跳到正文
OpenAI News·· 2026-02-12精選AI 評分67

OpenAI 發佈 GPT-5.3-Codex-Spark 即時編碼模型

Introducing GPT-5.3-Codex-Spark

AI 導讀

OpenAI 發佈 GPT-5.3-Codex-Spark,並稱其為首個即時編碼模型,生成速度快 15x,具備 128k 上下文窗口。目前以研究預覽形式向 ChatGPT Pro 用户提供。

推薦理由

公告列出生成速度、上下文窗口及研究預覽的適用對象,讓讀者可同時瞭解 GPT-5.3-Codex-Spark 的性能宣稱與目前開放範圍。

正文 · 繁體中文

今日,我們推出 GPT‑5.3‑Codex‑Spark 的研究預覽版;它是 GPT‑5.3‑Codex 的較小版本,也是我們首款專為即時編碼而設的模型。Codex-Spark 標誌着我們與 Cerebras 合作關係的首個里程碑,這項合作我們於 January 宣佈⁠。Codex-Spark 經過優化,在超低延遲硬件上運行時幾乎即時,輸出速度超過 1000 tokens per second,同時仍能出色地勝任實際編碼工作。

我們透過 Cerebras 向 ChatGPT Pro 用戶提供 Codex-Spark 研究預覽版,讓開發者可以及早開始試用;與此同時,我們會與 Cerebras 合作,提升數據中心容量、加強端到端使用體驗的穩健性,並部署更大型的前沿模型。

我們最新的前沿模型在執行長時間任務方面展現出特別出色的能力,可以在無需介入的情況下自主工作數小時、數天或數星期。Codex-Spark 是我們首個專為與 Codex 即時協作而設的模型——可進行精準編輯、重塑邏輯,或完善介面,並即時查看結果。透過 Codex-Spark,Codex 現在既能支援長時間、宏大的任務,也能即時完成工作。我們希望了解開發者如何使用它,並在持續擴大開放範圍的同時吸納意見。

推出時,Codex-Spark 設有 128k 上下文視窗,並且只支援文字。在研究預覽期間,Codex-Spark 會有獨立的速率限制,使用量不會計入標準速率限制。不過,需求高時,為了平衡不同用戶的服務可靠性,你可能會遇到存取受限或暫時排隊的情況。

速度與智能

Codex-Spark 經過最佳化,適合對延遲和智能同樣重視的互動式工作。你可以即時與模型協作,在它工作時中斷或引導它,並透過近乎即時的回應迅速反覆調整。由於 Codex-Spark 針對速度調校,其預設工作方式保持輕量:只作出少量而精準的修改,除非你要求,否則不會自動執行測試。

編碼

Codex-Spark 是一款能力出眾、經過最佳化以實現快速推理的小型模型。在 SWE-Bench Pro 和 Terminal-Bench 2.0 這兩項評估代理式軟件工程能力的基準測試中,GPT‑5.3‑Codex‑Spark 展現出強勁表現,完成任務所需時間只及 GPT‑5.3‑Codex 的一小部分。

時長估算為以下各項之和:(1) 輸出生成時間 (output tokens ÷ sampling speed)、(2) 預填充時間 (prefill tokens ÷ prefill speed)、(3) 工具執行總時間,以及 (4) 網絡總開銷。

所有模型的延遲改善

隨着我們訓練 Codex-Spark,我們逐漸發現,模型速度只是即時協作方程式的一部分——我們也需要降低整個請求與回應流程的延遲。我們在執行框架中實施端到端延遲改善,令所有模型都能受惠。在底層,我們精簡了回應從客戶端串流至伺服器再返回的方式,重寫了推理技術堆疊中的關鍵部分,並重新設計工作階段的初始化方式,令第一個可見 token 更早出現,並讓 Codex 在你反覆調整時保持回應靈敏。透過引入持久的 WebSocket 連線,並針對 Responses API 內部作出最佳化,我們將每次客戶端與伺服器往返的開銷降低了 80%,每個 token 的開銷降低了 30%,首 token 所需時間降低了 50%。WebSocket 路徑預設已為 Codex-Spark 啟用,並即將成為所有模型的預設設定。

由 Cerebras 提供運算支援

Codex-Spark 運行於 Cerebras 的 Wafer Scale Engine 3⁠(在新視窗開啟)——一款專為高速推理而設的 AI 加速器,為 Codex 提供以低延遲為優先的服務層。我們與 Cerebras 合作,將這條低延遲路徑加入與我們其餘服務系統相同的正式服務堆疊,讓它能在 Codex 各處無縫運作,並為支援未來模型做好準備。

「最令我們對 GPT-5.3-Codex-Spark 感到興奮的,是與 OpenAI 及開發者社群合作,探索快速推理能帶來甚麼可能性——新的互動模式、新的使用情境,以及截然不同的模型體驗。這次預覽只是個開始。」

— Sean Lie,Cerebras 的技術總監兼共同創辦人

GPUs 仍是我們訓練與推理管線的基礎,並能以最具成本效益的方式為廣泛用途提供 token。Cerebras 則補足這個基礎,在對延遲要求極低的工作流程中表現出色,縮短端到端互動循環,讓 Codex 在你反覆調整時回應更靈敏。GPU 與 Cerebras 可結合用於單一工作負載,以達致最佳效能。

推出安排及詳情

Codex-Spark 今日起以研究預覽版形式,向使用最新版本 Codex 應用程式、CLI 和 VS Code 擴充功能的 ChatGPT Pro 用戶逐步推出。由於它在專用低延遲硬件上運行,使用情況會受獨立的速率限制規管;在研究預覽期間,相關限制可能會按需求調整。此外,我們會在 API 中向少數設計合作夥伴提供 Codex-Spark,以了解開發者希望如何將 Codex-Spark 整合到他們的產品中。隨着我們在真實工作負載下持續調校整合方案,未來數星期會逐步擴大開放範圍。

Codex-Spark 目前只支援文字,並設有 128k 上下文視窗,是一系列超高速模型中的首款。隨着我們與開發者社群進一步了解快速模型在編碼方面的優勢,我們會加入更多功能,包括更大型的模型、更長的上下文長度,以及多模態輸入。

Codex-Spark 接受的安全訓練與我們的主線模型相同,包括網絡安全相關訓練。我們按照標準部署流程評估 Codex-Spark;該流程包括對網絡安全及其他能力的基線評估。我們判定,Codex-Spark 沒有合理可能性達到《Preparedness Framework》所界定的網絡安全或生物學高能力門檻。

下一步

Codex-Spark 是邁向具備兩種互補模式的 Codex 的第一步:較長時間跨度的推理與執行,以及支援快速反覆迭代的即時協作。隨着時間推移,這兩種模式將會融合——Codex 可以讓你持續處於緊密的互動循環中,同時把需要較長時間的工作交由背景中的子代理處理;或者在你需要廣度和速度時,將任務分派給多個模型並行處理,讓你不必一開始就選定單一模式。

隨着模型能力提升,互動速度明顯成為瓶頸。超高速推理能縮短這個循環,令 Codex 用起來更自然,並拓展每個人將想法轉化為可運作軟件時的可能性。

來源:OpenAI News · openai.com