Uji Langsung GPT-5.3-Codex: Model “Berisiko Tinggi” Pertama dalam Sejarah OpenAI—Bahkan Akses API-nya Masih Ditahan

Peluncuran GPT-5.3-Codex pada dini hari ini dapat dipandang sebagai respons keras OpenAI terhadap gelombang popularitas berbagai local Agent dalam beberapa waktu terakhir—dan secara khusus, sebagai jawaban langsung terhadap Anthropic.

Didukung oleh aplikasi desktop Codex yang baru saja dirilis OpenAI beberapa hari lalu, beragam kemampuan yang sebelumnya tersebar di berbagai alat populer seperti Skill, Cowork, Claude Code, hingga Openclaw, kini dapat diwujudkan dalam satu lingkungan terpadu. Semua itu digerakkan oleh antarmuka Codex yang dipadukan dengan kekuatan model GPT-5.3-Codex.

Di dalam aplikasi Codex, pengguna dapat langsung memilih model GPT-5.3-Codex sekaligus mengatur tingkat kedalaman penalarannya. Untuk menguji performa di dunia nyata, kami memberikan serangkaian tugas serupa dengan yang sebelumnya kami uji pada Cowork—mulai dari memproses file lokal secara langsung, konversi berbagai format, mengorkestrasi kombinasi Skills, membuat dokumen Word, PowerPoint, dan Excel, mengunduh video, hingga mengembangkan aplikasi.

Hasilnya benar-benar mengesankan. Dibandingkan dengan proses instalasi Claude Code dari nol yang relatif rumit, Codex menawarkan titik masuk yang jauh lebih ramah—terutama bagi pengguna baru. Ini juga mencerminkan tren yang lebih luas di industri: local Agent awalnya dibangun lewat terminal command line yang kaku, namun perlahan bergerak menuju antarmuka visual yang lebih intuitif dan bersahabat.

Dalam beberapa hari terakhir, persepsi publik terhadap Codex juga mengalami perubahan signifikan. Banyak pengembang dilaporkan beralih dari Claude Code ke Codex. Sejumlah pengembang independen di Tiongkok bahkan menyebutkan bahwa Codex Plus sudah dapat digunakan secara stabil, tanpa risiko pemblokiran akun yang kerap dikeluhkan pada Claude.

Sam Altman pun tak menyembunyikan antusiasmenya. Ia mengumumkan bahwa jumlah pengguna aktif Codex telah melampaui satu juta. Dalam blog pembaruan model OpenAI, pujian terhadap GPT-5.3-Codex disampaikan secara terbuka: ini disebut sebagai model pertama OpenAI yang mampu “membangun dirinya sendiri,” sehingga memungkinkan iterasi dan peluncuran versi baru dengan kecepatan yang belum pernah ada sebelumnya.

Jika disandingkan dengan pencapaian tim Claude yang membangun Cowork hanya dalam dua minggu menggunakan Claude Code dengan 100% kode buatan AI, serta artikel OpenAI akhir tahun lalu tentang “membangun Sora versi Android dalam 28 hari menggunakan Codex,” satu kesimpulan menjadi semakin jelas: era Agent benar-benar telah tiba.

Menggantikan ChatGPT dan Claude Code dengan Codex

Seperti kebanyakan local Agent, Codex memulai alur kerja dari sebuah workspace. Pengguna dapat membuat beberapa Project, masing-masing terhubung ke folder tertentu, lalu membuka percakapan lanjutan yang disebut Threads. Bagi pengguna yang terbiasa dengan ChatGPT, alur ini terasa sangat familiar.

Sebagai contoh paling sederhana, kami membuat folder unduhan kosong, memulai sebuah Thread, memilih model GPT-5.3-Codex, lalu langsung memasukkan perintah. Ketika diminta mengunduh sebuah video dari X, Codex secara otomatis memeriksa Skills yang tersedia dan memanggil yt-dlp untuk mengeksekusi unduhan. Meski durasi video lebih dari empat jam, Codex terus memperbarui progres unduhan langsung di jendela percakapan.

Setelah video selesai diunduh, kami memintanya mengekstrak transkrip lengkap, menyusunnya dalam dokumen dwibahasa, lalu membungkus seluruh alur tersebut menjadi sebuah Skill agar dapat digunakan kembali di kemudian hari. Dari sini, kami juga dapat melanjutkan dengan memotong klip menarik, mengonversinya menjadi GIF, atau melakukan transcoding format—semuanya tanpa keluar dari Codex.

Sebagai contoh, kami meminta Codex memotong bagian video dari detik ke-5 hingga ke-25 menjadi klip baru. Berkat kecepatan pemrosesan token GPT-5.3-Codex, proses ini berlangsung cepat dan lebih bergantung pada kemampuan hardware lokal untuk decoding dan encoding. Kami juga dapat memintanya mengonversi lima detik pertama menjadi file GIF berukuran di bawah 10 MB, dengan frame rate yang bisa disesuaikan dan lebar gambar dikunci pada 640 piksel.

Tak lama kemudian, file GIF siap digunakan. Bahkan dalam skenario ekstrem, Codex mampu mengonversi seluruh video menjadi rangkaian gambar—30 frame per detik, satu gambar per frame. Dikombinasikan dengan performa unggul GPT-5.3-Codex di benchmark Terminal-Bench-2, kemampuan pemrosesan file lokal ini menjadikan Codex fondasi yang solid bagi berbagai alat produktivitas dan efisiensi.

Sebagai perbandingan, Claude Opus 4.6 yang juga baru dirilis mencatat skor 65,4% pada Terminal-Bench 2.0, sementara GPT-5.3-Codex mencapai 77,3%.

Dari Manajemen File hingga Aplikasi Lengkap

Dalam pengujian lain, kami meminta Codex mengganti nama sejumlah file gambar berdasarkan kontennya, dengan batas maksimal 20 huruf alfabet dan tanpa simbol. Setelah proses penamaan ulang selesai, Codex juga mampu menggabungkan gambar-gambar tersebut—baik secara vertikal maupun horizontal—dengan memanggil alat yang sesuai.

Seperti ekosistem Claude, Codex juga mendukung marketplace Skills yang kaya. Secara bawaan, aplikasi ini sudah menyediakan integrasi untuk PowerPoint, Excel, Word, Canvas, dan Notion.

Pada kemampuan pemrograman inti, GPT-5.3-Codex menunjukkan peningkatan nyata dibanding GPT-5.2. Kami memintanya membangun aplikasi “Word of the Day” dari nol. Berbeda dengan Canvas di ChatGPT yang hanya menghasilkan pratinjau web yang sulit diekspor, Codex membangun proyek secara lokal dan kemudian mendistribusikannya melalui Skills seperti Vercel atau Cloudflare.

Dengan memilih mode penalaran Extra High, GPT-5.3-Codex akan berhenti di setiap langkah penting untuk mengonfirmasi tindakan berikutnya. Perilaku ini mencerminkan orkestrasi internal Codex, di mana berbagai Skills—termasuk modul brainstorming—dipanggil secara dinamis dalam dialog berkelanjutan.

Pada akhirnya, Codex berhasil menyelesaikan seluruh fungsi yang diminta, bahkan mengusulkan pengembangan lanjutan untuk versi macOS, iOS, dan Android. Jika pengguna memiliki proyek kode yang sudah ada, Codex juga dapat membuka folder proyek tersebut, menganalisis bug, dan langsung memperbaikinya.

Keseimbangan Baru dalam Persaingan Model Coding

Dalam waktu yang lama, pilihan utama para pengembang adalah model Sonnet dan Opus dari Anthropic, dipadukan dengan Claude Code. OpenAI sempat dianggap tertinggal dalam penalaran kode kompleks dan berskala besar. Kehadiran GPT-5.3-Codex jelas dimaksudkan untuk menutup—bahkan mengakhiri—perdebatan tersebut.

Baik dalam benchmark maupun pengujian langsung, GPT-5.3-Codex tidak hanya melampaui generasi sebelumnya dari OpenAI, tetapi juga mulai menunjukkan potensi untuk mengungguli model pesaing. Ia benar-benar menampilkan kemampuan menulis, menguji, dan menalar kode sebagai satu proses terpadu.

Pengembangan game menjadi salah satu studi kasus utama dalam blog peluncuran OpenAI. Kami pun meminta Codex membuat game pinball fisika sederhana. Meski tampilannya belum sepenuhnya sesuai ekspektasi RPG yang kami harapkan, hasilnya tetap fungsional dan dapat dimainkan. Di platform X, sudah banyak contoh mini-game lain yang dibuat dengan GPT-5.3-Codex, termasuk game bergaya Super Mario dengan mekanisme mengumpulkan koin.

Tidak Ada Pemenang Mutlak, Hanya Siklus yang Semakin Cepat

Dari sudut pandang Anthropic, langkah OpenAI hari ini mungkin terasa familiar. Dalam beberapa tahun terakhir, OpenAI kerap terlihat mengikuti jejak Claude: ketika Claude fokus memperkuat kemampuan coding, OpenAI sempat bereksperimen dengan Sora, ringkasan berita, browser, dan ChatGPT Agent—namun tanpa dampak besar—hingga akhirnya kembali menekan pedal di ranah kode. Claude merilis Cowork pada awal Januari, dan OpenAI menyusul dengan Codex App pada awal Februari.

Waktu peluncuran juga menegaskan rivalitas ini. Pukul 01.45 dini hari, Claude mengumumkan Opus 4.6 di X. Tak lama kemudian, OpenAI meluncurkan GPT-5.3-Codex. Kedua model ini sejatinya memiliki tujuan yang sama: menyediakan fondasi yang lebih kuat bagi Agent. Narasinya pun bergeser dari sekadar “vibe coding” menjadi satu kebenaran sederhana—Agent yang hebat membutuhkan kemampuan coding yang luar biasa.

Meski Opus 4.6 tertinggal dari GPT-5.3-Codex pada Terminal-Bench 2.0 dan SWE-Bench, ia mengimbanginya dengan memperluas konteks hingga satu juta token—sebuah lompatan besar yang belum pernah ada sebelumnya. Secara keseluruhan, jarak performa di berbagai benchmark pun tidak terpaut jauh.

Anthropic sendiri mengisyaratkan bahwa kekuatan sesungguhnya belum sepenuhnya ditampilkan—Sonnet 5 disebut-sebut sebagai “jurus pamungkas” yang masih menunggu giliran.

Berbagai pengujian awal dari komunitas memperkuat ketegangan ini. Ada pengembang yang menyebut Opus 4.6 mampu merombak seluruh basis kode hanya dengan satu kali pemanggilan, memodularisasi “spaghetti code” yang sebelumnya sulit dikelola. Ada pula yang membandingkan Opus 4.6 dan 4.5 melalui simulasi game manajemen: versi 4.6 menghabiskan lebih banyak waktu di awal untuk menyusun strategi, namun akhirnya unggul jauh dalam hasil akhir.

Seorang pengembang bahkan membuat klon game Pokémon dan menyebutnya sebagai proyek berbasis AI paling keren yang pernah ia bangun. Menurut laporannya, Opus 4.6 berpikir selama 1 jam 30 menit, menggunakan 110 ribu token, dan hanya membutuhkan tiga iterasi.

Dalam demo resmi dan umpan balik pengguna awal, Opus 4.6 juga menunjukkan kemampuan manajemen proyek yang kuat: dalam satu hari, ia dapat menutup 13 issue secara mandiri dan mendistribusikan 12 issue lainnya kepada anggota tim manusia yang tepat. Mirip dengan “agent swarm” pada Kimi K2.5, Opus 4.6 mampu mengelola basis kode berskala besar. Di Claude Code, pengguna bahkan dapat membentuk Agent Teams—sekumpulan AI yang bekerja kolaboratif, masing-masing bertugas menulis kode, melakukan review, atau pengujian—dengan peningkatan kecepatan hingga 2,5 kali.

Model Semakin Kuat, Pengguna Semakin Diuntungkan

Secara makro, lanskap ini terasa seperti siklus berulang: Gemini sempat mencuri perhatian, lalu Claude, dan kini giliran OpenAI—bahkan mungkin Grok—yang bersinar. Namun di setiap putaran siklus tersebut, satu hal konsisten: kemampuan AI yang tersedia bagi pengguna terus meningkat.

Saat ini, OpenAI belum membuka API GPT-5.3-Codex, dengan alasan kekuatan model yang sangat besar dan potensi risiko yang menyertainya. Perusahaan masih mengevaluasi cara paling aman untuk membuka akses tersebut. Sementara itu, Claude Opus 4.6 sudah dapat digunakan melalui aplikasi chat Claude, Claude Code, maupun API.

Sebagai dua model unggulan yang membuka tahun ini di kancah global, GPT-5.3-Codex dan Claude Opus 4.6 sama-sama layak untuk dicoba. Ke depan, peningkatan kemampuan Agent—agar benar-benar dapat bekerja untuk kita—akan terus menjadi fokus utama dalam evolusi model skala besar.