智東西
作者 陳駿達
編輯 心緣

智東西2月6日報道，今天，就在Claude發(fā)布Opus 4.6后的幾分鐘，OpenAI也推出了自家的最新編程模型：GPT-5.3-Codex。OpenAI號稱，這是世界上最強大的智能體（Agentic）編程模型。

GPT-5.3-Codex在SWE-Bench Pro和Terminal-Bench 2.0這兩個編程基準測試中拿到了SOTA，并在OSWorld和GDPval等智能體能力和真實世界任務測評中，較GPT-5.2-Codex實現(xiàn)一定提升。在Terminal-Bench 2.0上，GPT-5.3-Codex的得分比Claude Opus 4.6高了11.9%。

不過，OpenAI參加的基準測試數(shù)量更少，也基本沒有和Claude Opus 4.6重疊的，得分只能作為參考。

為演示其編程能力，OpenAI曬出了一個由GPT-5.3-Codex打造的賽車游戲。這個游戲里有多輛賽車同時開展比拼，還配備了8張地圖，甚至還能用空格鍵使用道具，就是畫風確實有些簡陋。我們也簡單試玩了一下這個游戲，完成度還挺高的。

體驗鏈接：

https://cdn.openai.com/gpt-examples/7fc9a6cb-887c-4db6-98ff-df3fd1612c78/racing_v2.html

OpenAI還透露，GPT-5.3-Codex是OpenAI首個在自我創(chuàng)建過程中發(fā)揮關鍵作用的模型。GPT-5.3-Codex的早期版本，被Codex團隊用來調(diào)試模型訓練、管理部署、診斷測試結果和評估，加速了模型的開發(fā)。

GPT-5.3-Codex其實就是GPT-5.2-Codex和GPT-5.2的結合體，具備前者的編程能力和后者的推理能力和專業(yè)知識儲備，且速度也提升了25%。

這意味著GPT-5.3-Codex不僅可以用于編程，也可用于軟件工程里的所有其他工作，比如調(diào)試、部署、監(jiān)控、測試、指標分析等。你還可以用GPT-5.3-Codex來做PPT、Excel、Word等等，從OpenAI分享的案例來看效果還不錯。

▲GPT-5.3-Codex打造的PPT（圖源：OpenAI）

與GPT-5.3-Codex同期發(fā)布的，還有OpenAI的最新的企業(yè)級智能體平臺Frontier，具備共享上下文、在反饋中學習、持續(xù)改進等能力，并支持設定清晰的權限與邊界。

▲Frontier打造的Agent（圖源：OpenAI）

目前，GPT-5.3-Codex已向付費ChatGPT用戶開放，可在Codex應用、CLI、IDE插件和Web中使用。API訪問仍需等待后續(xù)更新。Frontier現(xiàn)階段僅面向有限客戶，未來幾個月將有更廣泛的可用性。

不過，在這波發(fā)布中，與隔壁的Claude Opus 4.6相比，GPT-5.3-Codex和Frontier在討論熱度上明顯遜色一籌，發(fā)布模型的推文轉贊評數(shù)量都只有Claude Opus 4.6的不到一半，評論區(qū)中也能看到不少質(zhì)疑聲。

關心編程能力的用戶認為GPT-5.3-Codex在實際使用體驗和安全性上和Claude Opus 4.6仍有差距，而將OpenAI模型用于寫作等其他場景的用戶，則認為OpenAI不再重視他們。這顯示出OpenAI在編程等市場的產(chǎn)品號召力和社區(qū)影響力上，以及如何平衡自家的ToC和ToB業(yè)務上，仍有很長的路要走。

一、能在數(shù)百萬token代碼庫修Bug，還會給人類主動匯報工作

OpenAI稱，在GPT-5.3-Codex的幫助下，其編程工具Codex將不再只是一個“會寫和審代碼的智能體”，而是會進化為一個幾乎可以完成開發(fā)者和專業(yè)人士在計算機上能做的所有事情的智能體。

在Web開發(fā)方面，OpenAI讓GPT-5.3-Codex打造了兩個游戲，一個是此前我們看到賽車游戲，另一個則是一個潛水游戲，游戲機制類似《潛水員戴夫》。

不過，光是打造這樣一個游戲其實對如今的前沿編程模型來說已經(jīng)不難了。OpenAI還分享，在發(fā)出“修復這個 bug”、“改進游戲”等通用后續(xù)提示詞的情況下，GPT-5.3-Codex可以在數(shù)百萬token的過程中自主迭代這些游戲。

GPT-5.3-Codex在理解日常網(wǎng)站構建意圖方面明顯優(yōu)于GPT-5.2-Codex。對于簡單或描述不充分的提示，它會默認生成功能更完整、默認設置更合理的網(wǎng)站。

例如，在構建一項名為“Quiet KPI”的服務的網(wǎng)站首頁時，GPT-5.3-Codex可以自動將年付方案展示為折扣后的月價，還會自動生成包含三條不同用戶評價的輪播組件，而不是僅呈現(xiàn)單條內(nèi)容。整體頁面因此顯得更加完整、更加接近可直接上線的產(chǎn)品。

程序員、設計師、產(chǎn)品經(jīng)理和數(shù)據(jù)科學家的工作遠不止寫代碼。GPT-5.3-Codex從設計之初就支持整個軟件生命周期中的工作，包括調(diào)試、部署、監(jiān)控、編寫PRD、編輯文檔、用戶研究、測試、指標分析、以及更多專業(yè)工作。

在使用類似GDPval的自定義技能后，GPT-5.3-Codex在GDPval（一個衡量44種職業(yè)中明確知識型任務的評估）上達到了與GPT-5.2相當?shù)乃健?/p>

在考察模型計算機使用能力的OSWorld-Verified中，人類平均得分約為72%，而GPT-5.3-Codex達到了64.7%。GPT-5.3-Codex在該評測中表現(xiàn)顯著優(yōu)于以往的GPT模型。

隨著GPT-5.3-Codex的發(fā)布，Codex還提供了一個新的設置選項“工作中可引導”。開啟后，GPT-5.3-Codex會在工作過程中頻繁更新關鍵決策和進展，支持實時對話、提問、討論方案，并在執(zhí)行期間持續(xù)解釋其思路并提供反饋。這讓人類用戶可以更高效地指揮和監(jiān)督多個Agent。

OpenAI稱，得益于基礎設施和推理棧的改進，Codex用戶的GPT-5.3-Codex整體速度提升了25%。該模型開發(fā)過程中，OpenAI與英偉達展開了合作，基于GB200 NVL72系統(tǒng)設計、訓練和部署。

二、推出企業(yè)級智能體平臺，惠普、Uber已經(jīng)用上了

在智能體平臺方面，OpenAI今天發(fā)布的Frontier，要做的是幫助企業(yè)構建、部署并管理真正能干活的智能體。

OpenAI認為，當前企業(yè)在推進AI應用時面臨嚴重的數(shù)據(jù)與系統(tǒng)碎片化挑戰(zhàn)。智能體雖然被廣泛部署，卻因缺乏跨系統(tǒng)的全局視野和上下文而難以發(fā)揮實效，導致模型能力與實際部署之間存在巨大的“機會鴻溝”。

要打造能干活的智能體，OpenAI的思路是賦予智能體與人類在工作中所需的同款能力。Frontier像培養(yǎng)人類員工一樣，為AI同事提供系統(tǒng)化的“入職”支持。

比如，F(xiàn)rontier會讓智能體理解跨系統(tǒng)的業(yè)務流程、獲取執(zhí)行任務所需的工具與權限、學會判斷工作質(zhì)量，并在明確的安全邊界內(nèi)運作。該平臺可與現(xiàn)有系統(tǒng)和數(shù)據(jù)集成，支持智能體通過多種界面融入工作。

Frontier的核心能力包括連接企業(yè)內(nèi)部數(shù)據(jù)與應用，構建統(tǒng)一的業(yè)務語義層；提供開放的智能體執(zhí)行環(huán)境，支持規(guī)劃、操作與學習；內(nèi)置評估優(yōu)化機制，使AI能持續(xù)從經(jīng)驗中提升質(zhì)量；同時確保企業(yè)級安全治理，為每個智能體設定身份、權限與防護邊界。

為了讓企業(yè)更方便地管理智能體，F(xiàn)rontier提供了概覽界面，在這里可以看到活躍的智能體數(shù)量，這些智能體完成了多少任務，又用掉了多少額度。

此外，OpenAI還會派駐工程師與客戶團隊協(xié)作，將實踐經(jīng)驗與研究反饋相結合，加速落地進程。已有不少大型企業(yè)客戶采用了Frontier，比如惠普、Intuit、甲骨文、State Farm、賽默飛（Thermo Fisher）、Uber等等。

結語：OpenAI押注“AI勞動力”

這次發(fā)布中，OpenAI將其主要精力都放在了AI的生產(chǎn)力與落地能力上。無論是GPT-5.3-Codex在編程、軟件工程全流程和計算機使用能力上的強化，還是Frontier試圖為企業(yè)補齊“能干活的智能體”這一關鍵拼圖，都指向同一個方向，也就是讓AI真正走進生產(chǎn)環(huán)境，成為可以被管理、被信任、被規(guī)?；褂玫膭趧恿Α?/p>

如何在持續(xù)加碼企業(yè)級智能體和生產(chǎn)力場景的同時，維持開發(fā)者與普通用戶的信任感與參與感，如何在ToB的長期布局與ToC的廣泛影響力之間找到平衡，或許將成為OpenAI接下來一段時間里必須回答的關鍵問題。