हम एक नया मॉडल पेश कर रहे हैं जो Codex की क्षमताओं को और आगे ले जाता है: GPT‑5.3‑Codex, अब तक का सबसे सक्षम एजेंटिक कोडिंग मॉडल. यह मॉडल GPT‑5.2‑Codex की फ्रंटियर कोडिंग परफ़ॉर्मेंस और GPT‑5.2 की रीज़निंग व प्रोफ़ेशनल नॉलेज क्षमताओं—दोनों को एक ही मॉडल में आगे बढ़ाता है, और यह 25% तेज़ भी है. इससे यह रिसर्च, टूल यूज़ और कॉम्प्लेक्स एक्ज़ीक्यूशन वाले लंबे समय तक चलने वाले टास्क्स संभाल पाता है. बिल्कुल किसी सहयोगी की तरह, आप GPT‑5.3‑Codex के काम करते समय उसके साथ इंटरैक्ट कर सकते हैं और उसे स्टियर कर सकते हैं, बिना कॉन्टेक्स्ट खोए.
GPT‑5.3‑Codex हमारा पहला मॉडल है जिसने ख़ुद को बनाने में अहम भूमिका निभाई. Codex टीम ने इसके शुरुआती वर्ज़न्स का इस्तेमाल अपनी ही ट्रेनिंग को डिबग करने, अपने डिप्लॉयमेंट को मैनेज करने और टेस्ट रिज़ल्ट्स व इवैल्यूएशन्स को डायग्नोज़ करने में किया—हमारी टीम यह देखकर हैरान रह गई कि Codex ने अपनी ही डेवलपमेंट को कितनी तेज़ी से एक्सेलरेट किया.
GPT‑5.3‑Codex के साथ, Codex एक ऐसे एजेंट से आगे बढ़कर, जो कोड लिख और रिव्यू कर सकता था, अब ऐसा एजेंट बन गया है जो कंप्यूटर पर डेवलपर्स और प्रोफ़ेशनल्स द्वारा किए जाने वाले लगभग हर काम को कर सकता है.
GPT‑5.3‑Codex ने SWE-Bench Pro और Terminal-Bench पर इंडस्ट्री का नया हाई सेट किया है, और OSWorld तथा GDPval पर भी मज़बूत परफ़ॉर्मेंस दिखाई है—ये चारों बेंचमार्क्स हम कोडिंग, एजेंटिक और रियल-वर्ल्ड क्षमताओं को मापने के लिए इस्तेमाल करते हैं.
GPT‑5.3‑Codex ने SWE-Bench Pro पर स्टेट-ऑफ़-द-आर्ट परफ़ॉर्मेंस हासिल की है, जो रियल-वर्ल्ड सॉफ़्टवेयर इंजीनियरिंग का एक सख़्त इवैल्यूएशन है. जहाँ SWE-Bench Verified सिर्फ़ Python को टेस्ट करता है, वहीं SWE-Bench Pro चार भाषाओं को कवर करता है और ज़्यादा कंटैमिनेशन-रेज़िस्टेंट, चुनौतीपूर्ण, विविध और इंडस्ट्री-रिलिवेंट है. यह Terminal-Bench 2.0 पर भी पिछली स्टेट-ऑफ़-द-आर्ट परफ़ॉर्मेंस से काफ़ी आगे निकल जाता है, जो Codex जैसे कोडिंग एजेंट के लिए ज़रूरी टर्मिनल स्किल्स को मापता है. ख़ास बात यह है कि GPT‑5.3‑Codex यह सब किसी भी पिछले मॉडल की तुलना में कम टोकन्स में करता है, जिससे यूज़र्स ज़्यादा बिल्ड कर पाते हैं.
फ्रंटियर कोडिंग क्षमताओं, एस्थेटिक्स में सुधार और कॉम्पैक्शन को मिलाकर, यह मॉडल बेहद प्रभावशाली काम कर सकता है और कुछ ही दिनों में स्क्रैच से हाईली फ़ंक्शनल कॉम्प्लेक्स गेम्स और ऐप्स बना सकता है. मॉडल की वेब डेवलपमेंट और लॉन्ग-रनिंग एजेंटिक क्षमताओं को टेस्ट करने के लिए, हमने GPT‑5.3‑Codex से दो गेम बनाने को कहा: Codex app launch वाले रेसिंग गेम का वर्ज़न टू, और एक डाइविंग गेम. develop web game स्किल और पहले से चुने गए जनरिक फ़ॉलो-अप प्रॉम्प्ट्स जैसे “बग ठीक करें” या “गेम को बेहतर बनाएं” का इस्तेमाल करते हुए, GPT‑5.3‑Codex ने लाखों टोकन्स में गेम्स पर ऑटोनॉमस तरीके से इटरेट किया. Codex क्या कर सकता है यह देखने के लिए ट्रेलर्स देखें और गेम्स ख़ुद खेलकर देखें.
एक रेसिंग गेम, जिसमें अलग-अलग रेसर्स, आठ मैप्स और स्पेस बार से इस्तेमाल किए जाने वाले आइटम्स भी शामिल हैं. ख़ुद खेलकर देखें यहाँ(एक नई विंडो में खुलेगा)!
एक डाइविंग गेम जिसमें आप अलग-अलग रीफ़्स एक्सप्लोर करते हैं, फ़िश कोडेक्स पूरा करने के लिए उन्हें कलेक्ट करते हैं, और साथ ही ऑक्सीजन, प्रेशर और हैज़र्ड्स को मैनेज करते हैं. ख़ुद खेलकर देखें यहाँ(एक नई विंडो में खुलेगा)!
GPT‑5.2‑Codex की तुलना में, GPT‑5.3‑Codex रोज़मर्रा की वेबसाइट्स बनाने के लिए कहने पर आपकी इंटेंट को ज़्यादा बेहतर समझता है. सिंपल या अंडरस्पेसिफ़ाइड प्रॉम्प्ट्स अब ज़्यादा फ़ंक्शनैलिटी और सेंसिबल डिफ़ॉल्ट्स वाली साइट्स पर डिफ़ॉल्ट हो जाते हैं, जिससे आपके आइडियाज़ को साकार करने के लिए एक मज़बूत स्टार्टिंग कैनवास मिलता है.
उदाहरण के तौर पर, हमने GPT‑5.3‑Codex और GPT‑5.2‑Codex से नीचे दो लैंडिंग पेज बनाने को कहा. GPT‑5.3‑Codex ईयरली प्लान को ऑटोमैटिक रूप से डिस्काउंटेड मंथली प्राइस के रूप में दिखाया गया, जिससे डिस्काउंट साफ़ और इंटेंशनल लगा, न कि ईयरली टोटल को मल्टिप्लाई करने जैसा. इसने एक की बजाय तीन अलग-अलग यूज़र कोट्स के साथ ऑटोमैटिकली ट्रांज़िशन होने वाला टेस्टिमोनियल कैरोसेल भी बनाया, जिससे पेज डिफ़ॉल्ट रूप से ज़्यादा कम्प्लीट और प्रोडक्शन-रेडी महसूस हुआ.
प्रॉम्प्ट: Quiet KPI के लिए एक लैंडिंग पेज बनाएँ, जो फ़ाउंडर्स के लिए फ्रेंडली वीकली मेट्रिक डाइजेस्ट हो. एस्थेटिक सॉफ्ट SaaS हो, ग्लासी कार्ड्स हों, लैवेंडर से ब्लू ग्रेडिएंट और हल्का सा ब्लर हो. सेक्शन्स में शामिल हों: ईमेल कैप्चर के साथ हीरो, सैंपल रिपोर्ट कार्ड्स ग्रिड, इंटीग्रेशन्स रो, टेस्टिमोनियल कैरोसेल, मंथली/ईयरली प्राइसिंग टॉगल, FAQ और फ़ूटर.- टाइपफ़ेस Satoshi या उससे मिलता-जुलता जियोमेट्रिक सैन्स हो.- बटन्स के सॉफ्ट कॉर्नर्स हों, 14px रेडियस हो और स्ट्रॉन्ग फ़ोकस स्टेट्स हों.- एक सलीकेदार स्क्रॉल-बेस्ड रिवील जोड़ें.
सॉफ़्टवेयर इंजीनियर्स, डिज़ाइनर्स, प्रोडक्ट मैनेजर्स और डेटा साइंटिस्ट्स सिर्फ़ कोड जनरेट करने से कहीं ज़्यादा काम करते हैं. GPT‑5.3‑Codex सॉफ़्टवेयर लाइफ़सायकल के पूरे काम को सपोर्ट करने के लिए बनाया गया है—डिबगिंग, डिप्लॉयिंग, मॉनिटरिंग, PRDs लिखना, कॉपी एडिट करना, यूज़र रिसर्च, टेस्ट्स, मेट्रिक्स और बहुत कुछ. इसकी एजेंटिक क्षमताएँ सॉफ़्टवेयर से आगे जाती हैं और आपको वह सब बनाने में मदद करती हैं जो आप बनाना चाहते हैं—चाहे वह स्लाइड डेक्स हों या शीट्स में डेटा एनालाइज़ करना.
हमारे पिछले GDPval रिज़ल्ट्स में इस्तेमाल की गई कस्टम स्किल्स जैसी ही स्किल्स के साथ, GPT‑5.3‑Codex प्रोफ़ेशनल नॉलेज वर्क में भी मज़बूत परफ़ॉर्मेंस दिखाता है, जैसा कि GDPval से मापा गया है, और यह GPT‑5.2 के बराबर है. GDPval एक इवैल्यूएशन है जिसे OpenAI ने 2025 में रिलीज़ किया था, जो 44 पेशों में अच्छी तरह से परिभाषित नॉलेज-वर्क टास्क्स पर किसी मॉडल की परफ़ॉर्मेंस को मापता है. इन टास्क्स में प्रेज़ेंटेशन्स बनाना, स्प्रेडशीट्स तैयार करना और दूसरे वर्क प्रॉडक्ट्स शामिल हैं.
नीचे एजेंट द्वारा तैयार किए गए काम के कुछ उदाहरण दिए गए हैं.
प्रॉम्प्ट + टास्क कॉन्टेक्स्ट
GPT-5.3-Codex output
OSWorld एक एजेंटिक कंप्यूटर-यूज़ बेंचमार्क है, जहाँ एजेंट को विज़ुअल डेस्कटॉप कंप्यूटर एनवायरनमेंट में प्रोडक्टिविटी टास्क्स पूरे करने होते हैं. GPT‑5.3‑Codex पिछले GPT मॉडल्स की तुलना में कहीं ज़्यादा मज़बूत कंप्यूटर-यूज़ क्षमताएँ दिखाता है.
OSWorld-Verified में, मॉडल्स विज़न का इस्तेमाल करके अलग-अलग तरह के कंप्यूटर टास्क पूरे करते हैं. इंसानों का स्कोर लगभग 72% है.
कोडिंग, फ्रंटएंड, कंप्यूटर-यूज़ और रियल-वर्ल्ड टास्क्स में मिले ये नतीजे मिलकर दिखाते हैं कि GPT‑5.3‑Codex सिर्फ़ अलग-अलग टास्क्स में बेहतर नहीं है, बल्कि एक ऐसे सिंगल, जनरल-पर्पज़ एजेंट की ओर बड़ा स्टेप है जो रीज़न कर सकता है, बिल्ड कर सकता है और रियल-वर्ल्ड टेक्निकल काम के पूरे स्पेक्ट्रम में एक्ज़ीक्यूट कर सकता है.
जैसे-जैसे मॉडल की क्षमताएँ ज़्यादा पावरफुल होती जा रही हैं, फ़ोकस इस बात से हटकर कि एजेंट्स क्या कर सकते हैं, इस पर आ गया है कि इंसान कितनी आसानी से उनके साथ इंटरैक्ट कर सकते हैं, उन्हें डायरेक्ट कर सकते हैं और पैरेलल में काम कर रहे कई एजेंट्स को सुपरवाइज़ कर सकते हैं. Codex ऐप एजेंट्स को मैनेज और डायरेक्ट करना काफ़ी आसान बनाता है, और अब GPT‑5.3‑Codex के साथ यह और भी यह ज़्यादा इंटरएक्टिव हो गया है. नए मॉडल के साथ, Codex बार-बार अपडेट्स देता है ताकि काम के दौरान आप अहम फ़ैसलों और प्रोग्रेस से अपडेट रहें. फ़ाइनल आउटपुट का इंतज़ार करने के बजाय, आप रियल-टाइम में इंटरैक्ट कर सकते हैं—सवाल पूछ सकते हैं, अप्रोचेज़ पर चर्चा कर सकते हैं और सॉल्यूशन की दिशा तय कर सकते हैं. GPT‑5.3‑Codex यह जो कर रहा होता है उसे समझाता रहता है, फ़ीडबैक पर प्रतिक्रिया देता है और शुरुआत से अंत तक आपको लगातार अपडेट में रखता है.
ऐप में मॉडल के काम करने के दौरान स्टियरिंग सक्षम करें: सेटिंग्स > जनरल > फ़ॉलो-अप बिहेवियर
Codex में हाल के तेज़ सुधार OpenAI भर में महीनों या सालों तक चले रिसर्च प्रोजेक्ट्स के नतीजों पर आधारित हैं. Codex इन रिसर्च प्रोजेक्ट्स को तेज़ कर रहा है, और OpenAI के कई रिसर्चर्स और इंजीनियर्स बता रहे हैं कि आज उनका काम दो महीने पहले की तुलना में बुनियादी तौर पर अलग हो चुका है. GPT‑5.3‑Codex के शुरुआती वर्ज़न्स ने भी असाधारण क्षमताएँ दिखाई थीं, जिससे हमारी टीम उन शुरुआती वर्ज़न्स के साथ काम करके ट्रेनिंग को बेहतर बना सकी और बाद के वर्ज़न्स के डिप्लॉयमेंट को सपोर्ट कर सकी.
Codex बेहद व्यापक रेंज के टास्क्स में उपयोगी है, इसलिए यह पूरी तरह गिनाना मुश्किल है कि यह हमारी टीम्स की किन-किन तरीकों से मदद करता है. उदाहरण के तौर पर, रिसर्च टीम ने इस रिलीज़ के लिए ट्रेनिंग रन को मॉनिटर और डिबग करने में Codex का इस्तेमाल किया. इसने इंफ़्रास्ट्रक्चर प्रॉब्लम्स को डिबग करने से आगे बढ़कर रिसर्च को तेज़ किया: ट्रेनिंग के दौरान पैटर्न्स ट्रैक करने में मदद की, इंटरैक्शन क्वालिटी पर डीप एनालिसिस दिया, फ़िक्सेस सुझाए और ह्यूमन रिसर्चर्स के लिए रिच एप्लिकेशन्स बनाए, ताकि वे यह ठीक-ठीक समझ सकें कि मॉडल का बिहेवियर पिछले मॉडल्स की तुलना में कैसे अलग है.
इंजीनियरिंग टीम ने GPT‑5.3‑Codex के लिए हार्नेस को ऑप्टिमाइज़ और अडैप्ट करने के लिए Codex का इस्तेमाल किया. जब यूज़र्स पर असर डालने वाले अजीब एज केस दिखने लगे, तो टीम मेंबर्स ने Codex का इस्तेमाल करके कॉन्टेक्स्ट रेंडरिंग बग्स की पहचान की और लो कैश हिट रेट्स का रूट कॉज़ ढूँढा. GPT‑5.3‑Codex लॉन्च के दौरान भी टीम की मदद करता रहा, ट्रैफ़िक स्पाइक्स के हिसाब से GPU क्लस्टर्स को डायनैमिकली स्केल करके और लेटेंसी को स्टेबल बनाए रखकर.
अल्फ़ा टेस्टिंग के दौरान, एक रिसर्चर यह समझना चाहता था कि GPT‑5.3‑Codex हर टर्न में कितना अतिरिक्त काम कर पा रहा है और उससे प्रोडक्टिविटी में कितना फ़र्क़ पड़ रहा है. GPT‑5.3‑Codex क्लैरिफ़िकेशन्स की फ़्रीक्वेंसी, पॉज़िटिव और नेगेटिव यूज़र रिस्पॉन्सेस, और टास्क पर प्रोग्रेस का अनुमान लगाने के लिए कई सिंपल regex क्लासिफ़ायर्स बनाए, फिर उन्हें सभी सेशन लॉग्स पर स्केलेबल तरीके से रन किया और अपने निष्कर्षों के साथ एक रिपोर्ट तैयार की. Codex के साथ बिल्ड करने वाले लोग ज़्यादा संतुष्ट थे, क्योंकि एजेंट उनकी इंटेंट को बेहतर समझ रहा था और कम क्लैरिफ़ाइंग सवालों के साथ हर टर्न में ज़्यादा प्रोग्रेस कर रहा था.
GPT‑5.3‑Codex अपने पिछले वर्ज़न्स से काफ़ी अलग होने की वजह से, अल्फ़ा टेस्टिंग का डेटा कई असामान्य और काउंटर-इंट्यूटिव रिज़ल्ट्स दिखा रहा था. टीम के एक डेटा साइंटिस्ट ने GPT‑5.3‑Codex के साथ मिलकर नए डेटा पाइपलाइन्स बनाए और रिज़ल्ट्स को हमारे स्टैंडर्ड डैशबोर्डिंग टूल्स से कहीं ज़्यादा रिच तरीके से विज़ुअलाइज़ किया. इन रिज़ल्ट्स का Codex के साथ मिलकर को-एनालिसिस किया गया, जिसमें Codex ने हज़ारों डेटा पॉइंट्स से निकली अहम इनसाइट्स को तीन मिनट से कम समय में संक्षेप में समरी किया.
अलग-अलग देखें तो, ये सभी टास्क इस बात के दिलचस्प उदाहरण हैं कि Codex रिसर्चर्स और प्रॉडक्ट बिल्डर्स की कैसे मदद कर सकता है. इन सभी को मिलाकर देखने पर, हमने पाया कि इन नई क्षमताओं ने हमारी रिसर्च, इंजीनियरिंग और प्रॉडक्ट टीम्स की रफ़्तार को काफ़ी तेज़ कर दिया है.
हाल के महीनों में, हमने साइबरसिक्योरिटी टास्क्स पर मॉडल परफ़ॉर्मेंस में अहम सुधार देखे हैं, जिससे डेवलपर्स और सिक्योरिटी प्रोफ़ेशनल्स—दोनों को फ़ायदा मिला है. साथ ही, हम डिफ़ेंसिव यूज़ और पूरे इकोसिस्टम की रेज़िलिएंस को सपोर्ट करने के लिए मज़बूत किए गए साइबर सेफ़गार्ड्स की तैयारी कर रहे हैं.
GPT‑5.3‑Codex पहला मॉडल है जिसे हमने हाई कैपेबिलिटी के रूप में क्लासिफ़ाई किया है—अपने प्रिपेयर्डनेस फ़्रेमवर्क के तहत साइबरसिक्योरिटी से जुड़े टास्क्स के लिए—और यह पहला मॉडल है जिसे हमने सीधे तौर पर सॉफ़्टवेयर वल्नरेबिलिटीज़ की पहचान के लिए ट्रेन किया है. हालाँकि हमारे पास यह साबित करने के लिए पुख़्ता सबूत नहीं हैं कि यह एंड-टू-एंड साइबर अटैक्स को ऑटोमेट कर सकता है, फिर भी हम एहतियाती अप्रोच अपना रहे हैं और अब तक का सबसे व्यापक साइबरसिक्योरिटी सेफ़्टी स्टैक डिप्लॉय कर रहे हैं. हमारी मिटिगेशन्स में सेफ़्टी ट्रेनिंग, ऑटोमैटेड मॉनिटरिंग, एडवांस्ड क्षमताओं के लिए ट्रस्टेड एक्सेस, और थ्रेट इंटेलिजेंस सहित एन्फ़ोर्समेंट पाइपलाइन्स शामिल हैं.
चूँकि साइबरसिक्योरिटी स्वभाव से ड्यूल-यूज़ होती है, हम एविडेंस-बेस्ड और इटरेटिव अप्रोच अपना रहे हैं, जो डिफ़ेंडर्स की वल्नरेबिलिटीज़ ढूँढने और ठीक करने की क्षमता को तेज़ करता है और साथ ही मिसयूज़ को धीमा करता है. इसके हिस्से के तौर पर, हम साइबर डिफ़ेंस रिसर्च को तेज़ करने के लिए साइबर के लिए विश्वसनीय एक्सेस नाम का एक पायलट प्रोग्राम लॉन्च कर रहे हैं.
हम इकोसिस्टम सेफ़गार्ड्स में निवेश कर रहे हैं—जैसे कि अपने सिक्योरिटी रिसर्च एजेंट Aardvark के प्राइवेट बीटा का विस्तार करना, जिसे Codex Security प्रॉडक्ट्स और टूल्स के हमारे सूट की पहली पेशकश के रूप में पेश किया गया है—और ओपन-सोर्स मेंटेनर्स के साथ पार्टनरशिप करके Next.js जैसे व्यापक रूप से इस्तेमाल होने वाले प्रोजेक्ट्स के लिए मुफ़्त कोडबेस स्कैनिंग उपलब्ध कराना, जहाँ एक सिक्योरिटी रिसर्चर ने Codex का इस्तेमाल करके पिछले हफ़्ते वल्नरेबिलिटीज़प्रकटीत(एक नई विंडो में खुलेगा) की थीं.
2023 में लॉन्च किए गए हमारे $1M Cybersecurity Grant Program को आगे बढ़ाते हुए, हम अपने सबसे सक्षम मॉडल्स के साथ साइबर डिफ़ेंस को तेज़ करने के लिए $10M के API क्रेडिट्स भी कमिट कर रहे हैं—ख़ास तौर पर ओपन-सोर्स सॉफ़्टवेयर और क्रिटिकल इंफ़्रास्ट्रक्चर सिस्टम्स के लिए. गुड-फ़ेथ सिक्योरिटी रिसर्च में शामिल ऑर्गनाइज़ेशन्स हमारे साइबरसिक्योरिटी ग्रांट प्रोग्राम के ज़रिए API क्रेडिट्स और सपोर्ट के लिए आवेदन कर सकती हैं.
GPT‑5.3‑Codex पेड ChatGPT प्लान्स के साथ उपलब्ध है—हर जगह जहाँ आप Codex का इस्तेमाल कर सकते हैं: ऐप, CLI, IDE एक्सटेंशन और वेब. हम API एक्सेस को सुरक्षित तरीके से जल्द सक्षम करने पर काम कर रहे हैं.
इस अपडेट के साथ, हम अब GPT‑5.3‑Codex चला रहे हैं इंफ़्रास्ट्रक्चर और इन्फ़रेंस स्टैक में किए गए सुधारों की वजह से हम अब Codex यूज़र्स के लिए GPT‑5.3‑Codex को 25% तेज़ चला रहे हैं, जिससे इंटरैक्शन्स और रिज़ल्ट्स दोनों तेज़ हो गए हैं.
GPT‑5.3‑Codex को NVIDIA GB200 NVL72 सिस्टम्स के लिए को-डिज़ाइन किया गया, उन्हीं पर ट्रेन किया गया और वहीं सर्व किया गया. हम NVIDIA की पार्टनरशिप के लिए आभारी हैं.
GPT‑5.3‑Codex के साथ, Codex अब सिर्फ़ कोड लिखने से आगे बढ़कर, कंप्यूटर को ऑपरेट करने और एंड-टू-एंड काम पूरा करने के लिए उसे एक टूल की तरह इस्तेमाल कर रहा है. कोडिंग एजेंट क्या कर सकता है उसकी सीमाओं को आगे बढ़ाते हुए, हम नॉलेज वर्क के एक कहीं बड़े दायरे को भी अनलॉक कर रहे हैं—सॉफ़्टवेयर बिल्ड और डिप्लॉय करने से लेकर रिसर्च, एनालिसिस और कॉम्प्लेक्स टास्क्स के एक्ज़ीक्यूशन तक. जो शुरुआत सबसे बेहतर कोडिंग एजेंट बनने के फ़ोकस से हुई थी, वही अब कंप्यूटर पर एक ज़्यादा जनरल कोलैबोरेटर की नींव बन गई है—जिससे Codex के साथ कौन बना सकता है और क्या-क्या संभव है, दोनों का दायरा बढ़ गया है.
GPT‑5.3‑Codex (xhigh) | GPT‑5.2‑Codex (xhigh) | GPT‑5.2 (xhigh) | |
SWE-Bench Pro (Public) | 56.80% | 56.40% | 55.6% |
Terminal-Bench 2.0 | 77.30% | 64.00% | 62.20% |
OSWorld-Verified | 64.70% | 38.20% | 37.90% |
GDPval (जीत या टाई) | 70.9% | - | 70.9% (high) |
साइबरसिक्योरिटी कैप्चर द फ़्लैग चैलेंजेस | 77.60% | 67.40% | 67.70% |
SWE-lancer IC Diamond | 81.40% | 76.00% | 74.60% |
