Модель · OpenAI

GPT-5.3 Codex

Бывшая флагманская модель OpenAI для программирования и агентной работы с кодом, её уже сменили GPT-5.5 и более новые версии

вышла 5 февраля

Сравнить с

Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиШкала условная (Claude 3.5 Sonnet = 130, GPT-5 = 150); интервал — 90-процентный диапазон оценки, и модели с перекрывающимися интервалами надёжно не различаются.Подробнее на английском ↗

15 место из 266
индекс 157, вероятный разброс 154–160 · весь рейтинг →

Бенчмарк	РезультатОбычно — доля заданий теста, которые модель решила. У некоторых тестов свой счёт; как он устроен, сказано в пояснении к названию теста	УсилиеНасколько долго модель рассуждала перед ответом, когда её проверяли: низкое, среднее, высокое, очень высокое, максимальное. Чем выше усилие, тем обычно выше результат — и тем дольше и дороже ответ. Показан лучший результат и усилие, на котором он получен
APEX-Agents480 многошаговых рабочих задач из инвестбанкинга, консалтинга и корпоративного права: агент работает с файлами, почтой, таблицамиЗадача засчитывается, только если выполнены все пункты экспертного списка критериев; проверяет их другая модель.Подробнее на английском ↗	31,8%
Terminal BenchЗадачи в командной строке по мотивам реальной работы: агент сам выполняет их в терминале, результат проверяют автотестыПодробнее на английском ↗	78,4%
METR Time HorizonsНасколько долгие для человека задачи по программированию, машинному обучению и кибербезопасности агент решает самостоятельноРезультат — не процент, а время: длительность задачи (по времени работы эксперта), которую модель решает примерно в половине случаев.Подробнее на английском ↗	74,5%
WeirdMLНеобычные задачи по машинному обучению: модель пишет код, который на выданных данных обучает классификатор, например для распознавания фигурБалл — средняя точность обученных моделью классификаторов, а не доля решённых задач.Подробнее на английском ↗	79,3%
SWE-Bench verifiedНастоящие задачи из GitHub по проектам на Python: модель правит код, а тесты проверяют, решена ли проблемаПо оценке Epoch, в 5–10% задач есть ошибки, поэтому 100% недостижимы; Epoch считает результат по 484 задачам из 500.Подробнее на английском ↗	74,8%	высокое

Характеристики

Вышла: 5 февраля
КонтекстСколько текста модель учитывает за один запрос: вопрос, приложенные документы и её собственный ответ вместе. Токен — кусок слова; слово обычно занимает один–три токена: 400 тыс. токенов
Длина ответаСколько токенов модель может выдать за один ответ, вместе со скрытыми рассуждениями, если они есть: до 128 тыс. токенов
Цена входаСколько стоит миллион токенов, отправленных модели: вопрос, документы, вся история переписки: $1,75 за миллион токенов
Вход из кэшаЦена входа для повторяющегося начала запроса, которое лаборатория уже сохранила у себя. В длинной переписке и у агентов это большая часть входа — и в разы дешевле: $0,175 за миллион токенов
Цена ответаСколько стоит миллион токенов, написанных моделью, — включая скрытые рассуждения: $14 за миллион токенов
Понимает: текст, изображения, PDF
Отвечает: текст
РассужденияПеред ответом модель рассуждает про себя: медленнее и дороже, зато точнее на трудных задачах: да
Вызов инструментовМодель сама просит программу выполнить действие — поиск, запуск кода, запрос к сервису — и продолжает с результатом. На этом держатся агенты: да
ВесаОткрытые — файлы модели можно скачать и запустить на своих серверах. Закрытые — доступ только через сервис лаборатории: закрытые
Знания до: август 2025
Идентификатор в API: gpt-5.3-codex

Что это за модель

GPT-5.3-Codex — модель OpenAI для программирования. На выходе OpenAI назвала её своей самой сильной агентной моделью для кода. «Агентная» здесь значит, что модель не просто подсказывает строки кода, а сама выполняет долгую задачу по шагам: читает репозиторий, правит файлы, запускает команды в терминале и проверяет результат. По словам OpenAI, это первая её модель, которая помогала создавать саму себя: команда Codex с помощью ранних версий искала ошибки в обучении, управляла развёртыванием и разбирала результаты оценок.

Компания заявляет, что модель объединила сильные стороны двух предшественниц: навыки программирования GPT-5.2-Codex и рассуждения и профессиональные знания GPT-5.2. При этом она работает на 25% быстрее и, по замерам лаборатории, тратит меньше токенов на ту же задачу. OpenAI сообщила о рекордных для отрасли результатах в бенчмарках SWE-Bench Pro и Terminal-Bench 2.0 и о сильных результатах в OSWorld-Verified (управление компьютером) и GDPval (задачи из реальных профессий). Ещё одно новшество — модель можно направлять прямо по ходу работы, как коллегу, и она не теряет контекст задачи.

Модель берут для правок в больших репозиториях, проверки кода, работы в терминале, создания сайтов по короткому описанию и поиска уязвимостей. Она доступна в приложении Codex, командной строке, расширениях для редакторов кода и через API. Разработчики могут выбрать, сколько усилий модель тратит на рассуждения: четыре уровня, от самого экономного до максимального.

Через API модель работает только в Responses API: классический интерфейс чата, пакетная обработка и дообучение для неё недоступны. По кибербезопасности OpenAI присвоила модели свой высший уровень возможностей, поскольку она умеет самостоятельно находить уязвимости. Сейчас это уже не новейшая модель лаборатории: её сменили GPT-5.5, GPT-5.6 и GPT-6 Astra.

Источники: Анонс GPT-5.3-Codex на форуме разработчиков OpenAI, Документация модели для разработчиков

Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).

GPT-5.3 Codex

Характеристики

Что это за модель

Того же уровня по индексу Epoch