Prezantojmë GPT‑5.3‑Codex

Po prezantojmë një model të ri që mundëson edhe më shumë nga ajo që mund të bëjë Codex: GPT‑5.3‑Codex, modeli më i avancuar i kodimit agjentik deri më sot. Modeli përmirëson si performancën e kodimit të avancuar të GPT‑5.2‑Codex, ashtu edhe aftësitë e arsyetimit dhe njohurive profesionale të GPT‑5.2, të gjitha në një model të vetëm, i cili është gjithashtu 25% më i shpejtë. Kjo i mundëson të ndërmarrë detyra afatgjata që përfshijnë kërkime, përdorim mjetesh dhe ekzekutim kompleks. Ashtu si një koleg, mund ta drejtosh dhe të ndërveprosh me GPT‑5.3‑Codex ndërsa punon, pa humbur kontekstin.

GPT‑5.3‑Codex është modeli ynë i parë që luajti një rol thelbësor në krijimin e vet. Ekipi i Codex përdori versionet e hershme për të korrigjuar trajnimin e vet, për të menaxhuar implementimin e vet dhe për të diagnostikuar rezultatet e testeve dhe vlerësimet — ekipi ynë u mahnit nga sa shumë Codex ishte në gjendje të përshpejtonte zhvillimin e tij.

Me GPT‑5.3‑Codex, Codex kalon nga një agjent që mund të shkruajë dhe shqyrtojë kod në një agjent që mund të bëjë pothuajse gjithçka që zhvilluesit dhe profesionistët mund të bëjnë në një kompjuter.

GPT‑5.3‑Codex vendos një standard të ri të lartë në industri në SWE-Bench Pro dhe Terminal-Bench, dhe tregon performancë të fortë në OSWorld dhe GDPval, katër standarde që përdorim për të matur aftësitë e kodimit, agjentike dhe të botës reale.

GPT‑5.3‑Codex arrin performancë të nivelit më të lartë në SWE-Bench Pro, një vlerësim rigoroz i inxhinierisë softuerike në botën reale. Ndërsa SWE‑bench Verified teston vetëm Python, SWE‑Bench Pro mbulon katër gjuhë dhe është më rezistent ndaj kontaminimit, më sfidues, më i larmishëm dhe më i rëndësishëm për industrinë. Gjithashtu tejkalon ndjeshëm performancën e mëparshme të nivelit më të lartë në Terminal-Bench 2.0, që mat aftësitë e terminalit që i duhen një agjenti kodimi si Codex. Veçanërisht, GPT‑5.3‑Codex e bën këtë me më pak tokena se çdo model i mëparshëm, duke u lejuar përdoruesve të ndërtojnë më shumë.

Duke kombinuar aftësitë më të avancuara të kodimit, përmirësimet estetike dhe kompaktimin, krijohet një model që mund të kryejë punë mbresëlënëse, duke ndërtuar lojëra dhe aplikacione komplekse shumë funksionale nga e para brenda disa ditëve. Për të testuar aftësitë e modelit për zhvillim uebi dhe aftësitë agjentike afatgjata, i kërkuam GPT‑5.3‑Codex të ndërtonte për ne dy lojëra: versionin e dytë të lojës së garave nga lansimi i aplikacionit Codex⁠, dhe një lojë zhytjeje. Duke përdorur aftësinë develop-web-game dhe kërkesat pasuese të parazgjedhura, të përgjithshme si "rregullo defektin" ose "përmirëso lojën", GPT‑5.3‑Codex iteroi mbi lojërat në mënyrë autonome mbi miliona tokenë. Shiko klipet promocionale dhe luaj vetë lojërat për të parë se çfarë mund të bëjë Codex.

GPT‑5.3‑Codex gjithashtu e kupton më mirë qëllimin tënd kur i kërkon të krijojë faqe interneti të përditshme, krahasuar me GPT‑5.2‑Codex. Kërkesat e thjeshta ose të papërcaktuara tani parazgjedhin faqet me më shumë funksionalitet dhe parazgjedhje të arsyeshme, duke të ofruar një kanavacë fillestare më të fortë për të sjellë idetë e tua në jetë.

Për shembull, i kërkuam GPT‑5.3‑Codex dhe GPT‑5.2‑Codex të krijonin dy faqe mbërritëse më poshtë. GPT‑5.3‑Codex e shfaqi automatikisht planin vjetor si një çmim mujor me zbritje, duke e bërë zbritjen të duket e qartë dhe e qëllimshme, në vend që të shumëzohej totali vjetor. Gjithashtu, krijoi një karusel dëshmish që kalon automatikisht me tre citime të veçanta përdoruesish në vend të një, duke rezultuar në një faqe që duket më e plotë dhe e gatshme për prodhim si parazgjedhje.

Inxhinierët e softuerëve, dizajnerët, menaxherët e produktit dhe shkencëtarët e të dhënave bëjnë shumë më tepër sesa të krijojnë kod. GPT‑5.3‑Codex është ndërtuar për të mbështetur të gjithë punën në ciklin jetik të softuerit — debugging, shpërndarjen, monitorimin, hartimin e PRD, redaktimin e tekstit, hulumtimin e përdoruesve, testet, metrikat dhe më shumë. Aftësitë e tij agjentike shkojnë përtej softuerit, duke të ndihmuar të ndërtosh çfarëdo që dëshiron — qoftë prezantime me slajde apo analizimin e të dhënave në fletëllogaritëse.

Me aftësi të personalizuara të ngjashme me ato të përdorura për rezultatet tona të mëparshme të GDPval, GPT‑5.3‑Codex gjithashtu tregon performancë të fortë në punë profesionale të bazuar në njohuri, siç matet nga GDP⁠val⁠, duke u barazuar me GPT‑5.2. GDPval është një vlerësim që OpenAI e publikoi në vitin 2025 dhe që mat performancën e një modeli në detyrat e mirëspecifikuara të punës me njohuri në 44 profesione. Këto detyra përfshijnë gjëra si krijimi i prezantimeve, fletëllogaritjeve dhe produkteve të tjera të punës.

Më poshtë janë disa shembuj të punës që ka prodhuar agjenti.

OSWorld është një standard për përdorimin e kompjuterit me agjent, ku agjenti duhet të përfundojë detyra produktiviteti në një mjedis vizual të desktopit kompjuterik. GPT‑5.3‑Codex demonstron aftësi shumë më të forta të përdorimit të kompjuterit sesa modelet e mëparshme GPT.

Së bashku, këto rezultate në kodim, frontend, përdorimin e kompjuterit dhe detyrat e botës reale tregojnë se GPT‑5.3‑Codex nuk është thjesht më i mirë në detyra individuale, por shënon një ndryshim të madh drejt një agjenti të vetëm, me qëllim të përgjithshëm, që mund të arsyetojë, ndërtojë dhe ekzekutojë në të gjithë spektrin e plotë të punës teknike të botës reale.

Ndërsa aftësitë e modeleve bëhen më të fuqishme, hendeku zhvendoset nga ajo që agjentët janë të aftë të bëjnë te sa lehtë njerëzit mund të ndërveprojnë me ta, t’i drejtojnë dhe t’i mbikëqyrin shumë prej tyre që punojnë paralelisht. Aplikacioni Codex e bën shumë më të lehtë menaxhimin dhe drejtimin e agjentëve, dhe tani me GPT‑5.3‑Codex është më ndërveprues. Me modelin e ri, Codex ofron përditësime të shpeshta që të mbetesh i informuar për vendimet kryesore dhe progresin ndërsa punon. Në vend që të presësh për një rezultat përfundimtar, mund të ndërveprosh në kohë reale — bëj pyetje, diskuto qasje dhe drejtohu drejt zgjidhjes. GPT‑5.3‑Codex shpjegon çfarë po bën, reagon ndaj përshtypjeve dhe të mban në dijeni nga fillimi deri në fund.

Përmirësimet e fundit të shpejta të Codex ndërtohen mbi frytet e projekteve kërkimore që zgjasin për muaj ose vite në të gjithë OpenAI. Këto projekte kërkimore po përshpejtohen nga Codex, me shumë studiues dhe inxhinierë në OpenAI që e përshkruajnë punën e tyre sot si thelbësisht ndryshe nga ajo që ishte vetëm dy muaj më parë. Edhe versionet e hershme të GPT‑5.3‑Codex demonstroi aftësi të jashtëzakonshme, duke i lejuar ekipit tonë të punojë me versionet e mëparshme për të përmirësuar trajnimin dhe për të mbështetur shpërndarjen e versioneve të mëvonshme.

Codex është i dobishëm për një gamë shumë të gjerë detyrash, duke e bërë të vështirë të përshkruhen plotësisht mënyrat se si ndihmon ekipet tona. Si disa shembuj, ekipi i kërkimit përdori Codex për të monitoruar dhe debug-uar ekzekutimin e trajnimit për këtë publikim. Ai përshpejtoi kërkimin përtej korrigjimit të problemeve të infrastrukturës: ndihmoi në gjurmimin e modeleve gjatë gjithë kursit të trajnimit, ofroi një analizë të thelluar të cilësisë së ndërveprimit, propozoi rregullime dhe ndërtoi aplikacione të pasura për studiuesit njerëzorë që të kuptonin me saktësi se si sjellja e modelit ndryshonte krahasuar me modelet e mëparshme.

Ekipi i inxhinierisë përdori Codex për të optimizuar dhe përshtatur harness-in për GPT‑5.3‑Codex. Kur filluam të shihnim raste të çuditshme që ndikonin te përdoruesit, anëtarët e ekipit përdorën Codex për të identifikuar gabime në paraqitjen e kontekstit dhe për të gjetur shkakun rrënjësor të normave të ulëta të goditjeve të cache. GPT‑5.3‑Codex po vazhdon të ndihmojë ekipin gjatë nisjes duke shkallëzuar në mënyrë dinamike grupet e GPU për t'u përshtatur me rritjet e trafikut dhe duke mbajtur vonesën të qëndrueshme.

Gjatë testimit alfa, një studiues dëshironte të kuptonte se sa punë shtesë po kryente GPT‑5.3‑Codex për çdo radhë dhe ndryshimin përkatës në produktivitet. GPT‑5.3‑Codex krijova disa klasifikues të thjeshtë regex për të vlerësuar shpeshtësinë e sqarimeve, përgjigjet pozitive dhe negative të përdoruesve, përparimin në detyrë, dhe më pas i ekzekutova ato në mënyrë të shkallëzueshme mbi të gjitha regjistrat e sesioneve dhe përgatita një raport me përfundimet e tij. Njerëzit që punonin me Codex ishin më të lumtur, pasi agjenti kuptonte më mirë qëllimin e tyre dhe bënte më shumë përparim për çdo hap, me më pak pyetje sqaruese.

Për shkak se GPT‑5.3‑Codex është shumë i ndryshëm nga paraardhësit e tij, të dhënat nga testimi alfa treguan rezultate të shumta të pazakonta dhe kundërintuitive. Një shkencëtar i të dhënave në ekip punoi me GPT‑5.3‑Codex për të ndërtuar tubacione të reja të të dhënave dhe për të vizualizuar rezultatet shumë më pasur sesa mjetet tona standarde të paneleve të kontrollit e mundësonin. Rezultatet u bashkanalizuan me Codex, i cili përmblodhi në mënyrë koncize njohuri kryesore mbi mijëra pika të dhënash në më pak se tre minuta.

Veçmas, të gjitha këto detyra janë shembuj interesantë se si Codex mund të ndihmojë studiuesit dhe ndërtuesit e produkteve. Të marra së bashku, zbuluam se këto aftësi të reja çuan në një përshpejtim të fuqishëm të ekipeve tona të kërkimit, inxhinierisë dhe produktit.

Gjatë muajve të fundit, kemi vërejtur përmirësime të rëndësishme në performancën e modelit në detyra të sigurisë kibernetike, duke përfituar si zhvilluesit ashtu edhe profesionistët e sigurisë. Paralelisht, kemi qenë duke përgatitur masa të forcuara mbrojtëse kibernetike⁠ për të mbështetur përdorimin mbrojtës dhe qëndrueshmërinë më të gjerë të ekosistemit.

GPT‑5.3‑Codex është modeli i parë që e klasifikojmë si Aftësi të larta⁠ për detyra të lidhura me sigurinë kibernetike sipas Preparedness Framework⁠, dhe i pari që e kemi trajnuar drejtpërdrejt për të identifikuar cenueshmëri të softuerit. Ndërsa nuk kemi prova përfundimtare që mund të automatizojë sulmet kibernetike nga fillimi në fund, po ndërmarrim një qasje paraprake dhe po vendosim paketën tonë më të plotë të sigurisë kibernetike deri më sot. Masat tona zbutëse përfshijnë trajnim për sigurinë, monitorim të automatizuar, qasje të besuar për aftësi të avancuara dhe linja zbatimi që përfshijnë inteligjencë mbi kërcënimet.

Meqenëse siguria kibernetike është në thelb me përdorim të dyfishtë, po ndjekim një qasje të bazuar në prova dhe të përsëritur që përshpejton aftësinë e mbrojtësve për të gjetur dhe rregulluar dobësitë, ndërsa ngadalëson keqpërdorimin. Si pjesë e kësaj, po lançojmë Akses i Besuar për Kibernetikën⁠, një program pilot për të përshpejtuar kërkimin në mbrojtjen kibernetike.

Po investojmë në masa mbrojtëse të ekosistemit, si zgjerimi i betës private të Aardvark⁠, agjentit tonë të kërkimit të sigurisë, si oferta e parë në paketën tonë të produkteve dhe mjeteve Codex Security, dhe partnerizimi me mirëmbajtës të burimit të hapur për të ofruar skanim falas të bazës së kodit për projekte të përdorura gjerësisht si Next.js—ku një studiues sigurie përdori Codex për të gjetur cenueshmëri të zbuluara⁠(hapet në një dritare të re) javën e kaluar.

Duke u mbështetur në Programin tonë të Grantit për Sigurinë Kibernetike prej $1M të nisur në 2023, po ashtu po angazhojmë $10M në kredite API për të përshpejtuar mbrojtjen kibernetike me modelet tona më të avancuara, veçanërisht për softuerin me burim të hapur dhe sistemet e infrastrukturës kritike. Organizatat që merren me kërkime të sigurisë me mirëbesim mund të aplikojnë për kredite API dhe mbështetje përmes Programit tonë të Granteve për Sigurinë Kibernetike⁠.

GPT‑5.3‑Codex është i disponueshëm me planet me pagesë të ChatGPT, kudo ku mund të përdorësh Codex: aplikacionin, CLI, zgjerimin e IDE dhe uebin. Ne po punojmë për të mundësuar aksesin në API në mënyrë të sigurt së shpejti.

Me këtë përditësim, ne gjithashtu po ekzekutojmë GPT‑5.3‑Codex. 25% më e shpejtë për përdoruesit e Codex, falë përmirësimeve në infrastrukturën tonë dhe serinë e inferencës, duke sjellë ndërveprime dhe rezultate më të shpejta.

GPT‑5.3‑Codex u bashkëprojektua për, u trajnua me dhe u shërbye në sistemet NVIDIA GB200 NVL72. Jemi mirënjohës ndaj NVIDIA për partneritetin e tyre.

Me GPT‑5.3‑Codex, Codex po shkon përtej shkrimit të kodit për ta përdorur si një mjet për të operuar kompjuterin dhe për të përfunduar punën nga fillimi në fund. Duke shtyrë kufijtë e asaj që një agjent kodimi mund të bëjë, ne gjithashtu po mundësojmë një gamë më të gjerë të punës me njohuri — nga ndërtimi dhe vendosja e softuerit te kërkimi, analizimi dhe ekzekutimi i detyrave komplekse. Ajo që filloi si një përqendrim për të qenë agjenti më i mirë i kodimit është bërë themeli për një bashkëpunëtor më të përgjithshëm në kompjuter, duke zgjeruar si atë se kush mund të ndërtojë ashtu edhe atë që është e mundur me Codex.