實測 GPT-5.3-Codex：OpenAI 首個高風險模型——限制嚴苛，API 至今仍未開放

今天凌晨，OpenAI 釋出的 GPT-5.3-Codex 可以被視為對近期本地 Agent 工具爆發式增長的一記強有力回擊——尤其是對 Anthropic 的直接回應。

配合 OpenAI 最新推出的 Codex 桌面應用，許多此前由 Skill、Cowork、Claude Code、Openclaw 等熱門工具分別實現的能力，如今都可以在一個統一的環境中完成，核心由 Codex 的互動外殼與 GPT-5.3-Codex 模型本身共同驅動。

在 Codex 應用中，使用者可以直接選擇 GPT-5.3-Codex，並精細調節其推理深度。為了評估它在真實場景中的表現，我們給它佈置了與此前測試 Cowork 時類似的任務，包括本地檔案處理、格式轉換、多 Skills 協同呼叫、生成 Word、PowerPoint、Excel 文件、下載影片，甚至是開發應用程式。

實際表現令人印象深刻。相比從零開始安裝和配置 Claude Code 的複雜流程，Codex 提供了一個門檻低得多的入口，尤其對新手使用者而言更為友好。這也反映了整個生態中的一個明顯趨勢：本地 Agent 最初大多誕生於“黑乎乎”的命令列環境，但正在逐步迴歸到更直觀、更易用的圖形化介面。

近幾天，外界對 Codex 的評價也出現了明顯轉向。不少開發者表示已從 Claude Code 轉向 Codex，一些國內的獨立開發者也提到，Codex Plus 會員即可直接使用，而且不像 Claude 那樣頻繁遭遇無情封號的問題。

OpenAI CEO 山姆·奧特曼也毫不掩飾自己的興奮，公開宣佈 Codex 的活躍使用者數已經突破 100 萬。在 OpenAI 的模型更新部落格中，官方同樣不吝讚美之詞，稱 GPT-5.3-Codex 是公司第一個具備“自我構建”能力的模型，正因如此，才能以如此快的速度推出 5.3-Codex。

結合 Anthropic 使用 Claude Code、100% AI 程式碼、僅用兩週時間構建 Cowork 的成果，以及 OpenAI 此前分享的“28 天內用 Codex 構建 Android 版 Sora”的案例，一個結論已經呼之欲出：Agent 的時代，真的來了。

用 Codex 取代 ChatGPT 和 Claude Code

和大多數本地 Agent 工具一樣，Codex 的起點是工作區。使用者可以建立多個 Project，每個 Project 對應一個本地資料夾，再在其中開啟對話執行緒（Threads）。對於熟悉 ChatGPT 的使用者來說，這套工作流幾乎是零學習成本。

從一個最簡單的例子開始，我們新建了一個空的下載資料夾，開啟一個新的執行緒，選擇 GPT-5.3-Codex，然後直接下達指令。當我們要求它下載一個來自 X 的影片時，Codex 會自動識別可用的 Skills，並呼叫 yt-dlp 來完成下載。即便是一個長達四個多小時的影片，Codex 也會在對話視窗中持續更新下載進度。

下載完成後，我們進一步要求它提取完整逐字稿，生成一份雙語文件，並將整個流程打包成一個可複用的 Skill。隨後，同一個執行緒還能繼續完成影片剪輯、GIF 轉換或格式轉碼，全程無需離開 Codex。

例如，我們讓 Codex 將影片的第 5 秒到第 25 秒剪輯成一個新影片。得益於 GPT-5.3-Codex 快速的 token 處理能力，整體耗時並不長，更多取決於本地電腦的解碼和編碼效能。同樣地，我們也可以讓它直接把前 5 秒轉成一個 GIF，限制在 10MB 以內，幀率可調，寬度控制在 640 畫素。

很快，對應的 GIF 檔案就生成完成了。再極端一些，Codex 甚至可以把整個影片轉成圖片序列——每秒 30 幀，每一幀都是一張圖片。結合 GPT-5.3-Codex 在 Terminal-Bench-2 上的出色表現，這種對本地檔案的直接處理能力，使 Codex 足以支撐各種生產力工具和效率工具的實現。

作為對比，剛剛釋出的 Claude Opus 4.6 在 Terminal-Bench 2.0 上的得分為 65.4%，而 GPT-5.3-Codex 則達到了 77.3%。

從檔案管理到完整應用

在另一項測試中，我們讓 Codex 根據圖片內容批次重新命名檔案，要求檔名不超過 20 個英文字母，且不能包含符號。重新命名完成後，我們又讓它將這些圖片進行拼接，無論是縱向還是橫向，Codex 都能通過呼叫合適的工具順利完成。

和 Claude 的生態類似，Codex 同樣擁有豐富的 Skills 市場。應用內已原生集成了 PowerPoint、Excel、Word、Canvas、Notion 等多種常用能力。

回到核心的程式設計能力上，升級後的 GPT-5.3-Codex 相比 GPT-5.2 有著明顯進步。我們直接讓它從零開始開發一個“每日一詞”的 App。不同於 ChatGPT 的 Canvas 只能生成一個無法帶走的網頁預覽，Codex 會在本地完整構建專案，並通過 Vercel、Cloudflare 等 Skills 進行部署。

在 Extra High 的超強推理模式下，GPT-5.3-Codex 會在每一步操作前詢問下一步的選擇。這種行為源於 Codex 內部的排程機制：它會根據任務需要，動態呼叫不同的 Skills，其中包括會自動展開多輪對話的頭腦風暴模組。

最終，Codex 基本完成了最初提出的所有功能需求，並且還能進一步擴充套件到 macOS、iOS 和 Android 版本。如果使用者已經有現成的程式碼專案，也可以直接在 Codex 中開啟對應資料夾，讓 GPT-5.3-Codex 分析專案中的 Bug，並直接進行修復。

程式設計模型之戰的力量平衡正在改變

在相當長的一段時間裡，開發者的首選往往是 Anthropic 的 Sonnet / Opus 模型，配合 Claude Code 工具。OpenAI 在複雜、長邏輯程式碼推理方面一度被認為有所落後。GPT-5.3-Codex 的出現，顯然就是為了縮小，甚至終結這一差距。

無論是在基準測試還是實際體驗中，GPT-5.3-Codex 都不僅超越了自家的前代模型，也已經顯露出壓制競爭對手的跡象。它真正展現出了將程式碼編寫、測試和推理整合為一個完整流程的能力。

在 OpenAI 的釋出部落格中，遊戲開發是一個重點案例，因此我們也讓 Codex 做了一個簡單的物理彈球遊戲。雖然最終介面沒有達到我們在提示詞中期待的 RPG 風格，但整體是可執行、可遊玩的。網路上也已經出現了不少用 GPT-5.3-Codex 製作的小遊戲，比如類似超級瑪麗的收集金幣玩法。

沒有絕對贏家，只有更快的輪迴

從 Anthropic 的視角來看，OpenAI 今天的動作或許並不陌生。近幾年，OpenAI 在技術路線上的確多次緊隨 Claude 的腳步：Claude 深耕程式碼能力時，OpenAI 把重心放在 Sora、日報、瀏覽器、ChatGPT Agent 等方向，反響有限，於是重新回到程式碼賽道；Anthropic 在 1 月初推出 Cowork，OpenAI 便在 2 月初發布 Codex 應用。

時間點也凸顯了雙方的競爭關係。凌晨 1 點 45 分，Anthropic 在 X 上釋出 Claude Opus 4.6；不久之後，OpenAI 端出了 GPT-5.3-Codex。兩款模型的目標其實高度一致——為 Agent 提供更強的底座能力。話術已經從“vibe coding”演進到一個更直白的事實：Agent 想做好事，本質上還是要“程式碼寫得好”。

雖然 Opus 4.6 在 Terminal-Bench 2.0 和 SWE-Bench 上不如 GPT-5.3-Codex，但它通過將上下文視窗拉長到史無前例的 100 萬 token 進行了補償，而且從整體 benchmark 表現來看，差距並沒有被無限放大。

Anthropic 也暗示，真正的殺手鐧還沒登場——Sonnet 5 才是他們眼中的“真功夫”。

一些早期使用者測試進一步強化了這種張力。有開發者表示，Opus 4.6 只用一次呼叫，就完成了整個程式碼庫的重構，把原本混亂不堪的“屎山”全部模組化；也有人讓 Opus 4.6 和 4.5 玩同一款經營遊戲，結果是 4.6 在前期花更多時間制定策略，但最終在等級、財富和裝備上全面領先。

還有開發者用 Opus 4.6 做了一個寶可夢克隆遊戲，稱這是他用 AI 做過最酷的專案。根據描述，Opus 4.6 思考了 1 小時 30 分鐘，消耗了 11 萬個 token，只迭代了三次。

在 Anthropic 官方演示和使用者反饋中，Opus 4.6 還展現了強大的專案管理能力：它能在一天內自主關閉 13 個 issue，並將另外 12 個 issue 準確分派給合適的人類成員。類似於 Kimi K2.5 的智慧體蜂群，Opus 4.6 也能管理大規模程式碼庫，在 Claude Code 中組建 Agent Teams，讓多個 AI 分工協作，有的寫程式碼、有的 Review、有的測試，整體效率最高可提升 2.5 倍。

模型越強，使用者越強

從更宏觀的角度看，這一切就像一個輪迴：先是 Gemini 出風頭，然後是 Claude，如今看起來又輪到了 OpenAI，甚至不排除接下來是 Grok。但在這個輪迴中，作為使用者的我們，能清晰感受到 AI 能力在持續增強。

目前，OpenAI 尚未開放 GPT-5.3-Codex 的 API，理由是模型能力過強，存在較高風險，仍在評估如何安全啟用。而 Claude Opus 4.6 已經可以通過 Claude 通用聊天應用、Claude Code 以及 API 多種方式使用。

作為今年海外“御三家”首批亮相的兩款重磅模型，GPT-5.3-Codex 和 Claude Opus 4.6 都非常值得一試。展望未來，圍繞 Agent 的能力升級、讓 Agent 真正為我們做事，仍將是大模型演進的核心方向。