GPT‑5.3‑Codex คือโมเดลใหม่ที่ช่วยให้ Codex ทำได้มากยิ่งขึ้น และเป็นโมเดลเอเจนต์ด้านการเขียนโค้ดที่มีความสามารถสูงที่สุดเท่าที่มีมา โดยรวมประสิทธิภาพการเขียนโค้ดระดับแนวหน้าของ GPT‑5.2‑Codex เข้ากับความสามารถด้านการให้เหตุผลและความรู้เชิงวิชาชีพจาก GPT‑5.2 ไว้ในโมเดลเดียว และยังทำงานได้เร็วขึ้นกว่า 25% ทำให้ GPT‑5.3‑Codex สามารถรับมือกับงานที่ต้องทำต่อเนื่องเป็นเวลานาน ซึ่งเกี่ยวข้องกับการค้นคว้า การใช้เครื่องมือ และการดำเนินงานที่ซับซ้อน คุณสามารถกำหนดทิศทางและโต้ตอบกับ GPT‑5.3‑Codex ระหว่างที่กำลังทำงานอยู่ได้ โดยไม่สูญเสียบริบทของงาน เช่นเดียวกับการทำงานร่วมกับเพื่อนร่วมงาน
GPT‑5.3‑Codex เป็นโมเดลแรกของเราที่มีบทบาทสำคัญในการพัฒนาตัวเอง ทีม Codex ใช้เวอร์ชันแรกๆ เพื่อแก้ปัญหาในการเทรน จัดการการใช้งานจริง และวิเคราะห์ผลการทดสอบและการประเมินต่างๆ ซึ่งทำให้ทีมเห็นอย่างชัดเจนว่า Codex ช่วยให้การพัฒนาของตัวเองเดินหน้าได้เร็วขึ้นมากเพียงใด
GPT‑5.3‑Codex GPT‑5.3‑Codex ทำให้ Codex ก้าวจากเอเจนต์ที่เขียนและตรวจทานโค้ดได้ ไปสู่เอเจนต์ที่สามารถทำงานบนคอมพิวเตอร์ได้เกือบทุกอย่างในระดับเดียวกับนักพัฒนาและผู้เชี่ยวชาญ
GPT‑5.3‑Codex ทำคะแนนได้สูงสุดเมื่อเทียบกับโมเดลอื่นบน SWE-Bench Pro และ Terminal-Bench และแสดงประสิทธิภาพที่แข็งแกร่งบน OSWorld และ GDPval ซึ่งเป็นชุดการประเมินทั้งที่เราใช้วัดความสามารถด้านการเขียนโค้ด การทำงานแบบเอเจนต์ และการใช้งานจริง
GPT‑5.3‑Codex ทำผลงานได้ในระดับแนวหน้าในการประเมิน SWE-Bench Pro ซึ่งเป็นการประเมินงานวิศวกรรมซอฟต์แวร์ที่มีความเข้มงวดสูง ในขณะที่ SWE-Bench Verified ทดสอบเฉพาะภาษา Python เท่านั้น การทดสอบ SWE-Bench Pro นั้นครอบคลุมสี่ภาษา และให้ความสำคัญกับความทนต่อการปนเปื้อนของข้อมูล ความท้าทาย ความหลากหลาย และความสอดคล้องกับการใช้งานในอุตสาหกรรม อีกทั้งยังทำคะแนนได้สูงกว่าผลลัพธ์ก่อนหน้าบน Terminal-Bench 2.0 ซึ่งเป็นการประเมินทักษะการทำงานบนเทอร์มินัลที่เอเจนต์เขียนโค้ดอย่าง Codex จำเป็นต้องมี ที่สำคัญคือ GPT‑5.3‑Codex ทำได้ทั้งหมดนี้โดยใช้ token น้อยกว่าโมเดลก่อนหน้านี้ทั้งหมด ทำให้ผู้ใช้สามารถสร้างสรรค์ผลงานได้มากขึ้น
การรวมความสามารถด้านการเขียนโค้ดระดับแนวหน้า การปรับปรุงด้านกราฟิก และการทำให้โค้ดกระชับ ส่งผลให้โมเดลสามารถสร้างเกมและแอปที่มีความซับซ้อนและใช้งานได้จริงได้ตั้งแต่ต้นภายในระยะเวลาไม่กี่วัน เพื่อทดสอบความสามารถด้านการพัฒนาเว็บและการทำงานแบบเอเจนต์ที่ต้องดำเนินต่อเนื่องเป็นเวลานาน เราได้ให้ GPT‑5.3‑Codex สร้างเกมขึ้นมาสองเกม ได้แก่ เกมแข่งรถเวอร์ชันที่สองจากการเปิดตัวแอป Codex และเกมดำน้ำ โดยใช้ทักษะการพัฒนาเกมบนเว็บ และคำสั่งติดตามผลแบบทั่วไปที่ตั้งไว้ล่วงหน้า เช่น “แก้ไขบั๊ก” หรือ “ปรับปรุงเกม” GPT‑5.3‑Codex ได้ปรับปรุงและพัฒนาเกมต่อเนื่องด้วยตัวเองผ่านการประมวลผลกว่าหลายล้าน token ชมตัวอย่างเกมและเล่นเกมด้วยตัวเองเพื่อดูว่า Codex ทำอะไรได้บ้าง
เกมแข่งรถที่มีตัวละครนักแข่งให้เลือกหลากหลาย พร้อมสนามทั้งหมด 8 แห่ง และไอเทมให้ใช้งานระหว่างการแข่งขันผ่านปุ่ม Space bar ลองเล่นด้วยตัวเองได้ที่นี่(เปิดในหน้าต่างใหม่)
เกมดำน้ำที่ให้คุณออกสำรวจแนวปะการังหลากหลายแห่ง เก็บสะสมปลาแต่ละชนิดเพื่อบันทึกลงในสารานุกรมปลาในเกม พร้อมจัดการออกซิเจน ความดัน และหลบหลีกอันตรายตลอดการผจญภัย ลองเล่นด้วยตัวเองได้ที่นี่(เปิดในหน้าต่างใหม่)
GPT‑5.3‑Codex เข้าใจเจตนาของคุณได้ดียิ่งขึ้นเมื่อคุณขอให้สร้างเว็บไซต์ที่ใช้ในชีวิตประจำวัน เมื่อเทียบกับ GPT‑5.2‑Codex แม้จะป้อนคำสั่งง่ายๆ หรือคลุมเครือ โมเดลก็สามารถสร้างเว็บไซต์ที่มีฟังก์ชันครบกว่าเดิมพร้อมค่าเริ่มต้นที่ดีขึ้น ช่วยให้คุณเริ่มต่อยอดไอเดียได้ทันที
ตัวอย่างเช่น เราขอให้ GPT‑5.3‑Codex และ GPT‑5.2‑Codex สร้างเว็บไซต์หน้าแรกสองหน้าแบบที่แสดงด้านล่าง GPT‑5.3‑Codex แสดงราคาแพ็กเกจรายปีเป็นราคารายเดือนพร้อมส่วนลดโดยอัตโนมัติ ทำให้เห็นส่วนลดได้ชัดเจนและสมเหตุสมผล แทนการคำนวณจากราคารายปีโดยตรง นอกจากนี้ โมเดลยังสร้างแถบรีวิวแบบเลื่อนเองอัตโนมัติ พร้อมรีวิวจากผู้ใช้สามรายแทนการแสดงเพียงรายเดียว ส่งผลให้หน้าเว็บดูสมบูรณ์และพร้อมใช้งานมากขึ้นตามค่าเริ่มต้น
คำสั่ง: Build a landing page for Quiet KPI a founder friendly weekly metric digest. Aesthetic is soft SaaS, glassy cards, lavender to blue gradient, subtle blur. Sections, hero with email capture, sample report cards grid, integrations row, testimonial carousel, pricing toggle monthly yearly, FAQ, footer.
- Typeface Satoshi or similar geometric sans.
- Buttons soft corners, 14px radius, strong focus states.
- Add one tasteful scroll based reveal.
วิศวกรซอฟต์แวร์ นักออกแบบ ผู้จัดการผลิตภัณฑ์ และนักวิทยาศาสตร์ข้อมูล มีหน้าที่มากกว่าการสร้างโค้ดเพียงอย่างเดียว GPT‑5.3‑Codex ได้รับการออกแบบมาเพื่อสนับสนุนงานทุกขั้นตอนในวงจรชีวิตซอฟต์แวร์ ไม่ว่าจะเป็นการดีบัก การปรับใช้งาน การติดตาม การเขียน PRD การแก้ไขข้อความ การวิจัยผู้ใช้ การทดสอบ การวัดผล และงานอื่นๆ ความสามารถแบบเอเจนต์ของโมเดลไม่ได้จำกัดอยู่แค่ซอฟต์แวร์เท่านั้น แต่ยังช่วยให้คุณสร้างสิ่งที่ต้องการได้ ตั้งแต่สไลด์ไปจนถึงการวิเคราะห์ข้อมูลในสเปรดชีต
ด้วยความสามารถเฉพาะตัวคล้ายกับที่ใช้ใน GDPval รุ่นก่อนหน้า GPT‑5.3-Codex ยังทำคะแนนได้ดีในการทำงานความรู้ระดับมืออาชีพตามการประเมินของ GDPval โดยมีประสิทธิภาพเทียบเท่ากับ GPT‑5.2 GDPval คือชุดประเมินที่ OpenAI เผยแพร่ในปี 2568 สำหรับวัดความสามารถของโมเดลในงานความรู้ที่กำหนดไว้อย่างชัดเจนในหลากหลายอาชีพรวมกว่า 44 สาขา ซึ่งงานเหล่านี้รวมถึงการสร้างพรีเซนเทชัน สเปรตชีต และงานประเภทอื่นๆ
ด้านล่างเป็นตัวอย่างผลงานบางส่วนที่เอเจนต์สร้างขึ้น
คำสั่งพร้อมบริบทของงาน
GPT-5.3-Codex output
OSWorld คือชุดการประเมินความสามารถในการใช้งานคอมพิวเตอร์แบบเอเจนต์ โดยที่เอเจนต์ต้องทำงานด้านผลิตภาพบนเดสก์ท็อปกราฟิก GPT‑5.3‑Codex แสดงให้เห็นถึงความสามารถในการใช้งานคอมพิวเตอร์ที่เหนือกว่า GPT รุ่นก่อนหน้าอย่างมาก
ใน OSWorld-Verified โมเดลใช้ความสามารถด้านการมองเห็นเพื่อทำงานบนคอมพิวเตอร์ที่หลากหลายให้สำเร็จ โดยมนุษย์ทำคะแนนได้ประมาณ 72%
เมื่อพิจารณาร่วมกัน ผลลัพธ์ทั้งด้านการเขียนโค้ด การพัฒนาแบบ frontend การใช้คอมพิวเตอร์ และงานเชิงเทคนิคต่างๆ แสดงให้เห็นว่า GPT‑5.3‑Codex ไม่เพียงแต่ทำงานแต่ละงานได้ดีขึ้นเท่านั้น แต่ยังเป็นก้าวสำคัญไปสู่เอเจนต์อเนกประสงค์ตัวเดียวที่สามารถให้เหตุผล สร้าง และปฏิบัติงานครอบคลุมงานเทคนิคหลายด้าน
เมื่อความสามารถของโมเดลเพิ่มขึ้น ช่องว่างจึงไม่ได้อยู่ที่สิ่งที่เอเจนต์ทำได้อีกต่อไป แต่เปลี่ยนเป็นความสะดวกในการที่มนุษย์จะโต้ตอบ กำกับ และควบคุมเอเจนต์หลายตัวที่ทำงานพร้อมกัน แอป Codex ช่วยให้การจัดการและกำกับเอเจนต์ง่ายขึ้นอย่างมาก และตอนนี้ GPT‑5.3‑Codex ทำให้ผู้ใช้สามารถโต้ตอบกับเอเจนต์ได้ลื่นไหลกว่าเดิม Codex รุ่นใหม่มีฟีเจอร์แจ้งความคืบหน้าอย่างสม่ำเสมอ ทำให้คุณรับทราบถึงการตัดสินใจสำคัญและสถานะความคืบหน้าของโมเดลในระหว่างที่ทำงาน โดยคุณสามารถโต้ตอบแบบเรียลไทม์ ถามคำถาม พูดคุยถึงแนวทาง และชี้แนะโมเดลไปสู่วิธีแก้ไข โดยไม่ต้องรอผลลัพธ์สุดท้ายแต่อย่างใด GPT‑5.3‑Codex จะอธิบายขั้นตอนที่กำลังทำ ตอบกลับข้อเสนอแนะ และแจ้งความคืบหน้าให้คุณทราบตั้งแต่ต้นจนจบ
เปิดการนำทางขณะโมเดลทำงานได้ที่ Settings > General > Follow-up behavior
ความก้าวหน้าล่าสุดของ Codex เกิดขึ้นบนพื้นฐานของงานวิจัยทั่วทั้ง OpenAI ที่ดำเนินต่อเนื่องหลายเดือนหรือหลายปี โครงการวิจัยเหล่านี้เดินหน้าเร็วขึ้นด้วย Codex และนักวิจัยกับวิศวกรจำนวนมากของ OpenAI รู้สึกว่างานของพวกเขาเปลี่ยนไปอย่างมากเมื่อเทียบกับสองเดือนก่อน แม้แต่เวอร์ชันแรกๆ ของ GPT‑5.3‑Codex ก็แสดงศักยภาพที่ยอดเยี่ยม ทำให้ทีมของเราสามารถใช้เวอร์ชันเหล่านี้ในการปรับปรุงกระบวนการเทรน และสนับสนุนการปรับใช้งานรุ่นถัดไปได้
Codex มีประโยชน์กับงานหลากหลายประเภท จนยากที่จะระบุทั้งหมดว่า Codex ช่วยทีมของเราในด้านไหนบ้าง ยกตัวอย่างเช่น ทีมวิจัยใช้ Codex เพื่อติดตามและดีบักการเทรนโมเดลสำหรับเวอร์ชันนี้ Codex ช่วยเร่งงานวิจัยในหลายมิติ ไม่ใช่เพียงแค่ดีบักระบบเท่านั้น แต่ยังช่วยติดตามรูปแบบระหว่างการเทรน วิเคราะห์คุณภาพการโต้ตอบอย่างละเอียด เสนอแนวทางแก้ไข และสร้างเครื่องมือที่ช่วยให้นักวิจัยเข้าใจความแตกต่างของพฤติกรรมโมเดลเมื่อเทียบกับรุ่นก่อนอย่างชัดเจน
ทีมวิศวกรรมใช้ Codex เพื่อปรับแต่งและปรับใช้อุปกรณ์ทดสอบสำหรับ GPT‑5.3‑Codex เมื่อพบกรณีผิดปกติที่กระทบผู้ใช้ ทีมงานใช้ Codex ช่วยระบุบั๊กในการเรนเดอร์บริบท และวิเคราะห์หาสาเหตุของอัตราการเข้าถึงแคชที่ต่ำ GPT‑5.3‑Codex ยังคงช่วยทีมตลอดในช่วงการเปิดตัวด้วยการปรับขนาดคลัสเตอร์ GPU แบบไดนามิกเพื่อตอบสนองต่อปริมาณทราฟฟิกที่เพิ่มขึ้น และรักษาความหน่วงเวลาให้คงที่
ในระหว่างการทดสอบรุ่นอัลฟา นักวิจัยต้องการวัดปริมาณงานเพิ่มเติมที่ GPT‑5.3‑Codex ทำต่อรอบ และดูว่าส่งผลต่อประสิทธิภาพอย่างไร GPT‑5.3‑Codex ได้สร้างตัวจำแนกแบบ regex ง่ายๆ หลายตัวเพื่อประเมินความถี่ของคำชี้แจง การตอบสนองเชิงบวกและเชิงลบของผู้ใช้ ความคืบหน้าของงาน ก่อนจะรันบันทึกทุกเซสชันและสร้างรายงานสรุปผล ผู้ใช้ที่สร้างผลงานด้วย Codex มีความพึงพอใจมากขึ้น เพราะเอเจนต์เข้าใจเจตนาของพวกเขาได้ดีขึ้น ทำงานได้มากขึ้นต่อเทิร์น และถามย้ำลดลง
เนื่องจาก GPT‑5.3‑Codex มีความแตกต่างจากรุ่นก่อนหน้าอย่างมาก ข้อมูลจากการทดสอบอัลฟาจึงเต็มไปด้วยผลลัพธ์ที่คาดไม่ถึงและขัดกับความเข้าใจทั่วไปหลายจุด นักวิทยาศาสตร์ข้อมูลของทีมใช้ GPT‑5.3‑Codex สร้างระบบประมวลผลข้อมูลใหม่ โดยสามารถแสดงผลลัพธ์ได้ละเอียดและชัดเจนกว่าที่แดชบอร์ดมาตรฐานทำได้ ผลลัพธ์เหล่านี้ถูกวิเคราะห์ร่วมกับ Codex ซึ่งสามารถสรุปประเด็นสำคัญจากข้อมูลหลายพันจุดได้อย่างแม่นยำและกระชับภายในเวลาไม่ถึงสามนาที
งานแต่ละตัวอย่างล้วนสะท้อนให้เห็นอย่างชัดเจนว่า Codex สามารถช่วยนักวิจัยและผู้สร้างผลิตภัณฑ์ได้ เมื่อมองภาพรวม พบว่าความสามารถใหม่เหล่านี้ช่วยเพิ่มประสิทธิภาพการทำงานของทีมวิจัย วิศวกรรม และผลิตภัณฑ์อย่างมาก
ในช่วงหลายเดือนที่ผ่านมา เราได้เห็นความสามารถของโมเดลในงานด้านความปลอดภัยไซเบอร์พัฒนาขึ้นอย่างชัดเจน ซึ่งเป็นประโยชน์ทั้งต่อนักพัฒนาและผู้เชี่ยวชาญด้านความปลอดภัย ในขณะเดียวกัน เราได้ เตรียมกลไกความปลอดภัยด้านไซเบอร์ที่เข้มแข็งยิ่งขึ้น เพื่อรองรับการใช้งานเชิงป้องกันและเสริมความยืดหยุ่นให้กับระบบนิเวศโดยรวม
GPT‑5.3‑Codex เป็นโมเดลตัวแรกที่เราจัดอยู่ในระดับ ความสามารถสูง (High) สำหรับงานที่เกี่ยวข้องกับความปลอดภัยไซเบอร์ภายใต้ กรอบการเตรียมความพร้อม (Preparedness Framework) และเป็นโมเดลตัวแรกที่เราเทรนให้ระบุช่องโหว่ของซอฟต์แวร์ได้โดยตรง แม้เรายังไม่มีหลักฐานยืนยันแน่ชัดว่าโมเดลนี้สามารถดำเนินการโจมตีทางไซเบอร์ได้ครบกระบวนการด้วยตนเอง เราได้เลือกใช้แนวทางเชิงป้องกันไว้ก่อน และนำชุดกลไกความปลอดภัยด้านไซเบอร์ที่ครอบคลุมที่สุดเท่าที่เราเคยใช้มาใช้งาน มาตรการบรรเทาความเสี่ยงของเราประกอบด้วยการเทรนด้านความปลอดภัย ระบบติดตามตรวจสอบอัตโนมัติ การจำกัดการเข้าถึงความสามารถขั้นสูงสำหรับผู้ใช้ที่ผ่านการรับรอง และกระบวนการบังคับใช้ที่อาศัยข้อมูลข่าวกรองด้านภัยคุกคาม
เนื่องจากงานด้านความปลอดภัยไซเบอร์สามารถนำไปใช้ได้ทั้งในทางป้องกันและในทางที่ผิด เราจึงใช้แนวทางที่อ้างอิงหลักฐานและมีการปรับปรุงอย่างต่อเนื่อง เพื่อช่วยให้ผู้ป้องกันภัยไซเบอร์ค้นหาและแก้ไขช่องโหว่ได้รวดเร็วขึ้น พร้อมทั้งชะลอการนำไปใช้ในทางที่ไม่เหมาะสม ภายใต้แนวทางนี้ เราได้เปิดตัว Trusted Access for Cyber ซึ่งเป็นโครงการนำร่องเพื่อช่วยให้การวิจัยด้านการป้องกันภัยไซเบอร์เดินหน้าได้เร็วขึ้น
เราลงทุนในกลไกความปลอดภัยของระบบนิเวศอย่างต่อเนื่อง เช่น การขยาย private beta (การทดสอบแบบจำกัดกลุ่ม) ของ Aardvark ซึ่งเป็นเอเจนต์สำหรับการวิจัยด้านความปลอดภัยของเรา และเป็นเครื่องมือแรกในชุดผลิตภัณฑ์และเครื่องมือ Codex Security นอกจากนี้ เรายังร่วมมือกับผู้ดูแลโครงการโอเพนซอร์ส เพื่อให้บริการสแกนโค้ดเบสฟรีสำหรับโปรเจกต์ที่มีการใช้งานอย่างแพร่หลาย เช่น Next.js ซึ่งนักวิจัยด้านความปลอดภัยได้ใช้ Codex เพื่อค้นพบช่องโหว่ และมีการเปิดเผย(เปิดในหน้าต่างใหม่)เมื่อสัปดาห์ที่ผ่านมา
หลังจากการเปิดตัวโครงการ Cybersecurity Grant Program มูลค่า 1 ล้านเหรียญสหรัฐในปี 2566 เราได้มอบเครดิต API เพิ่มอีก 10 ล้านเหรียญสหรัฐ เพื่อสนับสนุนการป้องกันภัยไซเบอร์ด้วยโมเดลที่มีความสามารถสูงที่สุดของเรา โดยมุ่งเน้นเป็นพิเศษไปที่ซอฟต์แวร์โอเพนซอร์สและระบบโครงสร้างพื้นฐานที่มีความสำคัญ โดยองค์กรที่ดำเนินงานวิจัยด้านความปลอดภัยไซเบอร์ด้วยเจตนาที่สุจริต สามารถสมัครขอรับเครดิต API และการสนับสนุนเพิ่มเติมได้ผ่านโครงการ Cybersecurity Grant Program
GPT‑5.3‑Codex พร้อมให้ใช้งานบนแพ็กเกจ ChatGPT แบบชำระเงิน และสามารถใช้งานได้ในทุกช่องทางที่รองรับ Codex ไม่ว่าจะเป็นแอป, CLI, ส่วนขยายสำหรับ IDE หรือบนเว็บ และจะเปิดให้ใช้งานผ่าน API อย่างปลอดภัยในเร็วๆ นี้
พร้อมกันนี้ การอัปเดตครั้งนี้ทำให้ GPT‑5.3‑Codex ทำงานได้เร็วขึ้น 25% สำหรับผู้ใช้ Codex จากการปรับปรุงโครงสร้างพื้นฐานและระบบ inference ส่งผลให้การโต้ตอบและผลลัพธ์มีความรวดเร็วขึ้น
GPT‑5.3‑Codex ได้รับการออกแบบร่วม เทรน และให้บริการบนระบบ NVIDIA GB200 NVL72 เราขอขอบคุณ NVIDIA สำหรับความร่วมมือในครั้งนี้
GPT‑5.3‑Codex ทำให้ Codex ไม่ได้หยุดอยู่แค่การเขียนโค้ด แต่สามารถใช้โค้ดเป็นเครื่องมือในการควบคุมคอมพิวเตอร์และทำงานให้เสร็จแบบครบวงจรได้ตั้งแต่ต้นจนจบ เมื่อความสามารถของเอเจนต์ด้านการเขียนโค้ดก้าวไปไกลขึ้น ขอบเขตของงานความรู้ก็ขยายตามไปด้วย ตั้งแต่การสร้างและนำซอฟต์แวร์ไปใช้งานจริง จนถึงการค้นคว้า วิเคราะห์ และลงมือทำงานที่มีความซับซ้อน จากจุดเริ่มต้นในการมุ่งเป็นเอเจนต์เขียนโค้ดที่ดีที่สุด Codex ได้พัฒนาเป็นรากฐานของผู้ช่วยที่ทำงานร่วมกับคอมพิวเตอร์ได้อย่างรอบด้าน ทำให้ผู้คนสามารถสร้างและทำงานในรูปแบบที่ Codex รองรับได้มากขึ้น
GPT‑5.3‑Codex (xhigh) | GPT‑5.2‑Codex (xhigh) | GPT‑5.2 (xhigh) | |
SWE-Bench Pro (เวอร์ชันสาธารณะ) | 56.8% | 56.4% | 55.6% |
Terminal-Bench 2.0 | 77.3% | 64.0% | 62.2% |
OSWorld-Verified | 64.7% | 38.2% | 37.9% |
GDPval (ชนะหรือเสมอ) | 70.9% | - | 70.9% (high) |
โจทย์ด้านความปลอดภัยไซเบอร์แบบ Capture The Flag | 77.6% | 67.4% | 67.7% |
SWE-lancer IC Diamond | 81.4% | 76.0% | 74.6% |
