GPT‑5.3‑Codex નો પરિચય

અમે એક નવું મોડલ રજૂ કરી રહ્યા છીએ જે Codex શું કરી શકે છે તેનું વધુ અનલૉક કરે છે: GPT‑5.3‑Codex, આજ સુધીનું સૌથી સક્ષમ agentic coding મોડલ. આ મોડલ GPT‑5.2‑Codex ની અત્યાધુનિક coding performance અને GPT‑5.2 ની રિઝનિંગ તથા વ્યાવસાયિક જ્ઞાન ક્ષમતાઓને એક જ મોડલમાં આગળ વધારે છે, અને તે 25% વધુ ઝડપી પણ છે. આથી તે સંશોધન, tool use અને જટિલ execution ધરાવતા લાંબા સમય સુધી ચાલતા કાર્યો સંભાળી શકે છે. સહકર્મી જેવી જ રીતે, GPT‑5.3‑Codex કામ કરતી વખતે તમે તેને દિશા આપી અને તેની સાથે પરસ્પર ક્રિયા કરી શકો છો, અને સંદર્ભ ગુમાવતા નથી.

GPT‑5.3‑Codex અમારું પ્રથમ મોડલ છે જેણે પોતાને બનાવવામાં જ મહત્વપૂર્ણ ભૂમિકા ભજવી. Codex ટીમે તેના પ્રારંભિક સંસ્કરણોનો ઉપયોગ કરીને તેની પોતાની training debug કરી, તેની deployment સંભાળી, અને test results તથા evaluations નું નિદાન કર્યું—અમારી ટીમ Codex પોતાની જ development કેટલી ઝડપથી આગળ ધપાવી શક્યો તે જોઈ આશ્ચર્યચકિત રહી ગઈ.

GPT‑5.3‑Codex સાથે, Codex કોડ લખી અને સમીક્ષા કરી શકતા એજન્ટથી એવો એજન્ટ બને છે જે વિકાસકર્તાઓ અને વ્યાવસાયિકો કમ્પ્યુટર પર જે કંઈ પણ લગભગ કરી શકે છે તે બધું કરી શકે છે.

GPT‑5.3‑Codex SWE-Bench Pro અને Terminal-Bench પર ઉદ્યોગમાં નવો સર્વોચ્ચ સ્કોર સ્થાપે છે, અને OSWorld તથા GDPval પર મજબૂત પ્રદર્શન બતાવે છે. આ ચાર benchmarks નો ઉપયોગ અમે coding, agentic અને વાસ્તવિક દુનિયાની ક્ષમતાઓ માપવા માટે કરીએ છીએ.

GPT‑5.3‑Codex SWE-Bench Pro પર state-of-the-art performance હાંસલ કરે છે, જે વાસ્તવિક દુનિયાના software engineering નું કડક મૂલ્યાંકન છે. જ્યાં SWE‑bench Verified માત્ર Python ની જ કસોટી કરે છે, ત્યાં SWE‑Bench Pro ચાર ભાષાઓ આવરી લે છે અને contamination સામે વધુ પ્રતિરોધક, વધુ પડકારજનક, વધુ વૈવિધ્યપૂર્ણ અને ઉદ્યોગસંગત છે. તે Terminal-Bench 2.0 પર અગાઉના state-of-the-art performance ને પણ બહુ પાછળ મૂકે છે, જે Codex જેવા coding agent ને જરૂરી terminal skills માપે છે. નોંધપાત્ર રીતે, GPT‑5.3‑Codex એ કોઈપણ અગાઉના મોડલ કરતાં ઓછા ટોકન સાથે આ સિદ્ધિ હાંસલ કરે છે, જેથી વપરાશકર્તાઓ વધુ બનાવી શકે.

અત્યાધુનિક coding ક્ષમતાઓ, aesthetics માં સુધારા અને compaction ના સંયોજનથી એવું મોડલ બને છે જે ખૂબ અસરકારક કાર્ય કરી શકે, દિવસોની અવધિમાં શરૂઆતથી અત્યંત કાર્યક્ષમ જટિલ games અને apps બનાવી શકે. મોડલની web development અને લાંબા ગાળાની agentic ક્ષમતાઓ ચકાસવા માટે, અમે GPT‑5.3‑Codex ને બે games બનાવવા કહ્યું: Codex app launch⁠ માં આવેલી racing game નું version two, અને એક diving game. develop web game skill તથા “fix the bug” અથવા “improve the game” જેવા પૂર્વપસંદ, સામાન્ય follow-up prompts નો ઉપયોગ કરીને, GPT‑5.3‑Codex એ લાખો ટોકન દરમિયાન games પર સ્વાયત્ત રીતે iteration કર્યું. ટ્રેલર્સ જુઓ અને games તમે પોતે રમી જુઓ જેથી Codex શું કરી શકે છે તે જોઈ શકો.

GPT‑5.3‑Codex, GPT‑5.2‑Codex ની સરખામણીએ, તમે તેને દૈનિક વેબસાઇટ્સ બનાવવા કહો ત્યારે તમારી મન્સા વધુ સારી રીતે સમજે છે. સરળ અથવા અધૂરા રીતે નિર્ધારિત prompts હવે આપમેળે વધુ કાર્યક્ષમતા અને સમજદાર defaults ધરાવતી sites તરફ દોરી જાય છે, જેથી તમારી કલ્પનાઓને જીવંત કરવા માટે તમને વધુ મજબૂત શરૂઆતનું canvas મળે છે.

ઉદાહરણ તરીકે, અમે GPT‑5.3‑Codex અને GPT‑5.2‑Codex ને નીચે બે landing pages બનાવવા કહ્યું. GPT‑5.3‑Codex એ આપમેળે yearly plan ને ડિસ્કાઉન્ટેડ monthly price તરીકે બતાવ્યો, જેથી discount સ્પષ્ટ અને ઇરાદાપૂર્વક લાગ્યો, yearly total ને ગુણાકાર કરીને બતાવવાને બદલે. તેણે એકની બદલે ત્રણ અલગ user quotes ધરાવતો આપમેળે transition થતો testimonial carousel પણ બનાવ્યો, જેના કારણે પેજ મૂળભૂત રીતે વધુ સંપૂર્ણ અને production-ready લાગ્યો.

Software engineers, designers, product managers અને data scientists માત્ર code generate કરતા ઘણું વધુ કરે છે. GPT‑5.3‑Codex software lifecycle ના તમામ કાર્યને સહારો આપવા માટે બનાવાયું છે—debugging, deploying, monitoring, PRDs લખવું, copy edit કરવી, user research, tests, metrics અને ઘણું વધુ. તેની agentic ક્ષમતાઓ software થી પણ આગળ જાય છે, જેથી તમે જે બનાવવું ઇચ્છો તે બનાવવામાં મદદ મળે—ચાહે તે slide decks હોય કે sheets માં data analyze કરવું હોય.

અમારા અગાઉના GDPval પરિણામો માટે ઉપયોગમાં લેવાયેલી custom skills જેવી જ skills સાથે, GPT‑5.3‑Codex વ્યાવસાયિક જ્ઞાનકાર્યમાં પણ મજબૂત પ્રદર્શન બતાવે છે, જેમ કે GDP⁠val⁠ દ્વારા માપવામાં આવ્યું છે, અને GPT‑5.2 ને સરખે છે. GDPval એ OpenAI દ્વારા 2025 માં પ્રકાશિત મૂલ્યાંકન છે, જે 44 વ્યવસાયોમાં સારી રીતે નિર્ધારિત knowledge-work tasks પર મોડલનું પ્રદર્શન માપે છે. આ કાર્યોમાં presentations, spreadsheets અને અન્ય work products બનાવવાનું સમાવેશ થાય છે.

નીચે એજન્ટે તૈયાર કરેલા કાર્યના થોડા ઉદાહરણો છે.

OSWorld એક agentic computer-use benchmark છે જેમાં એજન્ટને visual desktop computer environment માં productivity tasks પૂર્ણ કરવા પડે છે. GPT‑5.3‑Codex અગાઉના GPT મોડલ્સ કરતાં ઘણું વધુ મજબૂત computer use capabilities દર્શાવે છે.

કોડિંગ, frontend, computer-use અને વાસ્તવિક દુનિયાના કાર્યોમાં મળેલા આ પરિણામો મળીને બતાવે છે કે GPT‑5.3‑Codex માત્ર વ્યક્તિગત કાર્યોમાં જ વધુ સારું નથી, પરંતુ એવો એકમાત્ર, સામાન્ય હેતુનો એજન્ટ બનાવવાની દિશામાં એક મોટો ફેરફાર દર્શાવે છે જે વાસ્તવિક દુનિયાના ટેકનિકલ કાર્યના સંપૂર્ણ વ્યાપમાં રિઝનિંગ, નિર્માણ અને execution કરી શકે.

મોડલ ક્ષમતાઓ વધુ શક્તિશાળી બનતાં, અંતર એમાંથી ખસે છે કે એજન્ટો શું કરી શકે છે અને તેની તરફ જાય છે કે મનુષ્યો તેમની સાથે કેવી સરળતાથી પરસ્પર ક્રિયા કરી શકે, તેમને દિશા આપી શકે અને સમકક્ષમાં કામ કરતા ઘણા એજન્ટોની દેખરેખ રાખી શકે. Codex app એજન્ટોને મેનેજ અને દિશા આપવાનું ઘણું સરળ બનાવે છે, અને હવે GPT‑5.3‑Codex સાથે તે વધુ ઇન્ટરએક્ટિવ છે. નવા મોડલ સાથે, Codex વારંવાર updates આપે છે જેથી તે કામ કરે ત્યારે મુખ્ય નિર્ણયો અને પ્રગતિ વિશે તમે માહિતગાર રહો. અંતિમ output ની રાહ જોવાને બદલે, તમે real time માં પરસ્પર ક્રિયા કરી શકો છો—પ્રશ્ન પૂછો, રીતો પર ચર્ચા કરો અને ઉકેલ તરફ દિશા આપો. GPT‑5.3‑Codex તે શું કરી રહ્યું છે તે સમજાવે છે, feedback નો પ્રતિસાદ આપે છે, અને શરૂઆતથી અંત સુધી તમને માહિતગાર રાખે છે.

તાજેતરના ઝડપી Codex સુધારા OpenAI ના તમામ ક્ષેત્રોમાં મહીનાઓ કે વર્ષો સુધી ચાલેલા સંશોધન પ્રોજેક્ટોના પરિણામો પર આધારિત છે. Codex આ સંશોધન પ્રોજેક્ટોને વધુ ઝડપ આપે છે, અને OpenAI ના ઘણા researchers અને engineers આજે પોતાની નોકરી બે મહિના પહેલાં કરતાં મૂળભૂત રીતે અલગ હોવાનું વર્ણવે છે. GPT‑5.3‑Codex ના પ્રારંભિક સંસ્કરણોએ પણ અસાધારણ ક્ષમતાઓ દર્શાવી, જેના કારણે અમારી ટીમે training સુધારવા અને પછીના સંસ્કરણોની deployment ને સહારો આપવા માટે તે પહેલાના સંસ્કરણો સાથે કામ કર્યું.

Codex બહુ વ્યાપક પ્રકારના કાર્યો માટે ઉપયોગી છે, તેથી તે અમારી ટીમોને કેવી રીતે મદદ કરે છે તેની તમામ રીતો સંપૂર્ણ રીતે ગણાવવી મુશ્કેલ છે. થોડાં ઉદાહરણ તરીકે, research ટીમે આ રિલીઝ માટે training run ને monitor અને debug કરવા Codex નો ઉપયોગ કર્યો. તેણે infrastructure problems debug કરવા કરતાં પણ આગળ સંશોધનને ઝડપી બનાવ્યું: training દરમ્યાન patterns ટ્રેક કરવામાં મદદ કરી, interaction quality પર ઊંડું analysis આપ્યું, fixes સૂચવ્યા અને human researchers ને prior models ની સરખામણીમાં મોડલનું વર્તન કેવી રીતે અલગ હતું તે ચોક્કસ સમજવામાં મદદરૂપ સમૃદ્ધ applications બનાવી.

Engineering ટીમે GPT‑5.3‑Codex માટે harness optimize અને adapt કરવા Codex નો ઉપયોગ કર્યો. જ્યારે અમને વપરાશકર્તાઓને અસર કરનારા અજીબ edge cases દેખાવા માંડ્યા, ત્યારે ટીમના સભ્યોએ Codex નો ઉપયોગ context rendering bugs ઓળખવા અને નીચા cache hit rates ના મૂળ કારણ સુધી પહોંચવા માટે કર્યો. GPT‑5.3‑Codex લોન્ચ દરમિયાન પણ ટીમને મદદ કરતું રહ્યું છે: traffic surges પ્રમાણે GPU clusters ને ગતિશીલ રીતે scale કરી અને latency સ્થિર રાખી.

Alpha testing દરમિયાન, એક researcher સમજવા માંગતા હતા કે GPT‑5.3‑Codex પ્રતિ turn કેટલું વધારાનું કામ પૂર્ણ કરી રહ્યું હતું અને તેની સાથે ઉત્પાદકતામાં શું તફાવત હતો. GPT‑5.3‑Codex એ clarifications ની આવર્તન, positive અને negative user responses, કાર્ય પરની પ્રગતિનો અંદાજ કરવા માટે કેટલાક સરળ regex classifiers તૈયાર કર્યા, પછી તેમને તમામ session logs પર મોટા પાયે ચલાવ્યા અને પોતાના નિષ્કર્ષ સાથે report તૈયાર કર્યો. Codex સાથે કામ કરતા લોકો વધુ ખુશ હતા કારણ કે એજન્ટ તેમની મન્સા વધુ સારી રીતે સમજતો હતો અને પ્રતિ turn વધુ પ્રગતિ કરતો હતો, ઓછા સ્પષ્ટીકરણ પ્રશ્નો સાથે.

GPT‑5.3‑Codex તેના પૂર્વવર્તીઓ કરતાં ખૂબ જ અલગ હોવાથી, alpha testing ના data માં અનેક અસામાન્ય અને intuitive લાગે નહીં એવા પરિણામો જોવા મળ્યા. ટીમના એક data scientist એ GPT‑5.3‑Codex સાથે મળીને નવા data pipelines બનાવ્યા અને અમારા standard dashboarding tools કરતાં વધુ સમૃદ્ધ રીતે પરિણામોને visualize કર્યા. પરિણામોનું Codex સાથે સહ-વિશ્લેષણ કરવામાં આવ્યું, જેણે ત્રણ મિનિટથી ઓછી સમયમાં હજારો data points પર મુખ્ય insights ને સંક્ષિપ્ત રીતે સારાંશ આપ્યો.

વ્યક્તિગત રીતે, આ બધા કાર્યો Codex researchers અને product builders ને કેવી રીતે મદદ કરી શકે તેનાં રસપ્રદ ઉદાહરણો છે. એકસાથે જોતા, અમે જોયું કે આ નવી ક્ષમતાઓએ અમારી research, engineering અને product teams માટે શક્તિશાળી ઝડપવધારો આપ્યો.

તાજેતરના મહિનાઓ દરમિયાન, અમે cybersecurity કાર્યો પર મોડલ પ્રદર્શનમાં અર્થપૂર્ણ સુધારા જોયા છે, જે developers અને security professionals બંનેને લાભ આપે છે. તેની સાથે સાથે, અમે રક્ષણાત્મક ઉપયોગ અને વિશાળ ecosystem resilience ને સહારો આપવા માટે મજબૂત બનાવેલી cyber safeguards ની તૈયારી⁠ કરી રહ્યા છીએ.

GPT‑5.3‑Codex એ પ્રથમ મોડલ છે જેને અમે cybersecurity સંબંધિત કાર્યો માટે અમારી પ્રિપેરડનેસ ફ્રેમવર્ક⁠ હેઠળ High capability⁠ તરીકે વર્ગીકૃત કરીએ છીએ, અને પ્રથમ જેને software vulnerabilities ઓળખવા માટે સીધું train કરવામાં આવ્યું છે. ભલે અમારે પાસે એ અંતથી અંત સુધી cyber attacks automate કરી શકે તેવો નિશ્ચિત પુરાવો નથી, અમે સાવચેતીભર્યો અભિગમ અપનાવી રહ્યા છીએ અને આજ સુધીની અમારી સૌથી વ્યાપક cybersecurity safety stack deploy કરી રહ્યા છીએ. અમારી mitigations માં safety training, automated monitoring, advanced capabilities માટે trusted access, અને threat intelligence સહિત enforcement pipelines નો સમાવેશ થાય છે.

કારણ કે cybersecurity સ્વભાવથી dual-use છે, અમે પુરાવા આધારિત, iterative અભિગમ અપનાવી રહ્યા છીએ જે defenders ને vulnerabilities શોધવા અને સુધારવાની ક્ષમતા ઝડપી બનાવે છે અને સાથે દુરૂપયોગને ધીમું કરે છે. આના ભાગરૂપે, અમે cyber defense research ને ઝડપી બનાવવા માટે એક pilot program તરીકે Trusted Access for Cyber⁠ શરૂ કરી રહ્યા છીએ.

દુરુપયોગ રોકવામાં મદદ કરવા માટે, અમારા systems કેટલાક એવા requests શોધે છે જેમાં cyber risk વધારે હોઈ શકે; આવા requests આપમેળે GPT‑5.3‑Codex પરથી GPT‑5.2 તરફ મોકલવામાં આવી શકે છે. અમે આ safeguards ને વધુ સુધારતા રહીશું. Security research કરતા developers અથવા જેમને લાગે છે કે તેમના requests ખોટા રીતે વર્ગીકૃત થયા હતા, તેઓ અમારા Trusted Access for Cyber program દ્વારા full access માટે અરજી કરી શકે છે અથવા /feedback command નો ઉપયોગ કરીને સમસ્યા રિપોર્ટ કરી શકે છે.

અમે ecosystem safeguards માં રોકાણ કરી રહ્યા છીએ, જેમ કે અમારા security research એજન્ટ Aardvark⁠ ની private beta ને વિસ્તૃત કરવી, જે અમારી Codex Security products and tools શ્રેણીમાં પ્રથમ offering છે, તેમજ open-source maintainers સાથે ભાગીદારી કરી Next.js જેવા વ્યાપક રીતે વપરાતા projects માટે મફત codebase scanning આપવી—જ્યાં એક security researcher એ Codex નો ઉપયોગ કરીને vulnerabilities શોધી હતી જે ગયા અઠવાડિયે જાહેર કરવામાં આવી⁠(નવી વિન્ડોમાં ખૂલે છે) હતી.

2023 માં શરૂ કરાયેલા અમારા $1M Cybersecurity Grant Program પર આગળ વધતા, અમે અમારી સૌથી સક્ષમ મોડલ્સ દ્વારા cyber defense ને ઝડપી બનાવવા માટે API credits માં $10M આપવાની પ્રતિબદ્ધતા પણ લઈ રહ્યા છીએ, ખાસ કરીને open source software અને critical infrastructure systems માટે. સદ્ભાવથી security research કરતી સંસ્થાઓ અમારી Cybersecurity Grant Program⁠ દ્વારા API credits અને support માટે અરજી કરી શકે છે.

GPT‑5.3‑Codex paid ChatGPT plans સાથે ઉપલબ્ધ છે, જ્યાં જ્યાં તમે Codex નો ઉપયોગ કરી શકો ત્યાં: app, CLI, IDE extension અને web. અમે ટૂંક સમયમાં API access ને સુરક્ષિત રીતે સક્ષમ કરવાની દિશામાં કામ કરી રહ્યા છીએ.

આ અપડેટ સાથે, infrastructure અને inference stack માં સુધારાઓને કારણે હવે અમે Codex users માટે GPT‑5.3‑Codex ને 25% વધુ ઝડપથી ચલાવી રહ્યા છીએ, જેના પરિણામે interactions ઝડપી બને છે અને પરિણામો પણ વહેલા મળે છે.

GPT‑5.3‑Codex NVIDIA GB200 NVL72 systems માટે સહ-ડિઝાઇન થયું, તેની સાથે train થયું અને તે જ પર serve થયું. અમે NVIDIA ના ભાગીદારી માટે આભારી છીએ.

GPT‑5.3‑Codex સાથે, Codex code લખવાથી આગળ વધી તેને કમ્પ્યુટર ચલાવવા અને કાર્યને શરૂઆતથી અંત સુધી પૂર્ણ કરવા માટેના tool તરીકે ઉપયોગ કરી રહ્યું છે. coding agent શું કરી શકે તેની અત્યાધુનિક સીમા આગળ ધપાવીને, અમે વધુ વ્યાપક knowledge work ને પણ અનલૉક કરી રહ્યા છીએ—software build અને deploy કરવાથી લઈને research, analysis અને જટિલ કાર્યોના execution સુધી. શ્રેષ્ઠ coding agent બનવા પરનો આરંભિક ફોકસ હવે કમ્પ્યુટર પર વધુ સામાન્ય સહયોગી માટેનો આધાર બની ગયો છે, જે Codex સાથે કોણ બનાવી શકે છે અને શું શક્ય છે તેને બંને વિસ્તારે છે.