Predstavljamo GPT‑5.3‑Codex

Predstavljamo nov model, ki omogoča še širši nabor zmogljivosti Codex: GPT‑5.3‑Codex, doslej najbolj zmogljiv agentski model za kodiranje. Model združuje napredno zmogljivost kodiranja GPT‑5.2‑Codex ter zmožnosti sklepanja in profesionalnega znanja GPT‑5.2 v enem modelu, hkrati pa je 25 % hitrejši. To mu omogoča izvajanje dolgotrajnih nalog, ki vključujejo raziskovanje, uporabo orodij in kompleksno izvajanje. Podobno kot sodelavec lahko GPT‑5.3‑Codex usmerjate in z njim sodelujete med njegovim delom, ne da bi pri tem izgubil kontekst.

GPT‑5.3‑Codex je naš prvi model, ki je imel ključno vlogo pri lastnem nastanku. Ekipa Codex je zgodnje različice uporabila za razhroščevanje njegovega lastnega učenja, upravljanje njegove lastne uvedbe ter diagnosticiranje rezultatov testov in evalvacij — našo ekipo je osupnilo, kako zelo je Codex pospešil lasten razvoj.

Z GPT‑5.3‑Codexom Codex prehaja iz agenta, ki zna pisati in pregledovati kodo, v agenta, ki lahko naredi skoraj vse, kar lahko razvijalci in strokovnjaki naredijo na računalniku.

GPT‑5.3‑Codex postavlja nov industrijski vrh na SWE-Bench Pro in Terminal-Bench ter izkazuje močno delovanje na OSWorld in GDPval, štirih primerjalnih preizkusih, ki jih uporabljamo za merjenje zmožnosti kodiranja, agentskih zmožnosti in zmožnosti v resničnem svetu.

GPT‑5.3‑Codex dosega najsodobnejše delovanje na SWE-Bench Pro, strogi evalvaciji resničnega programskega inženirstva. Medtem ko SWE-Bench Verified preizkuša le Python, SWE-Bench Pro zajema štiri jezike ter je bolj odporen na kontaminacijo, zahtevnejši, raznolik in bolj relevanten za industrijo. Prav tako daleč presega prejšnje najsodobnejše delovanje na Terminal-Bench 2.0, ki meri veščine dela v terminalu, ki jih potrebuje kodirni agent, kot je Codex. Pomembno je, da GPT‑5.3‑Codex to dosega z manj žetoni kot kateri koli predhodni model, kar uporabnikom omogoča ustvariti več.

Združevanje naprednih zmožnosti kodiranja, izboljšav v estetiki in kompaktiranja rezultira v modelu, ki lahko opravi izjemno delo ter v nekaj dneh od začetka zgradi visoko funkcionalne kompleksne igre in aplikacije. Za preizkus modelovih zmožnosti razvoja spletnih aplikacij in dolgotrajnega agentskega delovanja smo GPT‑5.3‑Codex prosili, naj nam zgradi dve igri: drugo različico dirkalne igre ob lansiranju aplikacije Codex⁠ ter potapljaško igro. Z uporabo veščine razvijanja spletne igre ter vnaprej izbranih, splošnih nadaljnjih pozivov, kot sta »fix the bug« ali »improve the game«, je GPT‑5.3‑Codex avtonomno iteriral igre skozi milijone žetonov. Oglejte si napovednike in preizkusite igre sami, da vidite, kaj zmore Codex.

GPT‑5.3‑Codex tudi bolje razume vaš namen, ko ga prosite za izdelavo vsakodnevnih spletnih strani, v primerjavi z GPT‑5.2‑Codex. Preprosti ali nepopolno določeni pozivi zdaj privzeto vodijo do strani z več funkcionalnostmi in smiselno nastavljenimi privzetimi vrednostmi, kar vam daje močnejše izhodišče za uresničitev vaših idej.

Na primer, GPT‑5.3‑Codex in GPT‑5.2‑Codex smo prosili, naj spodaj zgradita dve pristajalni strani. GPT‑5.3‑Codex je samodejno prikazal letni naročniški paket kot znižano mesečno ceno, zaradi česar je bil popust jasen in nameren, namesto da bi pomnožil letni skupni znesek. Prav tako je ustvaril vrtiljak mnenj uporabnikov s samodejnim prehajanjem med tremi različnimi citati uporabnikov namesto enega, zaradi česar stran že privzeto deluje bolj celovito in pripravljeno za produkcijo.

Programski inženirji, oblikovalci, vodje produktov in podatkovni znanstveniki počnejo veliko več kot da zgolj zgenerirajo kodo. GPT‑5.3‑Codex je zasnovan za podporo celotnemu delu v življenjskem ciklu razvoja programske opreme, npr. razhroščevanju, uvedbi, nadzoru, pisanju dokumentov PRD, urejanju besedil, raziskavam uporabnikov, testom, metrikam in še več. Njegove agentske zmožnosti segajo onkraj programske opreme in vam pomagajo zgraditi karkoli želite zgraditi bodisi predstavitvena gradiva bodisi analizirati podatke v preglednicah.

Z veščinami po meri, podobnimi tistim, ki smo jih uporabili pri prejšnjih rezultatih GDPval, GPT‑5.3‑Codex prav tako izkazuje močno delovanje pri strokovnem znanju, kot ga meri GDP⁠val⁠, in se izenačuje z modelom GPT‑5.2. GDPval je evalvacija, ki jo je OpenAI objavil leta 2025 in meri delovanje modela pri  natančno opredeljenih intelektualnih nalogah v 44 poklicih. Te naloge vključujejo na primer pripravo predstavitev, preglednic in drugih delovnih izdelkov.

Spodaj je nekaj primerov dela, ki ga je agent ustvaril.

OSWorld je agentski primerjalni preizkus uporabe računalnika, pri katerem mora agent opraviti naloge produktivnosti v vizualnem namiznem računalniškem okolju. GPT‑5.3‑Codex izkazuje bistveno močnejše zmožnosti uporabe računalnika kot prejšnji modeli GPT.

Skupaj ti rezultati na področjih kodiranja, čelnega dela aplikacije ter uporabe računalnika in nalog iz resničnega sveta kažejo, da GPT‑5.3‑Codex ni le boljši pri posameznih nalogah, temveč predstavlja kakovostni preskok proti enemu samemu splošnonamenskemu agentu, ki lahko sklepa, gradi in izvaja delo po celotnem spektru tehničnega dela iz resničnega sveta.

Ko zmogljivosti modelov postajajo vse močnejše, se razkorak premika z vprašanja, kaj agenti zmorejo, na vprašanje, kako enostavno lahko ljudje z njimi komunicirajo, jih usmerjajo in nadzorujejo, ko jih več deluje vzporedno. Aplikacija Codex upravljanje in usmerjanje agentov bistveno olajša, zdaj pa je z GPT‑5.3‑Codex še bolj interaktivna. Z novim modelom Codex zagotavlja pogoste posodobitve, da boste sproti obveščeni o ključnih odločitvah in napredku med delovanjem. Namesto da bi čakali na končni rezultat, lahko komunicirate v realnem času—postavljate vprašanja, razpravljate o pristopih in usmerjate proti rešitvi. GPT‑5.3‑Codex razlaga, kaj počne, se odziva na povratne informacije in vas obvešča o dogajanju od začetka do konca.

Nedavne hitre izboljšave Codex temeljijo na rezultatih raziskovalnih projektov, ki so trajali mesece ali leta po celotnem OpenAI. Te raziskovalne projekte pospešuje Codex, pri čemer številni raziskovalci in inženirji v OpenAI svoje delo danes opisujejo kot bistveno drugačno od tega, kakršno je bilo še pred dvema mesecema. Že zgodnje različice GPT‑5.3‑Codex so izkazovale izjemne zmožnosti, kar je naši ekipi omogočilo, da je s temi zgodnejšimi različicami izboljšala učenje in podprla uvedbo kasnejših različic.

Codex je uporaben za zelo širok nabor nalog, zato je težko izčrpno našteti vse načine, na katere pomaga našim ekipam. Kot primer je raziskovalna ekipa uporabila Codex za spremljanje in razhroščevanje poteka učenja za to izdajo. Raziskave je pospešil tudi onkraj odpravljanja infrastrukturnih težav: pomagal je slediti vzorcem skozi celoten potek učenja, zagotovil poglobljeno analizo kakovosti interakcij, predlagal popravke ter zgradil bogate aplikacije, ki so raziskovalcem omogočile natančno razumevanje razlik v vedenju modela v primerjavi s prejšnjimi modeli.

Inženirska ekipa je uporabila Codex za optimizacijo in prilagoditev ogrodja za testiranje GPT‑5.3‑Codex. Ko smo začeli opažati nenavadne robne primere, ki so vplivali na uporabnike, so člani ekipe uporabili Codex za identifikacijo hroščev pri upodabljanju konteksta ter za ugotavljanje temeljnih vzrokov nizkih stopenj zadetkov predpomnilnika. GPT‑5.3‑Codex še naprej pomaga ekipi med lansiranjem, saj dinamično skalira gruče grafičnih procesnih enot, da se prilagodi prometnim konicam, in ohranja stabilno zakasnitev.

Med alfa testiranjem je želel eden od raziskovalcev razumeti, koliko dodatnega dela GPT‑5.3‑Codex opravi na posamezni pogovorni korak in kakšna je s tem povezana razlika v produktivnosti. GPT‑5.3‑Codex je pripravil več preprostih klasifikatorjev na osnovi regularnih izrazov za ocenjevanje pogostosti pojasnil, pozitivnih in negativnih odzivov uporabnikov ter napredka pri nalogi, nato pa jih je skalabilno izvedel nad vsemi dnevniki sej in pripravil poročilo s svojimi ugotovitvami. Ljudje, ki so gradili s Codex, so bili bolj zadovoljni, saj je agent bolje razumel njihov namen in je na posamezni pogovorni korak dosegel več napredka z manj pojasnjevalnimi vprašanji.

Ker se GPT‑5.3‑Codex tako razlikuje od svojih predhodnikov, so podatki iz alfa testiranja pokazali številne nenavadne in neintuitivne rezultate. Podatkovni znanstvenik v ekipi je z GPT‑5.3‑Codex sodeloval pri gradnji novih podatkovnih cevovodov in bistveno bogatejši vizualizaciji rezultatov, kot so jo omogočala naša standardna orodja za nadzorne plošče. Rezultati so bili soanalizirani s Codex, ki je jedrnato povzel ključne koristne ugotovitve na podlagi tisočev podatkovnih točk v manj kot treh minutah.

Posamično so vse te naloge zanimivi primeri, kako lahko Codex pomaga raziskovalcem in razvijalcem produktov. Skupaj pa smo ugotovili, da so te nove zmožnosti prinesle močno pospešitev dela naših raziskovalnih, inženirskih in produktnih ekip.

V zadnjih mesecih smo opazili pomembne izboljšave delovanja modelov pri nalogah kibernetske varnosti, kar koristi tako razvijalcem kot strokovnjakom za varnost. Vzporedno smo pripravljali okrepljene kibernetske zaščitne ukrepe⁠ za podporo obrambni uporabi in večji odpornosti širšega ekosistema.

GPT‑5.3‑Codex je prvi model, ki ga uvrščamo med visoko zmogljive⁠ za naloge, povezane s kibernetsko varnostjo, v okviru našega Okvira pripravljenosti⁠, in prvi, ki smo ga neposredno usposobili za prepoznavanje ranljivosti programske opreme. Čeprav nimamo dokončnih dokazov, da lahko avtomatizira kibernetske napade od začetka do konca, uporabljamo previdnostni pristop in uvajamo naš doslej najobsežnejši varnostni sklad za kibernetsko varnost. Naši ukrepi vključujejo varnostno učenje, avtomatizirano spremljanje, zaupanja vreden dostop do naprednih zmožnosti ter cevovode za uveljavljanje pravil, vključno z obveščevalnimi podatki o grožnjah.

Ker je kibernetska varnost po naravi dvojne rabe, uporabljamo na dokazih temelječ, iterativni pristop, ki pospešuje zmožnost branilcev za odkrivanje in odpravljanje ranljivosti ter hkrati upočasnjuje zlorabo. Kot del tega uvajamo Trusted Access for Cyber⁠, pilotni program za pospeševanje raziskav kibernetske obrambe.

Vlagamo v varovala ekosistema, kot je razširitev zasebne bete Aardvark⁠, našega agenta za varnostne raziskave, kot prve ponudbe v našem naboru izdelkov in orodij Codex Security, ter sodelujemo z vzdrževalci odprtokodne programske opreme, da zagotovimo brezplačno skeniranje kodne baze za široko uporabljene projekte, kot je Next.js, kjer je varnostni raziskovalec s pomočjo Codexa našel ranljivosti razkrite⁠(odpre se v novem oknu) prejšnji teden.

Na podlagi našega Programa za kibernetsko varnost z nagradami v višini 1 milijona dolarjev, uvedenega leta 2023, namenjamo tudi 10 milijonov dolarjev v dobropisih za aplikacijski programski vmesnik (API) za pospeševanje kibernetske obrambe z našimi najzmogljivejšimi modeli, zlasti za odprtokodno programsko opremo in sisteme kritične infrastrukture. Organizacije, ki v dobri veri izvajajo varnostne raziskave, se lahko za dobropise za aplikacijski programski vmesnik (API) in podporo prijavijo prek našega Programa za kibernetsko varnost⁠.

GPT‑5.3‑Codex je na voljo z naročniškimi paketi ChatGPT, povsod, kjer lahko uporabljate Codex: v aplikaciji, vmesniku ukazne vrstice (CLI), razširitvi za integrirano razvojno okolje (IDE) in na spletu. Prizadevamo si, da bomo kmalu omogočili varen dostop prek aplikacijskega programskega vmesnika (API).

S to posodobitvijo GPT‑5.3‑Codex za uporabnike Codex zdaj poganjamo tudi 25 % hitreje, zahvaljujoč izboljšavam naše oblačne infrastrukture in sklada za inferenco, kar prinaša hitrejše interakcije in hitrejše rezultate.

GPT‑5.3‑Codex je bil sooblikovan, usposobljen in deluje na sistemih NVIDIA GB200 NVL72. Zahvaljujemo se podjetju NVIDIA za partnerstvo.

Z GPT‑5.3‑Codexom Codex presega zgolj pisanje kode in jo uporablja kot orodje za upravljanje računalnika ter dokončanje dela od začetka do konca. Z razširjanjem meje zmogljivosti tega, kar lahko naredi kodirni agent, odklepamo tudi širši razred strokovnega dela, in sicer vse od gradnje in uvedbe programske opreme do raziskovanja, analiziranja in izvajanja kompleksnih nalog. Kar se je začelo kot osredotočenost na to, da postanemo najboljši kodirni agent, je postalo temelj za splošnonamenskega sodelavca na računalniku, ki širi tako krog tistih, ki lahko gradijo, kot tudi to, kaj je s Codex mogoče.