Neu: GPT‑5.3‑Codex

Wir stellen ein neues Modell vor, das noch mehr vom Potenzial von Codex erschließt: GPT‑5.3‑Codex, das bisher leistungsfähigste agentische Programmiermodell. Das Modell verbessert sowohl die Frontier-Programmierleistung von GPT‑5.2‑Codex als auch die Reasoning- und professionellen Wissensfähigkeiten von GPT‑5.2, vereint in einem Modell, das zudem 25 % schneller ist. Dadurch kann es lang andauernde Aufgaben übernehmen, die Recherche, Tool-Nutzung und komplexe Ausführung umfassen. Ähnlich wie bei einem/einer Kolleg:in kannst du GPT‑5.3‑Codex während der Arbeit anleiten und mit ihm interagieren, ohne den Kontext zu verlieren.

GPT‑5.3‑Codex ist unser erstes Modell, das maßgeblich an seiner eigenen Entwicklung beteiligt war. Das Codex-Team nutzte frühe Versionen, um sein eigenes Training zu debuggen, seine eigene Bereitstellung zu verwalten und Testergebnisse sowie Evaluierungen zu diagnostizieren – unser Team war überwältigt davon, wie sehr Codex seine eigene Entwicklung beschleunigen konnte.

Mit GPT‑5.3‑Codex entwickelt Codex sich von einem Agenten, der Code schreiben und überprüfen kann, zu einem Agenten weiter, der nahezu alles leisten kann, wozu Entwickler:innen und Fachleute an einem Computer in der Lage sind.

GPT‑5.3‑Codex setzt bei SWE-Bench Pro und Terminal-Bench einen neuen Branchenmaßstab und zeigt starke Leistung bei OSWorld und GDPval, vier Benchmarks, die wir verwenden, um Coding-, agentische und Praxisfähigkeiten zu messen.

GPT‑5.3‑Codex erreicht Spitzenleistungen bei SWE-Bench Pro, einer anspruchsvollen Evaluierung für reale Softwareentwicklung. Während SWE‑bench Verified nur Python testet, deckt SWE‑Bench Pro vier Sprachen ab und ist widerstandsfähiger gegen Kontamination, herausfordernder, vielfältiger und für die Branche relevanter. Es übertrifft auch bei weitem die bisherige Spitzenleistung bei Terminal-Bench 2.0, die die Terminal-Fähigkeiten misst, die ein Agent wie Codex benötigt. Bemerkenswerterweise tut GPT‑5.3‑Codex dies mit weniger Tokens als jedes frühere Modell, sodass Nutzer:innen mehr entwickeln können.

Die Kombination von Frontier-Programmierfähigkeiten, Verbesserungen in der Ästhetik und Compaction (Komprimierung) führt zu einem Modell, das beeindruckende Arbeit leisten kann und innerhalb weniger Tage hochfunktionale, komplexe Spiele und Apps von Grund auf entwickelt. Um die Webentwicklungs- und langfristigen agentischen Fähigkeiten des Modells zu testen, haben wir GPT‑5.3‑Codex gebeten, uns zwei Spiele zu entwickeln: Version zwei des Rennspiels von der Codex-App-Einführung⁠ und ein Tauchspiel. Mithilfe der Fähigkeit „develop-web-game“ und vorab ausgewählter, generischer Follow-up-Prompts wie „behebe den Bug“ oder „verbessere das Spiel“ hat GPT‑5.3‑Codex die Spiele über Millionen von Tokens hinweg autonom iteriert. Schau dir die Trailer an und spiele die Spiele selbst, um zu sehen, was Codex leisten kann.

GPT‑5.3‑Codex versteht im Vergleich zu GPT‑5.2‑Codex auch besser deine Absicht, wenn du es bittest, alltägliche Websites zu erstellen. Einfache oder unzureichend spezifizierte Prompts resultieren jetzt standardmäßig in Websites mit mehr Funktionalität und sinnvollen Standardeinstellungen, sodass du eine stärkere Ausgangsbasis hast, um deine Ideen zum Leben zu erwecken.

Zum Beispiel haben wir GPT‑5.3‑Codex und GPT‑5.2‑Codex gebeten, die zwei Landingpages weiter unten zu erstellen. GPT‑5.3‑Codex zeigte automatisch den Jahresplan als ermäßigten Monatspreis an, sodass der Rabatt klar und beabsichtigt wirkte, anstatt die Jahressumme zu multiplizieren. Es erstellte außerdem ein automatisch wechselndes Testimonial-Karussell mit drei verschiedenen Nutzerzitaten anstelle von nur einem, was in einer Seite resultiert, die sich standardmäßig vollständiger und produktionsreifer anfühlt.

Softwareentwickler:innen, Designer:innen, Produktmanager:innen und Datenwissenschaftler:innen leisten weit mehr, als nur Code zu schreiben. GPT‑5.3‑Codex ist darauf ausgelegt, alle Arbeiten im Softwarelebenszyklus zu unterstützen – Debugging, Bereitstellung, Überwachung, das Schreiben von PRDs, das Bearbeiten von Texten, Nutzerforschung, Tests, Metriken und mehr. Seine agentischen Fähigkeiten gehen über Software hinaus und helfen dir dabei, alles zu erstellen, was du möchtest – seien es Präsentationensfolien oder die Analyse von Daten in Tabellen.

Mit benutzerdefinierten Fähigkeiten, ähnlich denen, die wir für unsere vorherigen GDPval-Ergebnisse verwendet haben, zeigt GPT‑5.3‑Codex außerdem eine starke Leistung bei professioneller Wissensarbeit, gemessen an GDP⁠val⁠, und erreicht das Niveau von GPT‑5.2. GDPval ist eine Evaluierung, die OpenAI im Jahr 2025 veröffentlicht hat und die die Leistung eines Modells bei genau definierten Wissensarbeitsaufgaben in 44 Berufen misst. Diese Aufgaben umfassen Dinge wie das Erstellen von Präsentationen, Tabellen und anderen Arbeitsprodukten.

Weiter unten findest du ein paar Beispiele für die Arbeit, die der Agent erstellt hat.

OSWorld ist ein Benchmark für die agentische Computernutzung, bei dem der Agent Produktivitätsaufgaben in einer visuellen Desktop-Computerumgebung erledigen muss. GPT‑5.3‑Codex zeigt deutlich stärkere Fähigkeiten in der Computernutzung als frühere GPT‑Modelle.

Zusammen zeigen diese Ergebnisse aus den Bereichen Programmierung, Frontend sowie Computernutzung und Praxisaufgaben, dass GPT‑5.3‑Codex nicht nur bei einzelnen Aufgaben besser abschneidet, sondern einen bedeutenden Schritt hin zu einem einzigen Allzweck-Agenten markiert, der schlussfolgern, entwickeln und über das gesamte Spektrum realer technischer Arbeit hinweg Resultate liefern kann.

Mit zunehmender Leistungsfähigkeit der Modelle verlagert sich der Fokus von den Fähigkeiten der Agenten hin zu der Frage, wie einfach Menschen mit vielen parallel arbeitenden Agenten interagieren, sie steuern und überwachen können. Die Codex-App erleichtert die Verwaltung und Steuerung von Agenten erheblich, und mit GPT‑5.3‑Codex ist sie jetzt noch interaktiver. Mit dem neuen Modell stellt Codex häufige Updates bereit, damit du über wichtige Entscheidungen und Fortschritte informiert bleibst, während es arbeitet. Anstatt auf ein endgültiges Ergebnis zu warten, kannst du in Echtzeit interagieren: Fragen stellen, Ansätze diskutieren und auf die Lösung hinarbeiten. GPT‑5.3‑Codex erklärt, was es tut, reagiert auf Feedback und hält dich von Anfang bis Ende auf dem Laufenden.

Die jüngsten rasanten Codex-Verbesserungen basieren auf den Ergebnissen von unternehmensweiten Forschungsprojekten bei OpenAI, die sich über Monate oder Jahre erstrecken. Diese Forschungsprojekte werden von Codex beschleunigt, wobei viele Forschende und Entwickler:innen bei OpenAI ihre Arbeit heute als grundlegend anders beschreiben als noch vor nur zwei Monaten. Sogar frühe Versionen von GPT‑5.3‑Codex zeigten außergewöhnliche Fähigkeiten, sodass unser Team mit diesen früheren Versionen arbeiten konnte, um das Training zu verbessern und die Bereitstellung späterer Versionen zu unterstützen.

Codex ist für ein sehr breites Spektrum an Aufgaben nützlich, was es schwierig macht, all die Arten aufzulisten, wie es unseren Teams hilft. Zum Beispiel hat das Forschungsteam Codex genutzt, um den Trainingslauf für dieses Release zu überwachen und zu debuggen. Es beschleunigte die Forschung über das Debugging von Infrastrukturproblemen hinaus: Es half, Muster im Verlauf des Trainings zu verfolgen, lieferte eine tiefgehende Analyse der Interaktionsqualität, schlug Korrekturen vor und entwickelte umfangreiche Anwendungen, damit menschliche Forschende präzise verstehen konnten, wie sich das Verhalten des Modells im Vergleich zu früheren Modellen unterschied.

Das Entwicklungsteam hat Codex genutzt, um das Harness für GPT‑5.3‑Codex zu optimieren und anzupassen. Als wir merkten, dass es seltsame Grenzfälle gab, die die Nutzer:innen beeinträchtigten, haben die Teammitglieder Codex genutzt, um Fehler beim Rendern des Kontexts und die Ursache für niedrige Cache-Trefferquoten zu finden. GPT‑5.3‑Codex unterstützt das Team auch weiterhin während der gesamten Markteinführung, indem es GPU-Cluster dynamisch skaliert, um sich an Traffic-Spitzen anzupassen und die Latenz stabil zu halten.

Während der Alpha-Tests wollte eine Forscherin verstehen, wie viel zusätzliche Arbeit GPT‑5.3‑Codex pro Runde erledigte und welchen Unterschied das im Hinblick auf die Produktivität machte. GPT‑5.3‑Codex hat mehrere einfache Regex-Klassifikatoren entwickelt, um die Häufigkeit von Klarstellungen, positiven und negativen Nutzerreaktionen sowie den Fortschritt bei der Aufgabe zu schätzen. Anschließend führte es diese Klassifikatoren skalierbar für alle Sitzungsprotokolle aus und erstellte einen Bericht mit seiner Schlussfolgerung. Menschen, die mit Codex entwickeln, waren zufriedener, da der Agent ihre Absicht besser verstand und pro Runde mehr Fortschritte machte, wobei weniger klärende Fragen erforderlich waren.

Da sich GPT‑5.3‑Codex so stark von seinen Vorgängern unterscheidet, zeigten die Daten aus den Alpha-Tests zahlreiche ungewöhnliche und kontraintuitive Ergebnisse. Ein Datenwissenschaftler im Team hat mit GPT‑5.3‑Codex gearbeitet, um neue Datenpipelines zu entwickeln und die Ergebnisse viel umfassender zu visualisieren, als es unsere Standard-Dashboarding-Tools ermöglicht hätten. Die Ergebnisse wurden zusammen mit Codex analysiert, das in weniger als drei Minuten prägnant die wichtigsten Erkenntnisse aus Tausenden von Datenpunkten zusammengefasst hat.

Einzeln betrachtet sind all diese Aufgaben interessante Beispiele dafür, wie Codex Forschenden und Produktentwickler:innen helfen kann. Insgesamt haben wir festgestellt, dass diese neuen Fähigkeiten zu einer starken Beschleunigung unserer Forschungs-, Entwicklungs- und Produktteams geführt haben.

In den letzten Monaten haben wir bedeutende Verbesserungen der Modellleistung bei Cybersicherheitsaufgaben verzeichnet, von denen sowohl Entwickler:innen als auch Sicherheitsfachleute profitieren. Parallel dazu haben wir verstärkte Cyber-Schutzmaßnahmen vorbereitet⁠, um die defensive Nutzung und eine breitere Resilienz des Ökosystems zu unterstützen.

GPT‑5.3‑Codex ist das erste Modell, dessen Leistungsfähigkeit wir im Bereich cybersicherheitsbezogener Aufgaben im Rahmen unseres Preparedness Framework⁠ als Hoch⁠ einstufen, und das erste, das wir direkt darauf trainiert haben, Software-Schwachstellen zu identifizieren. Obwohl wir keine eindeutigen Beweise dafür haben, dass es Cyberangriffe vollständig automatisieren kann, verfolgen wir einen vorsorglichen Ansatz und implementieren unseren bisher umfassendsten Cybersicherheits-Stack. Unsere Maßnahmen zur Risikominderung umfassen Sicherheitsschulungen, automatisierte Überwachung, eingeschränkten Zugriff (Trusted Access) auf erweiterte Funktionen sowie Durchsetzungspipelines, die Bedrohungsinformationen einschließen.

Da Cybersicherheit von Natur aus einen Dual-Use-Charakter hat, verfolgen wir einen evidenzbasierten, iterativen Ansatz, der die Fähigkeit der Abwehrspezialist:innen beschleunigt, Schwachstellen zu finden und zu beheben, während er den Missbrauch verlangsamt. Im Rahmen dessen starten wir Trusted Access for Cyber⁠, ein Pilotprogramm zur Beschleunigung der Forschung im Bereich Cyberabwehr.

Wir investieren in Schutzmaßnahmen für das Ökosystem, wie die Ausweitung der privaten Beta von Aardvark⁠, unserem Sicherheitsforschungs-Agenten, als erstes Angebot in unserer Suite von Codex-Sicherheitsprodukten und -tools, und arbeiten mit Open-Source-Maintainern zusammen, um kostenlose Codebase-Scans für weit verbreitete Projekte wie Next.js bereitzustellen, wo ein Sicherheitsforscher Codex genutzt hat, um Schwachstellen zu finden, die letzte Woche bekanntgegeben⁠(wird in einem neuen Fenster geöffnet) wurden.

Aufbauend auf unserem 2023 gestarteten Cybersicherheits-Förderprogramm in Höhe von 1 Mio. USD verpflichten wir uns außerdem zur Bereitstellung von API-Credits im Wert von 10 Mio. USD, um die Cyberabwehr mit unseren leistungsfähigsten Modellen zu beschleunigen, insbesondere für Open-Source-Software und kritische Infrastruktursysteme. Organisationen, die in gutem Glauben Sicherheitsforschung betreiben, können über unser Cybersicherheits-Förderprogramm⁠ API-Credits und Unterstützung beantragen.

GPT‑5.3‑Codex ist mit kostenpflichtigen ChatGPT‑Plänen überall dort verfügbar, wo du Codex verwenden kannst: in der App, CLI, IDE-Erweiterung und im Web. Wir arbeiten daran, bald auch einen sicheren API-Zugriff zu ermöglichen.

Mit diesem Update läuft GPT‑5.3‑Codex für Codex-Benutzer:innen jetzt dank Verbesserungen unserer Infrastruktur und unseres Inferenz-Stacks außerdem 25 % schneller, was zu schnelleren Interaktionen und schnelleren Ergebnissen führt.

GPT‑5.3‑Codex wurde für NVIDIA GB200 NVL72-Systeme co-entwickelt, darauf trainiert und auf diesen bereitgestellt. Wir sind NVIDIA für seine Partnerschaft dankbar.

Mit GPT‑5.3‑Codex geht Codex über das Schreiben von Code hinaus und verwendet ihn als Werkzeug, um einen Computer zu bedienen und Arbeit von Anfang bis Ende zu erledigen. Indem wir die Grenzen dessen erweitern, was ein Coding Agent leisten kann, erschließen wir auch einen breiteren Bereich der Wissensarbeit – vom Entwickeln und Bereitstellen von Software bis hin zur Recherche, Analyse und Ausführung komplexer Aufgaben. Was mit einem Schwerpunkt darauf begann, der beste Programmier-Agent zu werden, hat sich zur Grundlage für einen allgemeineren Mitarbeiter am Computer entwickelt und erweitert damit sowohl, wer Entwicklungsarbeit leisten kann, als auch, was mit Codex möglich ist.