我們推出全新 GPT‑5.3‑Codex，進一步擴展 Codex 的能力，帶來迄今為止最強大的代理式編碼模型。此模型同時提升了 GPT‑5.2‑Codex 的前沿編碼表現，以及 GPT‑5.2 的推理能力與專業知識，並將兩者整合於同一模型之中，速度亦提升 25%。這讓模型能處理涉及研究、工具操作與複雜執行的長時間任務。就如與同事合作一樣，你可以在 GPT‑5.3‑Codex 執行工作期間持續引導與互動，而不會失去既有的情境脈絡。
GPT‑5.3‑Codex 是我們首個在自身開發過程中發揮關鍵作用的模型。Codex 團隊使用早期版本對訓練流程偵錯、管理部署，以及分析測試結果與評估，而團隊對 Codex 能大幅加快自身開發進度感到非常驚喜。
隨著 GPT‑5.3‑Codex 的推出，Codex 由一個能編寫與審閱程式碼的智能代理，進化為能在電腦上完成幾乎所有開發人員和專業人士日常工作的智能代理。
GPT‑5.3‑Codex 在 SWE-Bench Pro 與 Terminal-Bench 上創下業界新高，並在 OSWorld 與 GDPval 兩項基準測試中展現強勁表現。這四項評測基準是我們用來衡量編碼、代理能力及真實世界任務表現的重要指標。
GPT‑5.3‑Codex 在 SWE-Bench Pro 上達到最新技術水平。該測試以真實世界軟件工程為基礎，評估標準嚴謹。與只測試 Python 的 SWE-bench Verified 不同，SWE-Bench Pro 涵蓋四種程式語言，而且測試更具抗污染性、挑戰性、多樣性和工業相關性。模型在 Terminal-Bench 2.0 上的表現亦遠超以往最佳成績。該測試主要評估 Codex 這類編碼智能代理所需的終端操作能力。值得注意的是，GPT‑5.3‑Codex 在達成這些成果時所使用的 Token 數量比任何過往模型都更少，這代表用戶可以建立更多內容。
結合前沿編碼能力、美學提升及壓縮優化，GPT‑5.3‑Codex 能完成驚人的工作，例如在數日內從零建立功能完整且複雜的遊戲與應用程式。為了測試模型在網頁開發及長時間代理任務上的能力，我們以 GPT‑5.3‑Codex 建立了兩款遊戲，包括 Codex 應用程式發佈時所展示賽車遊戲的第二版，以及一款潛水遊戲。透過網絡遊戲開發技能，以及預先設定的通用跟進提示詞（例如「修正錯誤」或「改進遊戲」），GPT‑5.3‑Codex 可以利用數百萬 Token，自主反覆優化這些作品。你可以觀看預告片並親自體驗遊戲，了解 Codex 的實際能力。
這款賽車遊戲包含多位賽車手和 8 張地圖，並支援使用空白鍵來啟動道具。在此親自試玩（在新視窗中開啟）！
這款潛水遊戲讓你探索不同珊瑚礁，收集各類魚種以完成你的魚類圖鑑，同時需要管理氧氣、壓力與各種環境風險。在此親自試玩（在新視窗中開啟）！
與 GPT‑5.2‑Codex 相比，GPT‑5.3‑Codex 在建立日常網站時亦能更準確理解你的意圖。即使提示詞簡單或描述不足，模型亦會預設生成功能更完整、預設值更合理的網站，讓你從更成熟的起點開始實現創意。
例如，我們要求 GPT‑5.3‑Codex 與 GPT‑5.2‑Codex 各自建立下方兩個登陸頁面。GPT‑5.3‑Codex 會自動把年度計劃顯示為折扣後的月費價格，讓優惠更清晰顯眼，而不是單純計算年度總價。同時，GPT‑5.3‑Codex 亦建立了一個自動切換的用戶推薦輪播區，包含三段不同用戶評價，而非只有單一內容，令整個頁面在一開始就更完整，同時更接近可投入生產的水平。
提示詞：為 Quiet KPI 建立一個登陸頁面，內容為向創辦人提供的每週指標摘要。風格為柔和 SaaS 視覺，玻璃質感資訊卡，採用薰衣草色至藍色漸層，帶細緻模糊效果。版面包括：主視覺區（包含電郵收集）、示例報告資訊卡網格、整合服務列、用戶推薦輪播、月費／年費價格切換、常見問題及頁尾。- 字體使用 Satoshi 或類似幾何無襯線字體。
- 按鈕採用柔和圓角（14px 半徑），清晰的焦點狀態- 加入一個低調的捲動觸發動畫效果。
軟件工程師、設計師、產品經理及數據科學家所做的，遠不只是生成程式碼。GPT‑5.3‑Codex 旨在支援整個軟件生命週期中的各項工作，包括偵錯、部署、監控、撰寫 PRD、內容編輯、用戶研究、測試、指標分析等。其代理式能力亦不限於軟件領域，無論是製作簡報，還是分析試算表中的數據，都能協助你建立想要的成果。
透過與我們早前 GDPval 評測所使用的自訂技能類似的設定，GPT‑5.3‑Codex 在專業知識工作上的表現同樣強勁，並在 GDPval 測試中達到與 GPT‑5.2 相當的水平。GDPval 是 OpenAI 於 2025 年推出的評測，當中涵蓋 44 種職業，用以衡量定義明確的知識工作任務表現，並包含建立簡報、試算表及其他工作成品等情境。
以下為智能代理所完成工作的部分示例。
提示詞及任務情境
GPT-5.3-Codex output
OSWorld 是一項代理式電腦操作基準測試，要求智能代理在視覺化桌面環境中完成各類生產力任務。GPT‑5.3‑Codex 在電腦操作能力方面明顯超越以往 GPT 模型。
在 OSWorld-Verified 測試中，模型需要透過視覺能力完成多種電腦操作任務，人類平均得分約為 72%。
綜合編碼、前端開發、電腦操作及真實世界任務等多項成果可見，GPT‑5.3‑Codex 不只是單一任務表現更佳，而是邁向能在整個現實技術工作範疇中進行推理、建立與執行的通用型智能代理的重要一步。
隨着模型能力持續提升，我們面臨的挑戰已逐漸由「智能代理能做什麼」，轉變為「怎樣能更輕鬆地與多個智能代理互動、引導並同時監督並行工作」。Codex 應用程式讓管理與指揮智能代理變得更簡單，而在 GPT‑5.3‑Codex 推出後，互動性亦進一步提升。新模型會在執行過程中提供更頻密的更新，讓你隨時掌握重要決策與進度。你不再需要等到最終結果才介入，而是可以即時互動，隨時提出問題、討論方向，並引導解決方案。GPT‑5.3‑Codex 會解說當前工作內容、回應你提供的意見，並在整個流程中讓你掌握所有進展。
在「設定」＞「一般」＞「跟進行為」中啟用模型在應用程式運作時的引導功能。
近期 Codex 的快速進步，來自 OpenAI 多個橫跨數月甚至數年的研究計劃成果，而這些研究亦正藉著 Codex 進一步加速。OpenAI 不少研究員與工程師形容，如今的工作方式與兩個月前相比已截然不同。即使是 GPT‑5.3‑Codex 的早期版本，也已展現出卓越能力，讓團隊能利用這些版本改進訓練流程，並支援其後版本的部署。
Codex 能處理的任務範圍非常廣泛，很難完整列舉模型如何協助團隊運作。舉例而言，研究團隊曾利用 Codex 來就這次發佈的訓練過程進行監控和偵錯。模型不只加快了基礎設施層面的偵錯，亦能在整個訓練期間追蹤模式變化、深入分析互動質素、提出修正建議，並建立豐富工具，協助研究人員更精確地理解模型行為與過往版本之間的差異。
工程團隊使用 Codex 為 GPT‑5.3‑Codex 優化並調整執行框架。當我們開始觀察到影響用戶體驗的異常邊緣情況時，團隊成員亦利用 Codex 找出上下文渲染的錯誤，以及快取命中率偏低的根本原因。在整個發佈過程中，GPT‑5.3‑Codex 亦持續協助團隊，透過動態擴展 GPU 叢集以應對流量高峰，同時維持穩定延遲。
在 alpha 測試期間，一名研究員希望了解 GPT‑5.3‑Codex 每次互動所完成的額外工作量，以及對生產力的影響差異。GPT‑5.3‑Codex 提出多個簡單的 regex 分類器，用以估算澄清問題的頻率、用戶的正面與負面回應、任務進度等指標，並對所有工作階段記錄執行大量分析，最終生成結論報告。使用 Codex 構建產品的人員普遍對模型更加滿意，因為智能代理能更準確理解其意圖，每次互動都可帶來更大的進展，而需要澄清的情況也明顯減少。
由於 GPT‑5.3‑Codex 與以往模型差異甚大，alpha 測試數據中出現了不少異常且反直覺的結果。團隊中的一名數據科學家與 GPT‑5.3‑Codex 合作，建立新的數據管道，並以遠超既有資訊面板工具的方式進行可視化分析。之後再與 Codex 共同分析相關結果，在不足三分鐘內便對數以千計的數據點作出精簡而清晰的重點總結。
個別來看，這些都是 Codex 如何協助研究人員與產品開發人員的實際例子；綜合而言，這些新能力就能大幅加快研究、工程及產品團隊的進展。
在過去幾個月，我們在模型於網絡安全任務上的表現上看到明顯提升，同時為開發人員與安全專業人員帶來助益。與此同時，我們亦一直準備更完善的網絡安全防護措施，以支援防禦用途並提升整個生態系統的應變能力。
GPT‑5.3‑Codex 是我們首個在防範應對架構下被歸類為網絡安全相關任務「高能力」級別的模型，亦是首個直接接受訓練以識別軟件漏洞的模型。雖然目前沒有確實證據顯示模型能端到端自動化發動網絡攻擊，但我們仍採取審慎原則，部署至今最全面的網絡安全防護架構。相關緩解措施包括安全訓練、自動化監測、進階能力的可信存取機制，以及結合威脅情報的執行管道。
由於網絡安全本質上具有雙重用途，我們採取以實證為基礎、循序漸進的方式，在加快防禦人員發現與修補漏洞的同時，減少被濫用的風險。作為其中一環，我們推出「網絡安全可信存取」試點計劃，旨在加速網絡防禦研究。
我們亦持續投資於生態系統層面的安全措施，例如擴展 Aardvark（我們的安全研究智能代理）的私人測試計劃，作為 Codex Security 產品與工具組合中的首個項目。同時，我們亦與開源維護者合作，為廣泛使用的項目（例如 Next.js）提供免費程式碼庫掃描。而就在上星期，一名安全研究人員已利用 Codex 找出相關漏洞並完成披露（在新視窗中開啟）。
在 2023 年推出的 100 萬美元網絡安全資助計劃基礎上，我們進一步承諾提供 1,000 萬美元的 API 積分，以加速利用最先進模型推動網絡防禦，特別是支援開源軟件與關鍵基礎設施系統。從事善意安全研究的機構，均可透過我們的網絡安全資助計劃申請 API 積分及相關支援。
GPT‑5.3‑Codex 已於付費 ChatGPT 計劃中推出，並可在所有支援 Codex 的平台中使用，包括應用程式、CLI、IDE 擴充功能和網頁版。我們正努力以安全方式，盡快開放 API 存取。
隨著這次更新，透過基礎設施與推理堆疊的改進，我們亦把 GPT‑5.3‑Codex 的運行速度提升 25%，為 Codex 用戶帶來更快速的互動體驗與更快的結果。
GPT‑5.3‑Codex 由 NVIDIA GB200 NVL72 系統共同參與設計、訓練與提供運算支援。我們感謝 NVIDIA 的合作與支持。
隨著 GPT‑5.3‑Codex 推出，Codex 已由單純編寫程式碼，進一步發展為能把程式碼當作工具，操作電腦並端到端完成工作的智能代理。透過推進編碼智能代理能力的前沿，我們亦開啟了更廣泛的知識型工作範疇，當中涵蓋建立與部署軟件，以至研究、分析及執行複雜任務。Codex 最初以成為最佳編碼智能代理為目標，如今已成為一個更通用的電腦協作夥伴，不但讓更多人可參與構建，同時亦擴展了 Codex 的無限可能。
GPT‑5.3‑Codex (xhigh) | GPT‑5.2‑Codex（xhigh） | GPT‑5.2 (xhigh) | |
SWE-Bench Pro（公開） | 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（勝出或平手） | 70.9% | - | 70.9%（高） |
網絡安全奪旗賽 | 77.6% | 67.4% | 67.7% |
SWE-lancer IC Diamond | 81.4% | 76.0% | 74.6% |
