første tilbud i vores pakke af Codex Security-produkter og -værktøjer, og vi samarbejder med open source-vedligeholdere for at tilbyde gratis kodebasescanning til udbredte projekter såsom Next.js, hvor en sikkerhedsforsker brugte Codex til at finde sårbarheder, der blev afsløret⁠(åbner i et nyt vindue) i sidste uge.

Med udgangspunkt i vores Cybersecurity Grant Program på 1 million dollars, der blev lanceret i 2023, afsætter vi også 10 millioner dollars i API-kreditter til at accelerere cyberforsvar med vores mest kapable modeller, især til open source-software og kritiske infrastruktursystemer. Organisationer, der udfører sikkerhedsforskning, kan ansøge om API-kreditter og støtte gennem vores Cybersecurity Grant Program⁠.

GPT‑5.3‑Codex er tilgængelig med betalte ChatGPT‑abonnementer, overalt hvor du kan bruge Codex: appen, CLI, IDE-udvidelsen og web. Vi arbejder på snart at aktivere API-adgang sikkert.

Med denne opdatering kører vi nu også GPT‑5.3‑Codex 25 % hurtigere for Codex-brugere, takket være forbedringer i vores infrastruktur og inferensstak, hvilket resulterer i hurtigere interaktioner og hurtigere resultater.

GPT‑5.3‑Codex blev designet i samarbejde med, trænet med og leveret til NVIDIA GB200 NVL72-systemer. Vi er taknemmelige for NVIDIAs partnerskab.

Med GPT‑5.3‑Codex udvikler Codex sig fra blot at skrive kode til at bruge det som et værktøj til at betjene en computer og fuldføre arbejdet fra start til slut. Ved at flytte grænserne for, hvad en kodningsagent kan gøre, åbner vi også op for en bredere klasse af vidensarbejde, lige fra at bygge og implementere software til at undersøge, analysere og udføre komplekse opgaver. Det, der i begyndelsen fokuserede på at være den bedste agent inden for kodning, er blevet fundamentet for en mere generel samarbejdspartner på computeren, der udvider både, hvem der kan bygge, og hvad der er muligt med Codex.