Pristatome „GPT‑5.3‑Codex“

Pristatome naują modelį, kuris atveria dar daugiau „Codex“ galimybių: „GPT‑5.3‑Codex“, iki šiol pajėgiausią agentinį programavimo modelį. Modelis viename modelyje sujungia tiek „GPT‑5.2‑Codex“ pažangiausio lygio programavimo našumą, tiek „GPT‑5.2“ protavimo ir profesionalių žinių gebėjimus, ir yra 25 % greitesnis. Tai leidžia atlikti ilgai trunkančias užduotis, kurios apima tyrimus, įrankių naudojimą ir sudėtingą vykdymą. Panašiai kaip su kolega, galite valdyti ir bendrauti su GPT‑5.3‑Codex, kol jis dirba, neprarasdami konteksto.

„GPT‑5.3‑Codex“ yra mūsų pirmasis modelis, kuris buvo esminis kuriant patį save. „Codex“ komanda naudojo ankstyvąsias versijas, kad derintų savo mokymą, valdytų diegimą ir diagnozuotų testų rezultatus bei vertinimus—mūsų komandą pribloškė, kaip „Codex“ sugebėjo paspartinti savo vystymąsi.

Su „GPT‑5.3‑Codex“, „Codex“ tampa agentu, kuris ne tik rašo ir peržiūri kodą, bet ir gali atlikti beveik viską, ką kūrėjai ir profesionalai gali atlikti kompiuteryje.

„GPT‑5.3‑Codex“ nustato naują pramonės standartą „SWE-Bench Pro“ ir „Terminal-Bench“ testuose ir demonstruoja stiprų našumą „OSWorld“ ir „GDPval“ – keturiuose lyginamuosiuose testuose, kuriuos naudojame kodavimo, agentinių ir realaus pasaulio gebėjimų vertinimui.

„GPT‑5.3‑Codex“ pasiekia pažangiausią našumą „SWE-Bench Pro“ – griežtame realiosios programinės įrangos inžinerijos vertinime. Nors „SWE‑bench Verified“ testuoja tik „Python“, „SWE‑Bench Pro“ apima keturias kalbas ir yra atsparesnis taršai, sudėtingesnis, įvairesnis bei aktualesnis pramonei. Tai taip pat gerokai viršija ankstesnį pažangiausią našumą „Terminal-Bench 2.0“ teste, kuris matuoja terminalo įgūdžius, kurių reikia tokiam programavimo agentui kaip Codex. Pažymėtina, „GPT‑5.3‑Codex“ tai daro su mažiau žetonų nei bet kuris ankstesnis modelis, leisdamas vartotojams sukurti daugiau.

Sujungus pažangiausias kodavimo galimybes, estetikos patobulinimus ir glaudinimą, sukuriamas modelis, galintis atlikti įspūdingą darbą – per kelias dienas nuo nulio sukurti labai funkcionalius sudėtingus žaidimus ir programėles. Norėdami išbandyti modelio žiniatinklio kūrimo ir ilgalaikių agentinių gebėjimų galimybes, paprašėme „GPT‑5.3‑Codex“ sukurti mums du žaidimus: antrąją lenktynių žaidimo versiją iš „Codex“ programėlės paleidimo⁠ ir nardymo žaidimą. Naudojant „develop web game“ įgūdį ir iš anksto parinktas, bendrines tolesnes užklausas, tokias kaip „ištaisykite klaidą“ arba „patobulinkite žaidimą“, „GPT‑5.3‑Codex“ savarankiškai iteravo žaidimus per milijonus žetonų. Peržiūrėkite anonsus ir patys išbandykite žaidimus, kad pamatytumėte, ką gali „Codex“.

„GPT‑5.3‑Codex“ taip pat geriau supranta jūsų ketinimus, kai prašote jo kurti kasdienes svetaines, palyginti su GPT‑5.2‑Codex. Paprastos arba nepakankamai apibrėžtos užklausos dabar pagal numatytuosius nustatymus nukreipiamos į svetaines, turinčias daugiau funkcijų ir protingas numatytąsias nuostatas, suteikdamos jums tvirtesnį pradinį pagrindą įgyvendinti savo idėjas.

Pavyzdžiui, paprašėme „GPT‑5.3‑Codex“ ir „GPT‑5.2‑Codex“ sukurti du žemiau pateiktus nukreipimo puslapius. „GPT‑5.3‑Codex“ automatiškai rodė metinį planą kaip mėnesio kainą su nuolaida, todėl nuolaida atrodė aiški ir apgalvota, o ne dauginant metinę sumą. Tai taip pat sukūrė automatiškai persijungiančią atsiliepimų karuselę su trimis skirtingomis naudotojų citatomis, o ne viena, todėl puslapis pagal numatytuosius nustatymus atrodo išbaigtesnis ir paruoštas naudoti gamyboje.

Programinės įrangos inžinieriai, dizaineriai, produktų vadovai ir duomenų mokslininkai daro daug daugiau nei vien tik generuoja kodą. „GPT‑5.3‑Codex“ sukurtas palaikyti visus darbus programinės įrangos kūrimo cikle—derinimą, diegimą, stebėseną, PRD rengimą, teksto redagavimą, naudotojų tyrimus, testavimą, metriką ir dar daugiau. Jo agentinės galimybės peržengia programinės įrangos ribas, padėdamos jums kurti bet ką, ką norite—nesvarbu, ar tai skaidrių pristatymai, ar duomenų analizė skaičiuoklėse.

Naudodamas pasirinktines kompetencijas, panašias į tas, kurios buvo naudojamos mūsų ankstesniems GDPval rezultatams, GPT‑5.3‑Codex taip pat demonstruoja stiprų našumą profesionaliame žinių darbe, vertinamą pagal GDP⁠val⁠, prilygdamas GPT‑5.2. GDPval yra vertinimas, kurį OpenAI išleido 2025 m., matuojantis modelio našumą atliekant tiksliai apibrėžtas žinių darbo užduotis 44 profesijose. Šios užduotys apima tokius darbus kaip pristatymų, skaičiuoklių ir kitų darbo produktų kūrimas.

Toliau pateikiame keletą darbo, kurį sukūrė agentas, pavyzdžių.

„OSWorld“ yra agentinis kompiuterio naudojimo etalonas, kuriame agentas turi atlikti našumo užduotis vizualioje darbalaukio kompiuterio aplinkoje. „GPT‑5.3‑Codex“ demonstruoja gerokai stipresnius kompiuterio naudojimo gebėjimus nei ankstesni „GPT“ modeliai.

Kartu šie rezultatai, apimantys kodavimą, išorinės sąsajos programavimą, kompiuterio naudojimo ir realaus pasaulio užduotis, rodo, kad GPT‑5.3‑Codex ne tik geriau atlieka atskiras užduotis, bet ir žymi kokybinį šuolį link vieno, bendros paskirties agento, galinčio samprotauti, kurti ir vykdyti užduotis visame realaus pasaulio techninio darbo spektre.

Modelių galimybėms tampant vis galingesnėms, atotrūkis pasislenka nuo to, ką agentai gali padaryti, prie to, kaip lengvai žmonės gali su jais sąveikauti, jiems vadovauti ir prižiūrėti daugelį jų, dirbančių lygiagrečiai. „Codex“ programa labai palengvina agentų valdymą ir vadovavimą, o dabar su „GPT‑5.3‑Codex“ Tai yra interaktyviau. Naudojant naują modelį, „Codex“ teikia dažnus atnaujinimus, kad būtumėte informuoti apie svarbiausius sprendimus ir eigą, kol jis veikia. Užuot laukę galutinio rezultato, galite bendrauti realiuoju laiku—užduoti klausimus, aptarti metodus ir nukreipti link sprendimo. „GPT‑5.3‑Codex“ aiškina, ką daro, reaguoja į atsiliepimus ir informuoja jus apie eigą nuo pradžios iki pabaigos.

Naujausi spartūs „Codex“ patobulinimai remiasi tyrimų projektų, vykdytų mėnesius ar metus visoje „OpenAI“, rezultatais. Šiuos mokslinių tyrimų projektus spartina „Codex“, o daugelis „OpenAI“ tyrėjų ir inžinierių šiandien savo darbą apibūdina kaip iš esmės kitokį nei jis buvo vos prieš du mėnesius. Net ankstyvosios „GPT‑5.3‑Codex“ versijos pademonstravo išskirtines galimybes, leidžiančias mūsų komandai dirbti su ankstesnėmis versijomis, kad pagerintume mokymą ir paremtume vėlesnių versijų diegimą.

„Codex“ yra naudingas atliekant labai įvairias užduotis, todėl sunku išsamiai išvardyti visus būdus, kaip jis padeda mūsų komandoms. Pavyzdžiui, tyrimų komanda naudojo „Codex“, kad stebėtų ir derintų šio leidimo mokymo eigą. Tai paspartino tyrimus neapsiribojant derinimo infrastruktūros problemų šalinimu: padėjo sekti dėsningumus per visą mokymo eigą, pateikė išsamią sąveikos kokybės analizę, pasiūlė pataisymus ir sukūrė išsamias taikomąsias programas, kad tyrėjai galėtų tiksliai suprasti, kaip modelio elgsena skyrėsi nuo ankstesnių modelių.

Inžinerijos komanda naudojo „Codex“, kad optimizuotų ir pritaikytų diržą „GPT‑5.3‑Codex“. Kai pradėjome pastebėti keistus kraštutinius atvejus, darančius poveikį naudotojams, komandos nariai naudojo „Codex“, kad nustatytų konteksto atvaizdavimo klaidas ir pagrindinę priežastį – žemus talpyklos atitikčių rodiklius. „GPT‑5.3‑Codex“ toliau padeda komandai per visą paleidimą, dinamiškai plečiant GPU klasterius, kad prisitaikytų prie srauto šuolių ir išlaikytų stabilią delsą.

Alfa testavimo metu vienas tyrėjas norėjo suprasti, kiek papildomo darbo „GPT‑5.3‑Codex“ atlikdavo per vieną ėjimą ir koks su tuo susijęs produktyvumo skirtumas. „GPT‑5.3‑Codex“ sukūrė kelis paprastus reguliariųjų išraiškų klasifikatorius, skirtus įvertinti paaiškinimų dažnumą, teigiamus ir neigiamus vartotojų atsakymus, užduoties eigą, o tada juos pritaikė visiems sesijų žurnalams ir parengė ataskaitą su savo išvadomis. Žmonės, kūrę su „Codex“, buvo laimingesni, nes agentas geriau suprato jų ketinimus ir per ėjimą darė didesnę pažangą, užduodamas mažiau aiškinamųjų klausimų.

Kadangi „GPT‑5.3‑Codex“ labai skiriasi nuo savo pirmtakų, alfa testavimo duomenys parodė daugybę neįprastų ir prieštaringų rezultatų. Komandos duomenų mokslininkas dirbo su „GPT‑5.3‑Codex“, kad sukurtų naujus duomenų srautus ir vizualizuotų rezultatus daug išsamiau nei leido mūsų standartiniai ataskaitų srities įrankiai. Rezultatai buvo analizuojami kartu su „Codex“, kuri per mažiau nei tris minutes glaustai apibendrino pagrindines įžvalgas iš tūkstančių duomenų taškų.

Atskirai paėmus, visos šios užduotys yra įdomūs pavyzdžiai, kaip „Codex“ gali padėti tyrėjams ir produktų kūrėjams. Vertinant kartu, nustatėme, kad šios naujos galimybės reikšmingai paspartino mūsų tyrimų, inžinerijos ir produktų komandų darbą.

Per pastaruosius mėnesius pastebėjome reikšmingą modelių našumo pagerėjimą kibernetinio saugumo užduotyse, kas yra naudinga tiek kūrėjams, tiek saugumo specialistams. Lygiagrečiai rengėme sustiprintas kibernetines apsaugos priemones⁠, kad paremtume gynybinį naudojimą ir padidintume visos ekosistemos atsparumą.

„GPT‑5.3‑Codex“ yra pirmasis modelis, kurį pagal mūsų⁠ Pasirengimo sistemą priskiriame⁠ aukšto pajėgumo kibernetinio saugumo užduotims, ir pirmasis, kurį tiesiogiai apmokėme atpažinti programinės įrangos pažeidžiamumus. Nors neturime galutinių įrodymų, kad tai gali automatizuoti kibernetines atakas nuo pradžios iki pabaigos, imamės atsargumo priemonių ir diegiame iki šiol išsamiausią mūsų kibernetinio saugumo saugos sistemą. Mūsų rizikos mažinimo priemonės apima saugos mokymus, automatizuotą stebėseną, patikimą prieigą prie pažangių galimybių ir vykdymo užtikrinimo procesus, įskaitant grėsmių žvalgybą.

Kadangi kibernetinis saugumas iš prigimties yra dvigubo naudojimo, mes taikome įrodymais pagrįstą, iteracinį metodą, kuris spartina gynėjų gebėjimą rasti ir ištaisyti pažeidžiamumus, kartu lėtindamas piktnaudžiavimą. Kaip šios iniciatyvos dalį, pradedame Patikimą prieigą kibernetikai⁠ – bandomąją programą, skirtą paspartinti kibernetinės gynybos tyrimus.

Investuojame į ekosistemos apsaugos priemones, tokias kaip privačiosios „Aardvark“⁠, mūsų saugumo tyrimų agento, beta versijos plėtra, kaip pirmasis mūsų „Codex Security“ produktų ir įrankių rinkinio pasiūlymas, ir bendradarbiaujame su atvirojo kodo prižiūrėtojais, kad plačiai naudojamiems projektams, tokiems kaip Next.js, suteiktume nemokamą kodo bazės skenavimą—kur saugumo tyrėjas, naudodamas „Codex“, rado pažeidžiamumų, atskleistų⁠(atsidaro naujame lange) praėjusią savaitę.

Remdamiesi mūsų 2023 m. pradėta $1M kibernetinio saugumo dotacijų programa, taip pat įsipareigojame skirti $10M API kreditų, kad paspartintume kibernetinę gynybą naudodami mūsų pajėgiausius modelius, ypač atvirojo kodo programinei įrangai ir kritinės infrastruktūros sistemoms. Organizacijos, sąžiningai vykdančios saugumo tyrimus, gali teikti paraišką API kreditams ir pagalbai per mūsų Kibernetinio saugumo dotacijų programą⁠.

„GPT‑5.3‑Codex“ yra prieinamas su mokamais „ChatGPT“ planais visur, kur galite naudoti „Codex“: programėlėje, CLI, IDE plėtinyje ir žiniatinklyje. Mes dirbame, kad netrukus saugiai suteiktume prieigą prie API.

Su šiuo atnaujinimu mes taip pat pradėjome naudoti „GPT‑5.3‑Codex“. 25 % greičiau „Codex“ naudotojams dėl mūsų infrastruktūros ir inferencijos steko patobulinimų, todėl sąveika ir rezultatai gaunami greičiau.

„GPT‑5.3‑Codex“ buvo bendrai suprojektuotas, apmokytas ir naudojamas „NVIDIA“ GB200 NVL72 sistemose. Esame dėkingi „NVIDIA“ už jų partnerystę.

Su „GPT‑5.3‑Codex“, „Codex“ neapsiriboja vien kodo rašymu, bet naudoja jį kaip įrankį kompiuteriui valdyti ir darbui atlikti nuo pradžios iki pabaigos. Plėsdami ribas, ką gali atlikti kodavimo agentas, mes taip pat atveriame platesnę žinių darbo sritį – nuo programinės įrangos kūrimo ir diegimo iki sudėtingų užduočių tyrinėjimo, analizavimo ir vykdymo. Tai, kas prasidėjo kaip dėmesys geriausio kodavimo agento kūrimui, tapo pagrindu platesniam bendradarbiui kompiuteryje, išplečiant tiek kūrėjų ratą, tiek galimybes su „Codex“.