Iepazīstinām ar GPT‑5.3‑Codex.

Mēs iepazīstinām ar jaunu modeli, kas atklāj vēl vairāk no tā, ko Codex spēj paveikt: GPT‑5.3‑Codex, līdz šim visjaudīgāko aģentisko kodēšanas modeli. Modelis uzlabo gan GPT‑5.2‑Codex robežkodēšanas veiktspēju, gan GPT‑5.2 spriestspējas un profesionālo zināšanu spējas — viss vienā modelī, kas ir arī par 25 % ātrāks. Tas ļauj tam uzņemties ilgstošus uzdevumus, kas ietver izpēti, rīku izmantošanu un sarežģītu izpildi. Līdzīgi kā ar kolēģi, tu vari vadīt un mijiedarboties ar GPT‑5.3‑Codex, kamēr tas strādā, nezaudējot kontekstu.

GPT‑5.3‑Codex ir mūsu pirmais modelis, kas bija būtisks tā pašizveidē. Codex komanda izmantoja agrīnās versijas, lai atkļūdotu savu apmācību, pārvaldītu savu izvietošanu un diagnosticētu testu rezultātus un novērtējumus—mūsu komandu pārsteidza, cik ļoti Codex spēja paātrināt savu izstrādi.

Ar GPT‑5.3‑Codex, Codex no aģenta, kas var rakstīt un pārskatīt kodu, kļūst par aģentu, kas spēj paveikt gandrīz visu, ko izstrādātāji un profesionāļi var izdarīt datorā.

GPT‑5.3‑Codex nosaka jaunu nozares standartu SWE-Bench Pro un Terminal-Bench un uzrāda spēcīgu veiktspēju OSWorld un GDPval četros etalonos, ko izmantojam, lai novērtētu kodēšanas, aģentiskās un reālās pasaules spējas.

GPT‑5.3‑Codex sasniedz izcilu veiktspēju SWE-Bench Pro, kas ir stingrs reālās pasaules programmatūras inženierijas novērtējums. Turpretī SWE‑bench Verified pārbauda tikai Python, bet SWE‑Bench Pro aptver četras valodas un ir izturīgāks pret piesārņojumu, izaicinošāks, daudzveidīgāks un nozīmīgāks rūpniecībā. Tas arī ievērojami pārsniedz iepriekšējo vismodernāko veiktspēju Terminal-Bench 2.0, kas mēra termināļa prasmes, kuras nepieciešamas programmēšanas aģentam, piemēram, Codex. Īpaši jāatzīmē, GPT‑5.3‑Codex to dara ar mazāk tekstvienībām nekā jebkurš iepriekšējais modelis, ļaujot lietotājiem veidot vairāk.

Apvienojot robežkodēšanas iespējas, estētikas uzlabojumus un saspiešanu, tiek iegūts modelis, kas spēj paveikt iespaidīgu darbu, dažu dienu laikā no nulles izveidojot ļoti funkcionālas un sarežģītas spēles un lietotnes. Lai pārbaudītu modeļa tīmekļa izstrādes un ilgstošas aģentiskas darbības iespējas, mēs lūdzām GPT‑5.3‑Codex izveidot divas spēles: sacīkšu spēles otro versiju no Codex lietotnes palaišanas⁠ un niršanas spēli. Izmantojot izstrādes tīmekļa spēles prasmi un iepriekš atlasītas vispārīgas turpmākās uzvednes, piemēram, "izlabot kļūdu" vai "uzlabot spēli", GPT‑5.3‑Codex spēles tika autonomi iterētas, izmantojot miljoniem tekstvienību. Noskaties treilerus un izspēlē spēles pats, lai redzētu, ko Codex var paveikt.

GPT‑5.3‑Codex arī labāk izprot tavu nodomu, kad lūdz tam izveidot ikdienas tīmekļa vietnes, salīdzinot ar GPT‑5.2‑Codex. Vienkāršas vai nepietiekami precizētas uzvednes tagad pēc noklusējuma tiek novirzītas uz vietnēm ar plašāku funkcionalitāti un saprātīgiem noklusējuma iestatījumiem, sniedzot tev spēcīgāku sākuma platformu, lai iedzīvinātu savas idejas.

Piemēram, mēs lūdzām GPT‑5.3‑Codex un GPT‑5.2‑Codex izveidot divas galvenās lapas, kas redzamas zemāk. GPT‑5.3‑Codex automātiski parādīja gada plānu kā mēneša cenu ar atlaidi, padarot atlaidi skaidru un apzinātu, nevis sareizinot gada kopējo summu. Tas arī izveidoja automātiski pārejošu atsauksmju karuseli ar trim atšķirīgiem lietotāju citātiem, nevis vienu, kā rezultātā lapa pēc noklusējuma šķiet pilnīgāka un gatava ražošanai.

Programmatūras inženieri, dizaineri, produktu vadītāji un datu zinātnieki dara daudz vairāk nekā tikai raksta kodu. GPT‑5.3‑Codex ir veidots, lai atbalstītu visu darbu programmatūras izstrādes ciklā—atkļūdošanu, ieviešanu, uzraudzību, PRD (produktu prasību dokumentu) rakstīšanu, teksta rediģēšanu, lietotāju izpēti, testus, metriku un daudz ko citu. Tā aģentiskās spējas pārsniedz programmatūru, palīdzot tev izveidot jebko, ko vēlies—vai tie būtu slaidu komplekti vai datu analīze izklājlapās.

Ar pielāgotām prasmēm, kas ir līdzīgas tām, kuras izmantojām mūsu iepriekšējiem GDPval rezultātiem, GPT‑5.3‑Codex arī uzrāda spēcīgu sniegumu profesionālajā zināšanu darbā, kā to mēra GDP⁠val⁠, sasniedzot GPT‑5.2 līmeni. GDPval ir novērtējums, ko OpenAI izlaida 2025. gadā un kas mēra modeļa veiktspēju labi definētos zināšanu darba uzdevumos 44 profesijās. Šie uzdevumi ietver tādas lietas kā prezentāciju, izklājlapu un citu darba produktu izstrāde.

Zemāk ir daži piemēri no darba, ko aģents paveica.

OSWorld ir aģenta datora lietošanas etalons, kur aģentam ir jāizpilda produktivitātes uzdevumi vizuālā darbvirsmas datora vidē. GPT‑5.3‑Codex demonstrē daudz spēcīgākas datora lietošanas iespējas nekā iepriekšējie GPT modeļi.

Kopumā šie rezultāti kodēšanas, robežtehnoloģiju, datora lietošanas un reālās pasaules uzdevumos parāda, ka GPT‑5.3‑Codex nav tikai labāks atsevišķu uzdevumu veikšanā, bet iezīmē būtisku soli ceļā uz vienotu vispārējas nozīmes aģentu, kas spēj spriest, veidot un izpildīt visā reālās pasaules tehniskā darba spektrā.

Tā kā modeļu iespējas kļūst arvien jaudīgākas, plaisa pārvietojas no tā, ko aģenti spēj paveikt, uz to, cik viegli cilvēki var mijiedarboties ar daudziem no tiem, tos vadīt un uzraudzīt, strādājot paralēli. Codex lietotne padara aģentu pārvaldību un vadīšanu daudz vienkāršāku, un tagad ar GPT‑5.3‑Codex tas ir interaktīvāks. Ar jauno modeli Codex nodrošina biežus atjauninājumus, lai tu būtu informēts par galvenajiem lēmumiem un progresu, kamēr tas darbojas. Tā vietā, lai gaidītu galīgo rezultātu, tu vari mijiedarboties reāllaikā — uzdot jautājumus, apspriest pieejas un virzīties uz risinājumu. GPT‑5.3‑Codex skaidro, ko tas dara, reaģē uz atgriezenisko saiti un informē tevi par visu no sākuma līdz beigām.

Nesenie straujie Codex uzlabojumi balstās uz pētniecības projektu rezultātiem, kas ilga mēnešus vai gadus visā OpenAI. Šos pētniecības projektus paātrina Codex, un daudzi pētnieki un inženieri OpenAI šodien raksturo savu darbu kā būtiski atšķirīgu no tā, kāds tas bija tikai pirms diviem mēnešiem. Pat agrīnās GPT‑5.3‑Codex versijas demonstrēja izcilas spējas, ļaujot mūsu komandai strādāt ar šīm agrākajām versijām, lai uzlabotu apmācību un atbalstītu vēlākās versijas.

Codex ir noderīgs ļoti plašam uzdevumu klāstam, tāpēc ir grūti pilnībā uzskaitīt visus veidus, kā tas palīdz mūsu komandām. Piemēram, pētnieku komanda izmantoja Codex, lai uzraudzītu un atkļūdotu šī izlaiduma apmācības procesu. Tas paātrināja pētījumus, pārsniedzot atkļūdošanas infrastruktūras problēmas: tas palīdzēja izsekot modeļu paraugiem visā apmācības gaitā, sniedza padziļinātu mijiedarbības kvalitātes analīzi, ierosināja labojumus un izveidoja bagātīgas lietojumprogrammas, lai cilvēku pētnieki varētu precīzi saprast, kā modeļa uzvedība atšķīrās salīdzinājumā ar iepriekšējiem modeļiem.

Inženieru komanda izmantoja Codex, lai optimizētu un pielāgotu GPT‑5.3‑Codex drošības ietvaru (harness). Kad mēs sākām pamanīt dīvainus robežgadījumus, kas ietekmēja lietotājus, komandas locekļi izmantoja Codex, lai identificētu konteksta renderēšanas kļūdas un noteiktu pamatcēloni — zemu kešatmiņas trāpījumu īpatsvaru. GPT‑5.3‑Codex turpina palīdzēt komandai visā palaišanas procesā, dinamiski mērogojot GPU klasterus, lai pielāgotos datplūsmas pieaugumiem un uzturētu stabilu latentumu.

Alfa testēšanas laikā viens pētnieks vēlējās saprast, cik daudz papildu darba GPT‑5.3‑Codex paveica katrā mijiedarbības reizē un ar to saistīto produktivitātes atšķirību. GPT‑5.3‑Codex izveidoja vairākus vienkāršus regex klasifikatorus, lai novērtētu precizējumu biežumu, pozitīvas un negatīvas lietotāju atbildes, uzdevuma izpildes progresu, un pēc tam tos mērogojami palaida visos sesiju žurnālos un sagatavoja atskaiti ar secinājumiem. Cilvēki, kas strādāja ar Codex, bija apmierinātāki, jo aģents labāk izprata viņu nodomus un katrā solī panāca lielāku progresu, uzdodot mazāk precizējošu jautājumu.

Tā kā GPT‑5.3‑Codex tik ļoti atšķiras no saviem priekšgājējiem, alfa testēšanas dati uzrādīja daudzus neparastus un pretintuitīvus rezultātus. Komandas datu zinātnieks strādāja ar GPT‑5.3‑Codex, lai izveidotu jaunu datu apriti un vizualizētu rezultātus daudz bagātīgāk, nekā to ļāva mūsu standarta informācijas paneļu rīki. Rezultāti tika kopīgi analizēti ar Codex, kas kodolīgi apkopoja galvenās atziņas no tūkstošiem datu punktu mazāk nekā trīs minūtēs.

Katrs no šiem uzdevumiem ir interesants piemērs tam, kā Codex var palīdzēt pētniekiem un produktu veidotājiem. Kopumā mēs secinājām, ka šīs jaunās iespējas būtiski paātrināja mūsu pētniecības, inženierijas un produktu komandu darbu.

Pēdējo mēnešu laikā esam novērojuši nozīmīgus uzlabojumus modeļu veiktspējā kiberdrošības uzdevumos, kas sniedz priekšrocības gan izstrādātājiem, gan drošības speciālistiem. Vienlaikus mēs esam sagatavojuši pastiprinātus kiberaizsardzības pasākumus⁠, lai atbalstītu aizsardzības izmantošanu un plašāku ekosistēmas noturību.

GPT‑5.3‑Codex ir pirmais modelis, ko mēs klasificējam kā kiberdrošības uzdevumiem atbilstošas augstas spējas⁠ saskaņā ar mūsu Sagatavotības satvaru⁠, un pirmais, ko esam tieši apmācījuši identificēt programmatūras ievainojamības. Lai gan mums nav pārliecinošu pierādījumu, ka tas var automatizēt kiberuzbrukumus no sākuma līdz beigām, mēs pieejam piesardzīgi un ieviešam mūsu līdz šim visaptverošāko kiberdrošības risinājumu. Mūsu mazināšanas pasākumi ietver drošības apmācību, automatizētu uzraudzību, uzticamu piekļuvi uzlabotām iespējām un izpildes mehānismus, tostarp draudu izlūkošanas sistēmas.

Tā kā kiberdrošība pēc būtības ir divējādi lietojuma, mēs izmantojam uz pierādījumiem balstītu iteratīvu pieeju, kas paātrina aizstāvju spēju atrast un novērst ievainojamības, vienlaikus palēninot ļaunprātīgu izmantošanu. Kā daļu no tā mēs uzsākam Uzticamu piekļuvi kiberdrošībai⁠, pilotprojektu, lai paātrinātu kiberaizsardzības pētniecību.

Mēs ieguldām ekosistēmas aizsardzības pasākumos, piemēram, paplašinot Aardvark⁠ privāto beta versiju — mūsu drošības pētniecības aģentu — kā pirmo piedāvājumu mūsu Codex Security produktu un rīku komplektā, kā arī sadarbojoties ar atvērtā pirmkoda uzturētājiem, lai nodrošinātu bezmaksas koda bāzes skenēšanu plaši izmantotiem projektiem, piemēram, Next.js, kur drošības pētnieks, izmantojot Codex, atrada ievainojamības, kas tika atklātas pagājušajā⁠(atveras jaunā logā) nedēļā.

Balstoties uz mūsu 2023. gadā uzsākto 1 miljona ASV dolāru kiberdrošības grantu programmu, mēs arī apņemamies piešķirt 10 miljonus ASV dolāru API kredītos, lai paātrinātu kiberaizsardzību ar mūsu visspējīgākajiem modeļiem, īpaši atvērtā pirmkoda programmatūrai un kritiskās infrastruktūras sistēmām. Organizācijas, kas nodarbojas ar godprātīgu drošības izpēti, var pieteikties API kredītiem un atbalstam, izmantojot mūsu Kiberdrošības Grantu Programmu⁠.

GPT‑5.3‑Codex ir pieejams ar maksas ChatGPT plāniem visur, kur var izmantot Codex: lietotnē, CLI, IDE paplašinājumā un tīmeklī. Mēs strādājam pie drošas API piekļuves nodrošināšanas drīzumā.

Ar šo atjauninājumu mēs arī sākam darbināt GPT‑5.3‑Codex. Par 25 % ātrāk Codex lietotājiem, pateicoties uzlabojumiem mūsu infrastruktūrā un inferenču stekā, kas nodrošina ātrāku mijiedarbību un ātrākus rezultātus.

GPT‑5.3‑Codex tika kopīgi izstrādāts, apmācīts un darbināts uz NVIDIA GB200 NVL72 sistēmām. Mēs esam pateicīgi NVIDIA par viņu partnerību.

Ar GPT‑5.3‑Codex, Codex pārsniedz koda rakstīšanu, izmantojot to kā rīku datora vadīšanai un darba pabeigšanai no sākuma līdz beigām. Paplašinot robežas tam, ko spēj paveikt kodēšanas aģents, mēs vienlaikus paveram iespējas plašākam zināšanu darba spektram — no programmatūras izstrādes un izvietošanas līdz izpētei, analīzei un sarežģītu uzdevumu izpildei. Tas, kas sākās kā koncentrēšanās uz to, lai kļūtu par labāko kodēšanas aģentu, ir kļuvis par pamatu vispārīgākam sadarbības partnerim datorā, paplašinot gan to, kas var veidot, gan to, kas ir iespējams ar Codex.