Predstavljamo GPT‑5.3‑Codex

Predstavljamo novi model koji otključava još više onoga što Codex može učiniti: GPT‑5.3‑Codex, najsposobniji agentski model kodiranja do sada. Ovaj model unapređuje i napredne performanse kodiranja modela GPT‑5.2‑Codex te potencijale rasuđivanja i profesionalnog znanja modela GPT‑5.2, objedinjene u jednom modelu, koji je i 25 % brži. To mu omogućuje preuzimanje dugotrajnih zadataka koji uključuju istraživanje, upotrebu alata i složeno izvršavanje. Kao i s kolegom, s modelom GPT‑5.3‑Codex možete usmjeravati i komunicirati dok radi, bez gubitka konteksta.

GPT‑5.3‑Codex je naš prvi model koji je bio ključan u stvaranju samog sebe. Tim Codex služio se ranim verzijama za otklanjanje pogrešaka u njihovoj obuci, za upravljanje njihovom implementacijom i dijagnosticiranje rezultata testiranja i evaluacija. Naš je tim bio zapanjen koliko je Codex uspio ubrzati vlastiti razvoj.

Uz model GPT‑5.3‑Codex, Codex se iz agenta koji može pisati i pregledavati kod pretvara u agenta koji može raditi gotovo sve što razvojni inženjeri i profesionalci mogu raditi na računalu.

GPT‑5.3‑Codex postavlja novi visoki standard u djelatnosti na SWE-Bench Pro i Terminal-Bench te pokazuje snažne performanse na OSWorld i GDPval, četiri mjerila koja služe za mjerenje potencijala kodiranja, agentskih i stvarnih potencijala.

GPT‑5.3‑Codex postiže vrhunske rezultate na SWE-Bench Pro, rigoroznoj evaluaciji softverskog inženjerstva u stvarnom svijetu.. Dok SWE‑bench Verified testira samo Python, SWE‑Bench Pro obuhvaća četiri jezika i otporniji je na kontaminaciju, izazovniji, raznolikiji i relevantniji za djelatnost. Također, daleko nadmašuje prethodne vrhunske performanse na Terminal-Bench 2.0, koji mjeri terminalske vještine potrebne agentu za kodiranje kao što je Codex. Značajno je da GPT‑5.3‑Codex to čini s manje tokena nego bilo koji prethodni model, omogućujući korisnicima da programiraju više.

Kombiniranjem potencijala naprednog kodiranja, poboljšanja estetike i sažimanja stvara se model koji može obavljati izvanredan posao, razvijajući visokofunkcionalne složene igre i aplikacije od nule tijekom nekoliko dana. Kako bismo testirali potencijale modela u web razvoju i dugotrajne agentske potencijale, zamolili smo GPT‑5.3‑Codex da nam izradi dvije igre: drugu verziju trkaće igre s pokretanja aplikacije Codex⁠ i ronilačku igru. Korištenjem vještine razvoja web-igre i unaprijed odabranih, generičkih naknadnih upita poput „ispravi grešku” ili „poboljšaj igru”, GPT‑5.3‑Codex samostalno je iterirao na igrama na milijunima tokena. Pogledajte najave i sami zaigrajte igre kako biste vidjeli što Codex može učiniti.

Također, GPT‑5.3‑Codex bolje razumije vašu namjeru kada ga zamolite da izradi svakodnevne web stranice, u usporedbi s modelom GPT‑5.2‑Codex. Jednostavni ili nedovoljno određeni upiti sada se zadano prikazuju na web-mjestima s više funkcionalnosti i smislenim zadanim postavkama, što vam daje jači početni kanvas za oživljavanje vaših ideja.

Na primjer, zamolili smo GPT‑5.3‑Codex i GPT‑5.2‑Codex da izrade dvije odredišne stranice u nastavku. GPT‑5.3‑Codex automatski je prikazao godišnji plan kao sniženu mjesečnu cijenu, čineći popust jasnim i namjernim, umjesto da se množi godišnji ukupni iznos. Izrađen je i automatski prijelazni karusel s tri različite korisničke izjave umjesto jedne, što rezultira stranicom koja se prema definiciji čini potpunijom i spremnom za produkciju.

Softverski inženjeri, dizajneri, voditelji proizvoda i podatkovni znanstvenici čine mnogo više od samog pisanja koda. GPT‑5.3‑Codex razvijen je za podršku svim poslovima u životnom ciklusu softvera – otklanjanje pogrešaka, implementaciju, praćenje, pisanje PRD-ova, uređivanje teksta, istraživanje korisnika, testove, metrike i još mnogo toga. Njegovi agentski potencijali nadilaze softver, pomažući vam da izgradite što god želite, bilo da se radi o prezentacijama ili analizi podataka u tablicama.

Uz prilagođene vještine slične onima koje smo upotrebljavali za naše prethodne rezultate mjerila GDPval, GPT‑5.3‑Codex također pokazuje snažnu izvedbu u profesionalnom radu sa znanjem, mjerenu pomoću mjerila GDP⁠val⁠, izjednačujući se s modelom GPT‑5.2. GDPval je evaluacija koju je OpenAI objavio 2025. godine koja mjeri izvedbu modela na  precizno definiranim zadacima temeljenim na znanju u 44 zanimanja. Ovi zadaci uključuju aktivnosti poput izrade prezentacija, proračunskih tablica i drugih radnih materijala.

U nastavku su neki primjeri rada koje je agent proizveo.

OSWorld je mjerilo korištenja računala od strane agenta u kojem agent mora dovršiti zadatke produktivnosti u vizualnom okruženju stolnog računala. GPT‑5.3‑Codex pokazuje daleko snažnije sposobnosti korištenja računala nego prethodni GPT modeli.

Zajedno, ovi rezultati u kodiranju, frontendu, korištenju računala i stvarnim zadacima pokazuju da GPT‑5.3‑Codex nije samo bolji u pojedinačnim zadacima, već predstavlja korak naprijed prema jedinstvenom, višenamjenskom agentu koji može rasuđivati, programirati i izvršavati na čitavom spektru tehničkog rada u stvarnom svijetu.

Kako potencijali modela postaju sve moćniji, jaz se pomiče s onoga što agenti mogu učiniti na to koliko lako ljudi mogu komunicirati s njima, usmjeravati ih i nadzirati dok mnogi od njih rade paralelno. Aplikacija Codex znatno olakšava upravljanje i usmjeravanje agenata, a sada uz model GPT‑5.3‑Codex i interaktivnija je. Na novom modelu Codex pruža česta ažuriranja kako biste bili informirani o ključnim odlukama i napretku dok radi. Umjesto da čekate konačni rezultat, možete komunicirati u stvarnom vremenu, postavljati pitanja, raspravljati o pristupima i usmjeravati prema rješenju. GPT‑5.3‑Codex objašnjava što radi, odgovara na povratne informacije i drži vas informiranima od početka do kraja.

Nedavna brza poboljšanja aplikacije Codex nadovezuju se na rezultate istraživačkih projekata koji traju mjesecima ili godinama diljem OpenAI-ja. Ove istraživačke projekte ubrzava Codex, a mnogi istraživači i inženjeri u OpenAI-ju opisuju svoj današnji posao kao bitno drugačiji od onoga kakav je bio prije samo dva mjeseca. Čak i rane verzije modela GPT‑5.3‑Codex pokazale su iznimne sposobnosti, omogućujući našem timu rad s ranijim verzijama kako bi poboljšali obuku i podržali implementaciju kasnijih verzija.

Codex je koristan u vrlo širokom rasponu zadataka, što otežava potpuno nabrajanje načina na koje pomaže našim timovima. Kao primjer, istraživački tim je koristio Codex za praćenje i otklanjanje pogrešaka u obuci za ovo izdanje. To je ubrzalo istraživanje izvan otklanjanja pogrešaka u infrastrukturi: pomoglo je u praćenju obrazaca tijekom obuke, pružilo dubinsku analizu kvalitete interakcije, predložilo rješenja i izgradilo bogate aplikacije za ljudske istraživače kako bi precizno razumjeli kako se ponašanje modela razlikuje u usporedbi s prethodnim modelima.

Inženjerski tim upotrebljavao je Codex za optimizaciju i prilagodbu harnessa za GPT‑5.3‑Codex. Nakon što su naišli na neobične rubne slučajeve koji utječu na korisnike, članovi tima koristili su Codex kako bi identificirali greške u renderiranju konteksta i uzrok niske stope pogodaka predmemorije. GPT‑5.3‑Codex nastavlja pomagati timu tijekom lansiranja dinamičkim skaliranjem GPU klastera kako bi se prilagodili skokovima prometa i održali stabilnu latenciju.

Tijekom alfa testiranja, jedan je istraživač želio razumjeti koliko dodatnog posla GPT‑5.3‑Codex obavlja po potezu i razliku u produktivnosti koja iz toga proizlazi. GPT‑5.3‑Codex osmislio je nekoliko jednostavnih regex klasifikatora za procjenu učestalosti pojašnjenja, pozitivnih i negativnih odgovora korisnika, napretka na zadatku, a zatim ih skalabilno pokrenuo nad svim dnevnicima sesija i izradio izvješće sa zaključkom. Ljudi koji su programirali na aplikaciji Codex bili su zadovoljniji, jer je agent bolje razumio njihove namjere i postizao veći napredak po potezu, uz manje pojašnjavajućih pitanja.

Zbog toga što se GPT‑5.3‑Codex toliko razlikuje od svojih prethodnika, podaci iz alfa testiranja pokazali su brojne neobične i kontraintuitivne rezultate. Znanstvenik za podatke u timu radio je s modelom GPT‑5.3‑Codex kako bi izgradio nove podatkovne kanale i vizualizirao rezultate mnogo bogatije nego što su to omogućavali naši standardni alati za nadzorne ploče. Rezultati su zajednički analizirani pomoću aplikacije Codex, koja je sažeto prikazala ključne uvide iz tisuća podatkovnih točaka u manje od tri minute.

Pojedinačno, svi ovi zadaci su zanimljivi primjeri kako Codex može pomoći istraživačima i kreatorima proizvoda. U cjelini, utvrdili smo da su ovi novi potencijali značajno ubrzali rad naših timova za istraživanje, inženjerstvo i proizvode.

Tijekom posljednjih mjeseci primijetili smo značajna poboljšanja u izvedbi modela na zadacima iz područja kibernetičke sigurnosti, što koristi i programerima i stručnjacima za sigurnost. Paralelno smo pripremali ojačane kibernetičke zaštitne mjere⁠ kako bismo podržali obrambenu upotrebu i povećali otpornost šireg ekosustava.

GPT‑5.3‑Codex prvi je model koji klasificiramo kao model s visokom sposobnosti⁠ za zadatke povezane s kibernetičkom sigurnošću prema našem Okviru pripravnosti⁠, i prvi koji smo izravno obučili za prepoznavanje softverskih ranjivosti. Premda nemamo konačne dokaze da može automatizirati kibernetičke napade od početka do kraja, poduzimamo mjere opreza i uvodimo naš dosad najopsežniji sigurnosni sustav za kibernetičku sigurnost. Naše mjere ublažavanja uključuju obuku o sigurnosti, automatizirano praćenje, pouzdan pristup za napredne mogućnosti i provedbene kanale, uključujući obavještajne podatke o prijetnjama.

Budući da je kibernetička sigurnost inherentno dvojne namjene, primjenjujemo pristup utemeljen na dokazima i iterativan pristup koji ubrzava sposobnost obrane da pronađe i otkloni ranjivosti, dok istodobno usporava zloporabu. Kao dio toga, pokrećemo Pouzdani pristup za kibernetiku⁠, pilot-program za ubrzavanje istraživanja kibernetičke obrane.

Ulažemo u zaštitne mjere ekosustava, kao što je proširenje privatne bete za Aardvark⁠, našeg agenta za istraživanja sigurnosti, kao prve ponude u našem paketu proizvoda i alata Codex Security te partnerstvo s održavateljima otvorenog koda kako bismo pružili besplatno skeniranje baze koda za široko korištene projekte kao što je Next.js, u kojem je istraživač sigurnosti upotrijebio Codex kako bi pronašao ranjivosti otkrivene⁠(otvara se u novom prozoru) prošlog tjedna.

Nadovezujući se na naš Program bespovratnih sredstava za kibernetičku sigurnost od milijun dolara pokrenut 2023. godine, također izdvajamo 10 milijuna dolara API kredita za ubrzanje kibernetičke obrane s našim najsposobnijim modelima, posebno za softver otvorenog koda i sustave ključne infrastrukture. Organizacije koje se bave istraživanjem sigurnosti u dobroj vjeri mogu se prijaviti za API kredite i podršku putem našeg Programa bespovratnih sredstava za kibernetičku sigurnost⁠.

GPT‑5.3‑Codex dostupan je uz plaćene planove aplikacije ChatGPT svugdje gdje možete koristiti Codex: u aplikaciji, CLI-ju, IDE-proširenju i na webu. Radimo na tome da uskoro sigurno omogućimo pristup putem API-ja.

Na ovom ažuriranju sada pokrećemo GPT‑5.3‑Codex i 25 % brže za korisnike aplikacije Codex, zahvaljujući poboljšanjima naše infrastrukture i sklopa za izvođenje zaključivanja, što rezultira bržim interakcijama i rezultatima.

GPT‑5.3‑Codex je zajednički dizajniran, obučen i korišten na NVIDIA GB200 NVL72 sustavima. Zahvaljujemo tvrtki NVIDIA na njihovom partnerstvu.

Uz model GPT‑5.3‑Codex, Codex prelazi okvire pisanja koda i koristi ga kao alat za rad na računalu i dovršavanje posla od početka do kraja. Pomicanjem granica mogućnosti agenta za kodiranje, otključavamo i širu klasu poslova temeljenih na znanju, od izgradnje i implementacije softvera do istraživanja, analize i izvršavanja složenih zadataka. Ono što je započelo kao fokus na tome da budemo najbolji agent za kodiranje, postalo je temelj za općenitijeg suradnika na računalu, proširujući i to tko sve može razvijati i što je sve moguće s aplikacijom Codex.