Giới thiệu GPT‑5.3‑Codex

Chúng tôi đang giới thiệu một mô hình mới mở khóa nhiều hơn những gì Codex có thể làm: GPT‑5.3‑CODEX, mô hình mã hóa đại lý có khả năng nhất cho đến nay. Mô hình nâng cao cả hiệu suất mã hóa biên giới của GPT‑5.2‑CODEX và khả năng lập luận và kiến thức chuyên môn của GPT‑5.2, cùng nhau trong một mô hình, cũng nhanh hơn 25%. Điều này cho phép nó đảm nhận các nhiệm vụ lâu dài liên quan đến nghiên cứu, sử dụng công cụ và thực hiện phức tạp. Giống như một đồng nghiệp, bạn có thể điều khiển và tương tác với GPT‑5.3‑CODEX trong khi nó đang hoạt động mà không làm mất bối cảnh.

GPT‑5.3‑codex là mô hình đầu tiên của chúng tôi có công cụ tạo ra chính nó. Nhóm Codex đã sử dụng các phiên bản đầu tiên để gỡ lỗi khóa đào tạo của riêng mình, quản lý triển khai của riêng mình và chẩn đoán kết quả kiểm tra và đánh giá - nhóm của chúng tôi đã bị choáng ngợp bởi mức độ Codex có thể đẩy nhanh quá trình phát triển của chính nó.

Với GPT‑5.3‑Codex, Codex đi từ một tác nhân có thể viết và xem lại mã thành một tác nhân có thể làm gần như bất cứ điều gì các nhà phát triển và chuyên gia có thể làm trên máy tính.

GPT‑5.3‑Codex thiết lập một tiêu chuẩn cao mới của ngành trên SWE-Bench Pro và Terminal-Bench, và cho thấy hiệu suất mạnh mẽ trên OSWorld và GDPval, bốn tiêu chuẩn mà chúng tôi sử dụng để đo lường khả năng viết mã, tự động hóa và khả năng trong thế giới thực.

GPT‑5.3‑Codex đạt được hiệu suất hàng đầu trên SWE-Bench Pro, một bài đánh giá nghiêm ngặt về kỹ thuật phần mềm thực tế. Trong khi SWE‑bench Verified chỉ kiểm tra Python, SWE‑Bench Pro bao phủ bốn ngôn ngữ và có khả năng chống nhiễm bẩn tốt hơn, thách thức, đa dạng và có liên quan đến công nghiệp. Nó cũng vượt xa hiệu suất hiện đại trước đây trên Terminal-Bench 2.0, đo lường các kỹ năng thiết bị đầu cuối mà một tác nhân mã hóa như Codex cần. Đáng chú ý, GPT‑5.3‑Codex làm như vậy với ít token hơn bất kỳ mô hình nào trước đó, cho phép người dùng xây dựng nhiều hơn.

Kết hợp khả năng mã hóa biên giới, cải tiến về tính thẩm mỹ và độ nén dẫn đến một mô hình có thể thực hiện công việc ấn tượng, xây dựng các trò chơi và ứng dụng phức tạp có chức năng cao từ đầu trong suốt nhiều ngày. Để kiểm tra khả năng phát triển web và năng lực tác nhân có thể chạy lâu dài của mô hình, chúng tôi đã yêu cầu GPT‑5.3‑Codex xây dựng cho chúng tôi hai trò chơi: phiên bản thứ hai của trò chơi đua xe từ ra mắt ứng dụng Codex⁠, và một trò chơi lặn. Sử dụng kỹ năng phát triển trò chơi web và các câu lệnh theo dõi chung, được chọn trước như "sửa lỗi" hoặc "cải thiện trò chơi", GPT‑5.3‑Codex được lặp lại trên các trò chơi một cách tự động trên hàng triệu mã thông báo. Xem đoạn giới thiệu và chơi các trò chơi cho chính mình để xem Codex có thể làm gì.

GPT‑5.3‑Codex cũng hiểu rõ hơn ý định của bạn khi bạn yêu cầu nó tạo các trang web hàng ngày, so với GPT‑5.2‑Codex. Các lời nhắc đơn giản hoặc chưa được xác định giờ đây mặc định là các trang web có nhiều chức năng hơn và mặc định hợp lý, mang đến cho bạn một khung vẽ khởi đầu mạnh mẽ hơn để đưa ý tưởng của bạn vào cuộc sống.

Ví dụ, chúng tôi đã yêu cầu GPT‑5.3‑Codex và GPT‑5.2‑Codex xây dựng hai trang đích như bên dưới. GPT‑5.3‑Codex tự động hiển thị gói hàng năm dưới dạng giá chiết khấu hàng tháng, làm cho chiết khấu trở nên rõ ràng và có chủ ý, thay vì nhân tổng số hàng năm. Nó cũng tạo ra một băng chuyền lời chứng thực tự động chuyển đổi với ba trích dẫn riêng biệt của người dùng thay vì một, dẫn đến một trang cảm thấy hoàn chỉnh hơn và sẵn sàng sản xuất theo mặc định.

Các kỹ sư phần mềm, nhà thiết kế, quản lý sản phẩm và nhà khoa học dữ liệu làm nhiều việc hơn là tạo mã. GPT‑5.3‑Codex được xây dựng để hỗ trợ tất cả các công việc trong vòng đời phần mềm — gỡ lỗi, triển khai, giám sát, viết PRD, chỉnh sửa bản sao, nghiên cứu người dùng, kiểm tra, số liệu, v.v. Khả năng đại lý của nó vượt ra ngoài phần mềm, giúp bạn xây dựng bất cứ thứ gì bạn muốn xây dựng—cho dù đó là bộ trang trình chiếu hay phân tích dữ liệu trong trang tính.

Với các kỹ năng chuyên biệt tương tự như những kỹ năng đã được sử dụng cho kết quả GDPval trước đây của chúng tôi, GPT‑5.3‑Codex cũng cho thấy hiệu suất mạnh mẽ trong công việc đòi hỏi kiến thức chuyên môn được đo lường bằng GDPval⁠, tương đương với GPT‑5.2. GDPVal là một đánh giá OpenAI được phát hành vào năm 2025 để đo lường hiệu suất của một mô hình đối với các nhiệm vụ công việc tri thức được xác định rõ ràng trên 44 ngành nghề. Những nhiệm vụ này bao gồm những thứ như thuyết trình, bảng tính và các sản phẩm công việc khác.

Dưới đây là một vài ví dụ về công việc mà đại lý đã sản xuất.

OSWorld là một chuẩn mực sử dụng máy tính đại lý, trong đó đại lý phải hoàn thành các tác vụ năng suất trong môi trường máy tính để bàn trực quan. GPT‑5.3‑Codex thể hiện khả năng sử dụng máy tính mạnh hơn nhiều so với các mô hình GPT trước đây.

Cùng với nhau, những kết quả này trên các tác vụ mã hóa, giao diện người dùng và sử dụng máy tính và thực tế cho thấy GPT‑5.3‑Codex Không chỉ tốt hơn trong các nhiệm vụ riêng lẻ, mà còn đánh dấu một bước thay đổi hướng tới một tác nhân có mục đích chung duy nhất có thể lý luận, xây dựng và thực hiện trên toàn bộ phạm vi công việc kỹ thuật trong thế giới thực.

Khi khả năng mô hình trở nên mạnh mẽ hơn, khoảng cách thay đổi từ những gì các tác nhân có khả năng làm sang mức độ dễ dàng mà con người có thể tương tác, chỉ đạo và giám sát nhiều người trong số họ làm việc song song. Ứng dụng Codex giúp việc quản lý và chỉ đạo các đại lý dễ dàng hơn nhiều và bây giờ với GPT‑5.3‑Codex Nó có tính tương tác hơn. Với mô hình mới, Codex cung cấp các bản cập nhật thường xuyên để bạn luôn được đánh giá về các quyết định quan trọng và tiến trình khi nó hoạt động. Thay vì chờ đợi kết quả cuối cùng, bạn có thể tương tác trong thời gian thực — đặt câu hỏi, thảo luận về cách tiếp cận và hướng tới giải pháp. GPT‑5.3‑Codex nói về những gì nó đang làm, phản hồi phản hồi và giúp bạn cập nhật thông tin từ đầu đến cuối.

Những cải tiến nhanh chóng gần đây của Codex được xây dựng dựa trên thành quả của các dự án nghiên cứu kéo dài nhiều tháng hoặc nhiều năm trên tất cả OpenAI. Các dự án nghiên cứu này đang được Codex đẩy nhanh, với nhiều nhà nghiên cứu và kỹ sư tại OpenAI mô tả công việc của họ ngày nay là khác biệt về cơ bản so với những gì chỉ cách đây hai tháng. Ngay cả các phiên bản đầu tiên của GPT‑5.3‑Codex thể hiện khả năng đặc biệt, cho phép nhóm của chúng tôi làm việc với các phiên bản trước đó để cải thiện đào tạo và hỗ trợ triển khai các phiên bản mới hơn.

Codex rất hữu ích cho một loạt các nhiệm vụ, gây khó khăn cho việc liệt kê đầy đủ các cách mà nó giúp các nhóm của chúng tôi. Như một số ví dụ, nhóm nghiên cứu đã sử dụng Codex để theo dõi và gỡ lỗi quá trình đào tạo cho bản phát hành này. Nó đẩy nhanh nghiên cứu ngoài việc gỡ lỗi các vấn đề cơ sở hạ tầng: nó giúp theo dõi các mô hình trong suốt quá trình đào tạo, cung cấp phân tích sâu về chất lượng tương tác, đề xuất các bản sửa lỗi và xây dựng các ứng dụng phong phú cho các nhà nghiên cứu con người để hiểu chính xác hành vi của mô hình khác nhau như thế nào so với các mô hình trước đó.

Nhóm kỹ sư đã sử dụng Codex để tối ưu hóa và điều chỉnh dây nịt cho GPT‑5.3‑Codex. Khi chúng tôi bắt đầu thấy các trường hợp cạnh lạ ảnh hưởng đến người dùng, các thành viên trong nhóm đã sử dụng Codex để xác định lỗi kết xuất ngữ cảnh và nguyên nhân gốc rễ gây ra tỷ lệ truy cập bộ nhớ đệm thấp. GPT‑5.3‑CODEX đang tiếp tục giúp nhóm trong suốt quá trình ra mắt bằng cách tự động mở rộng các cụm GPU để điều chỉnh theo sự gia tăng lưu lượng truy cập và giữ độ trễ ổn định.

Trong quá trình thử nghiệm alpha, một nhà nghiên cứu muốn hiểu GPT‑5.3‑CODEX đang thực hiện bao nhiêu công việc bổ sung trên mỗi lượt và sự khác biệt liên quan về năng suất. GPT‑5.3‑Codex đã đưa ra một số bộ phân loại regex đơn giản để ước tính tần suất làm rõ, phản hồi tích cực và tiêu cực của người dùng, tiến độ trong nhiệm vụ, sau đó chạy chúng một cách mở rộng trên tất cả các nhật ký phiên và tạo ra một báo cáo với kết luận của nó. Những người xây dựng với Codex hạnh phúc hơn vì đại lý hiểu rõ hơn ý định của họ và đạt được nhiều tiến bộ hơn mỗi lượt, với ít câu hỏi làm rõ hơn.

Do GPT‑5.3‑Codex rất khác so với những người tiền nhiệm của nó, dữ liệu từ thử nghiệm alpha cho thấy nhiều kết quả bất thường và phản trực giác. Một nhà khoa học dữ liệu trong nhóm đã làm việc với GPT‑5.3‑Codex để xây dựng các đường ống dữ liệu mới và trực quan hóa kết quả phong phú hơn nhiều so với các công cụ bảng điều khiển tiêu chuẩn của chúng tôi được kích hoạt. Kết quả được đồng phân tích với Codex, trong đó tóm tắt ngắn gọn những hiểu biết chính về hàng nghìn điểm dữ liệu trong vòng chưa đầy ba phút.

Cá nhân, tất cả các nhiệm vụ này là những ví dụ thú vị về cách Codex có thể giúp các nhà nghiên cứu và nhà xây dựng sản phẩm. Kết hợp lại, chúng tôi nhận thấy rằng những khả năng mới này dẫn đến sự tăng tốc mạnh mẽ của các nhóm nghiên cứu, kỹ thuật và sản phẩm của chúng tôi.

Trong những tháng gần đây, chúng tôi đã thấy những cải thiện đáng kể về hiệu suất mô hình đối với các tác vụ an ninh mạng, mang lại lợi ích cho cả nhà phát triển và các chuyên gia bảo mật. Song song đó, chúng tôi đang chuẩn bị các biện pháp bảo vệ mạng tăng cường⁠ để hỗ trợ việc sử dụng phòng thủ và khả năng phục hồi hệ sinh thái rộng lớn hơn.

GPT‑5.3‑Codex là mô hình đầu tiên chúng tôi phân loại là Khả năng cao⁠ cho các tác vụ liên quan đến an ninh mạng theo Khung chuẩn bị⁠, và là mô hình đầu tiên chúng tôi đã trực tiếp đào tạo để xác định các lỗ hổng phần mềm. Mặc dù chúng tôi không có bằng chứng chắc chắn rằng nó có thể tự động hóa các cuộc tấn công mạng từ đầu đến cuối, nhưng chúng tôi đang thực hiện một cách tiếp cận phòng ngừa và triển khai ngăn chặn an toàn an ninh mạng toàn diện nhất của chúng tôi cho đến nay. Các biện pháp giảm thiểu của chúng tôi bao gồm đào tạo an toàn, giám sát tự động, truy cập đáng tin cậy cho các khả năng nâng cao và các đường ống thực thi bao gồm thông tin tình báo về mối đe dọa.

Bởi vì an ninh mạng vốn dĩ là sử dụng kép, chúng tôi đang áp dụng phương pháp tiếp cận lặp đi lặp lại dựa trên bằng chứng để tăng tốc khả năng tìm và sửa chữa các lỗ hổng của những người bảo vệ trong khi làm chậm việc lạm dụng. Trong khuôn khổ này, chúng tôi đang ra mắt Trusted Access for Cyber⁠, một chương trình thử nghiệm nhằm tăng tốc nghiên cứu phòng thủ mạng.

Chúng tôi đang đầu tư vào các biện pháp bảo vệ hệ sinh thái, chẳng hạn như mở rộng bản beta riêng tư của Aardvark⁠, tác nhân nghiên cứu bảo mật của chúng tôi, như sản phẩm đầu tiên trong bộ sản phẩm và công cụ Codex Security của chúng tôi, đồng thời hợp tác với các nhà duy trì mã nguồn mở để cung cấp dịch vụ quét cơ sở mã miễn phí cho các dự án được sử dụng rộng rãi như Next.js—nơi một nhà nghiên cứu bảo mật đã sử dụng Codex để tìm ra các lỗ hổng đã được công bố⁠(mở trong cửa sổ mới) vào tuần trước.

Dựa trên Chương trình Tài trợ An ninh mạng trị giá 1 triệu đô la của chúng tôi được ra mắt vào năm 2023, chúng tôi cũng cam kết tín dụng API 10 triệu đô la để tăng tốc phòng thủ mạng với các mô hình có khả năng nhất của chúng tôi, đặc biệt là đối với phần mềm nguồn mở và các hệ thống cơ sở hạ tầng quan trọng. Các tổ chức tham gia vào nghiên cứu bảo mật thiện chí có thể đăng ký các khoản tín dụng API và hỗ trợ thông qua Chương trình Tài trợ An ninh mạng⁠ của chúng tôi.

GPT‑5.3‑Codex có sẵn với các gói ChatGPT trả phí, ở mọi nơi bạn có thể sử dụng Codex: ứng dụng, CLI, tiện ích mở rộng IDE và web. Chúng tôi đang làm việc để sớm kích hoạt truy cập API một cách an toàn.

Với bản cập nhật này, chúng tôi cũng đang chạy GPT‑5.3‑Codex Nhanh hơn 25% cho người dùng Codex, nhờ những cải tiến trong cơ sở hạ tầng và ngăn xếp suy luận của chúng tôi, dẫn đến tương tác nhanh hơn và kết quả nhanh hơn.

GPT‑5.3‑Codex được đồng thiết kế, đào tạo và phục vụ trên các hệ thống NVIDIA GB200 NVL72. Chúng tôi rất biết ơn NVIDIA vì sự hợp tác của họ.

Với GPT‑5.3‑Codex, Codex đang vượt ra ngoài việc viết mã để sử dụng nó như một công cụ để vận hành máy tính và hoàn thành công việc từ đầu đến cuối. Bằng cách đẩy mạnh những gì một tác nhân mã hóa có thể làm, chúng tôi cũng mở khóa một lớp công việc kiến thức rộng hơn — từ xây dựng và triển khai phần mềm đến nghiên cứu, phân tích và thực hiện các tác vụ phức tạp. Những gì bắt đầu là tập trung vào việc trở thành tác nhân mã hóa tốt nhất đã trở thành nền tảng cho một cộng tác viên tổng quát hơn trên máy tính, mở rộng cả những người có thể xây dựng và những gì có thể với Codex.