Nejschopnější agentický kódovací model nyní zvládne mnohem více než jen programování a je o 25 % rychlejší.
Společnost OpenAI oficiálně představila GPT-5.3-Codex, model, který posouvá hranice agentického kódování na zcela novou úroveň.
Tento nejnovější model kombinuje pokročilé kódovací schopnosti GPT-5.2-Codex s rozšířenými schopnostmi uvažování a profesionálních znalostí GPT-5.2 – a to vše v jednom modelu, který je přitom o 25 % rychlejší než jeho předchůdci.
Podle OpenAI představuje GPT-5.3-Codex historický milník v oblasti umělé inteligence – jde o první model, který byl zásadní při vlastním vývoji společnosti.
Tým Codex používal rané verze modelu k ladění vlastního tréninku, správě nasazení a diagnostice testovacích výsledků. Podle vyjádření společnosti byl tým ohromen tím, jak výrazně dokázal Codex urychlit jejich vlastní vývoj.
S tímto modelem se Codex transformuje z agenta, který dokáže psát a kontrolovat kód, na agenta schopného vykonávat téměř jakékoli úkoly, které vývojáři a profesionálové zvládnou na počítači.
GPT-5.3-Codex zvládá dlouhodobé úlohy zahrnující výzkum, používání nástrojů a komplexní exekuci. Podobně jako kolega může uživatel model během práce řídit a interagovat s ním, aniž by docházelo ke ztrátě kontextu.
Rekordní výsledky v benchmarkech
Nový model dosahuje nejlepších výsledků v odvětví v benchmarkech SWE-Bench Pro a Terminal-Bench, stejně jako silného výkonu v OSWorld a GDPval – čtyřech testech, které měří kódovací, agentické a reálné schopnosti.
GPT-5.3-Codex překonal všechny předchozí modely v SWE-Bench Pro, rigorózní evaluaci reálného softwarového inženýrství, která pokrývá čtyři programovací jazyky a je odolnější vůči kontaminaci.
V Terminal-Bench 2.0 dosáhl model úspěšnosti 77,3 %, což je výrazně více než 64,0 % u GPT-5.2-Codex. Pozoruhodné je, že GPT-5.3-Codex těchto výsledků dosahuje s menším počtem tokenů než jakýkoli předchozí model, což uživatelům umožňuje tvořit více.
V OSWorld-Verified, benchmarku pro používání počítače, kde agenti musí dokončovat produktivní úlohy ve vizuálním desktopovém prostředí, dosáhl GPT-5.3-Codex úspěšnosti 64,7 % oproti 38,2 % u GPT-5.2-Codex.
Vývoj her a webových aplikací na nové úrovni
Kombinace pokročilých kódovacích schopností, vylepšení v estetice a kompaktnosti vyústila v model, který dokáže vytvářet vysoce funkční a komplexní hry i aplikace od základů během několika dní.
OpenAI demonstrovala schopnosti modelu vytvořením dvou her – závodní hry s různými jezdci, osmi mapami a použitelnými předměty a potápěčské hry, ve které hráč prozkoumává útesy, sbírá ryby do svého „fish codexu“ a zároveň řídí kyslík, tlak i hrozby.
Více než jen kódování
Softwaroví inženýři, designéři, produktoví manažeři i datoví vědci dělají mnohem víc než jen generují kód. GPT-5.3-Codex je navržen tak, aby podporoval celý životní cyklus softwaru – ladění, nasazování, monitoring, psaní PRD, úpravy textů, uživatelský výzkum, testování, metriky a mnoho dalšího.
Jeho agentické schopnosti přesahují oblast softwaru a pomáhají vytvářet téměř cokoli – od prezentací až po analýzu dat v tabulkách.
Kybernetická bezpečnost
GPT-5.3-Codex je prvním modelem, který OpenAI klasifikuje jako High capability (vysoká schopnost) pro úlohy spojené s kybernetickou bezpečností podle jejich Preparedness Framework, a zároveň prvním modelem přímo trénovaným na identifikaci softwarových zranitelností.
Přestože OpenAI nemá definitivní důkaz, že by model dokázal automatizovat kybernetické útoky od začátku do konce, zvolila preventivní přístup a nasazuje dosud nejkomplexnější bezpečnostní stack. Zmírňující opatření zahrnují bezpečnostní trénink, automatizované monitorování, důvěryhodný přístup k pokročilým schopnostem a vynucovací pipeline včetně threat intelligence.
Dostupnost
GPT-5.3-Codex je dostupný v rámci placených plánů ChatGPT všude tam, kde lze Codex používat – v aplikaci, CLI, IDE rozšířeních i na webu. OpenAI pracuje na tom, aby brzy bezpečně zpřístupnila také API přístup.
S touto aktualizací OpenAI nyní spouští GPT-5.3-Codex o 25 % rychleji pro uživatele Codexu, a to díky vylepšením infrastruktury a inference stacku.
