เราได้เปิดตัวการแสดงตัวอย่างงานวิจัยของ GPT‑5.3‑Codex‑Spark ซึ่งเป็นเวอร์ชันขนาดเล็กของ GPT‑5.3‑Codex และเป็นโมเดลแรกของเราที่ออกแบบมาสำหรับการเขียนโค้ดแบบเรียลไทม์
Coding
บน SWE-Bench Pro และ Terminal-Bench 2.0 ซึ่งเป็นเกณฑ์มาตรฐานสองอย่างในการประเมินความสามารถทางวิศวกรรมซอฟต์แวร์ GPT‑5.3‑Codex‑Spark แสดงประสิทธิภาพที่แข็งแกร่งและทำงานเสร็จในเวลาที่น้อยกว่า GPT‑5.3‑Codex มาก โดยพิจารณาจากเวลาในการสร้างเอาต์พุต, เวลาในการเติมข้อมูลล่วงหน้า, เวลาในการดำเนินการเครื่องมือ และโอเวอร์เฮดเครือข่าย
Latency improvements for all models
เบื้องหลัง เราได้ปรับปรุงการสตรีมตอบกลับจากไคลเอนต์ไปยังเซิร์ฟเวอร์และกลับ รวมถึงการเขียนใหม่ส่วนสำคัญของ Inference Stack และการปรับปรุงการเริ่มต้นเซสชัน ทำให้เห็นโทเค็นแรกเร็วขึ้นและ Codex ตอบสนองได้ดีขณะที่คุณปรับปรุงแก้ไข
Powered by Cerebras
เราตื่นเต้นกับการเป็นพันธมิตรกับ OpenAI และชุมชนนักพัฒนาเพื่อค้นพบว่าการอนุมานที่รวดเร็วสามารถสร้างรูปแบบการโต้ตอบใหม่ กรณีการใช้งานใหม่ และประสบการณ์โมเดลที่แตกต่างไปจากเดิมได้อย่างไร
Availability & details
เราได้ประเมิน Codex-Spark เป็นส่วนหนึ่งของกระบวนการติดตั้งมาตรฐาน ซึ่งรวมถึงการประเมินพื้นฐานสำหรับความสามารถทางไซเบอร์และอื่น ๆ และพบว่ามันไม่มีโอกาสเข้าถึงเกณฑ์ Preparedness Framework สำหรับความสามารถสูงในด้านไซเบอร์หรือชีววิทยา
What’s next
เมื่อเวลาผ่านไป โหมดต่าง ๆ จะผสมผสานกัน Codex สามารถทำให้คุณอยู่ในวงจรเชิงโต้ตอบที่แน่น ในขณะที่มอบหมายงานที่ใช้เวลานานให้ซับเอเจนต์ในพื้นหลัง หรือกระจายงานไปยังหลายโมเดลพร้อมกันเมื่อคุณต้องการความกว้างและความเร็ว โดยที่คุณไม่จำเป็นต้องเลือกโหมดใดโหมดหนึ่งตั้งแต่แรก
ศัพท์ที่ควรรู้
- GPT‑5.3‑Codex‑Spark – โมเดลขนาดเล็กของ GPT‑5.3‑Codex ที่ออกแบบมาสำหรับการเขียนโค้ดแบบเรียลไทม์
- SWE-Bench Pro และ Terminal-Bench 2.0 – เกณฑ์มาตรฐานที่ใช้ประเมินความสามารถทางวิศวกรรมซอฟต์แวร์ของโมเดล
- Inference Stack – ชุดของส่วนประกอบที่ใช้ในการประมวลผลและสร้างเอาต์พุตของโมเดล
- Latency – ความล่าช้าในการตอบสนอง ซึ่งถูกปรับปรุงเพื่อให้ผู้ใช้เห็นผลลัพธ์เร็วขึ้น
ที่มา: OpenAI