实测 GPT-5.3-Codex，OpenAI 史上第一个高危模型，连 API 都还不敢给我们

今天凌晨发布的 GPT-5.3-Codex 可以说是 OpenAI 对这段时间来，各种本地 Agent 爆火的一记重拳回击，当然主要是对 Anthropic 的反击。

配合 OpenAI 前几天的发布的 Codex 桌面版应用，Skill、Cowork、Claude Code，甚至是 Openclaw，这些热门工具能实现的功能，现在通过 Codex 的外壳 + GPT-5.3-Codex 模型能力，都能做到了。

▲ 在 Codex App 内可以直接选择 GPT-5.3-Codex 模型，也能选择深度思考的强度

和之前介绍 Cowork 的能力一样，我们也丢了一些类似的任务让 Codex 来完成，像是直接处理本地文件、各种格式转换、调用不同的 Skills 组合能力、做 Word/PPT/Excel、下载视频、开发 App……

GPT-5.3-Codex 的表现确实亮眼，相比较从头开始安装 Claude Code，对新人用户来说，现在直接下载 Codex 会是一个更好的选择。这也是未来模型厂商的一种趋势，一开始大家都是从黑乎乎的命令行终端开始做本地 Agent，接着都慢慢回归到可视化的友好界面。

网上对 Codex 的评价在这几天也有了不少逆转，许多开发者从 Claude Code 转向 Codex，一些在国内的独立开发者也表示 Codex Plus 会员就可以用，而且还不会像 Claude 那般总是无情封号。

奥特曼更是激动的宣布，Codex 的活跃用户已经超过 100 万。在模型更新博客，也是毫不掩饰和留有余地的夸赞，

GPT-5.3-Codex 是我们第一个能够自我构建的模型。通过使用 5.3-Codex，我们能够以如此快的速度发布 5.3-Codex。

跟 Claude 团队用两周的时间，使用 Claude Code，100% AI 代码，搓出一个 Cowork 一样；还有 OpenAI 去年年底发布的文章，「使用 Codex 在 28 天内构建 Android 版 Sora」，Agent 的时代真的来了。

用 Codex 取代我的 ChatGPT 和 Claude Code

和大多数的本地 Agent 一样，无论是终端还是 Cowork，我们都是先选择一个工作文件夹。在 Codex 中，我们可以创建多个 Project，选择对应的文件夹，再进一步开始对话，Codex 把它们叫做 Threads 线程。

先用最普遍和简单的例子，我们添加了一个空的下载文件夹，然后点击开始一个线程，选择 GPT-5.3-Codex 模型；就像在 ChatGPT 里面对话一样，输入指令。

要求它帮我们下载一个 X 视频，Codex 会自动检查可用的 Skills 来处理，接着通过 yt-dlp 工具进行下载，这个视频有四个多小时长，Codex 会一直在对话框里自动更新下载进度。

▲GIF 图经过加速处理

视频下载后，我们还可以要求它提取视频的逐字稿，给我们一份双语版本的文档，最后让它把整个流程打包为一个 Skill，方便下次使用。

如果视频中有一些比较有意思的片段，想要裁剪视频，或者是把裁出来的视频转成 GIF 图，在 Codex 里都能做到。

例如，我们这里下载了一个视频，然后要求它把视频的 5s-25s 裁剪出来成为一个新的视频；得益于 GPT-5.3-Codex 的 Token 快速处理，整个过程不需要很长时间，反而更多是取决于本地电脑的硬件解码编码能力。

▲ GIF 图经过加速处理

或者我们也可以直接要求它把视频的前 5s 转成一个 GIF 文件，并且确保大小在 10MB 以内，帧数可以自行调整，清晰度上将宽度控制在 640px。

很快，我们就能得到对应的 GIF 文件。更极端一点，还能让它把整个视频转成图片，每秒 30 帧，每一帧就是一张图。

这些对本地文件的直接处理，和 GPT-5.3-Codex 在 Terminal-Bench-2 测试集上的优异表现，让 Codex 基本上能满足各种生产力工具、效率工具的功能实现。

作为对比，同样是刚刚发布的 Claude Opus 4.6 在 Terminal-Bench 2.0 上得分是 65.4%，GPT-5.3-Codex 是 77.3%。

▲ 图片来源：https://x.com/neilsuperduper/status/2019486017703547309/

例如在这个文件夹中，有多张图片，我们首先是要求它根据图片内容，对这些图片文件进行重命名，并保持文件名不超过 20 个字母，不允许使用符号。

▲ GIF 图经过加速

自动修改完成后，我们还能要求他对这些图片进行拼接，无论是垂直拼接还是水平，调用对应的工具，Codex 都可以做到。

和 Claude Skills 一样，Codex 也能安装 Skills 市场上丰富的技能，并且在应用内，就已经提供了包括 pptx、xls、word、canvas、notion 在内的多款技能。

回到基础的编程能力，升级后的 GPT-5.3-Codex 表现也比 GPT-5.2 要好上不少。我们直接要求它写一个「每日一词」的 App。和在 ChatGPT 里面直接用 Canvas 给我们一个带不走的网页不同，Codex 能在本地从零开始，完成项目，然后使用 Vercel 或 Cloudflare 等 Skills 部署到网页上。

这里我们选择的推理模式是 Extra High，超强推理模式，于是在每一步操作之前，GPT-5.3-Codex 都会询问我下一步的操作选择，这也和 Codex 内部能直接根据任务情况，调用不同 Skills 有关，其中的头脑风暴 Skill，会自动进行不断对话的模式。

最后，它基本上还是完成了我一开始要求它完成的全部功能，并且还能进一步开发 macOS、iOS，和安卓版本。

如果我们有现成的代码项目，也可以选择该项目文件夹，在 Codex 中打开，GPT-5.3-Codex 会分析项目存在的 Bug，并且修复它。

在过去很长一段时间里，无论是工具还是模型，开发者的首选其实都是 Anthropic 的 Sonnet/Opus 模型和 Claude Code 工具。OpenAI 在编程、尤其是长代码逻辑推理上的掉队，曾让不少开发者转投阵营。

GPT-5.3-Codex 的出现，就是为了终结这场争论。现在 GPT-5.3-Codex 在编程基准测试和实际表现上，不仅碾压了自家的前代模型，也确实有把友商模型按在地上摩擦的前兆。它真正具备了编写、测试和推理代码的能力。

做游戏项目，是这次模型介绍博客里，网站开发部分主要案例，我们也让 GPT-5.3-Codex 做了一个简单的物理弹球游戏，整体的效果虽然没有达到我的期待，因为我在提示词里面有说希望这是一个 RPG 的游戏，但 GPT-5.3-Codex 给我的界面还是过于简陋了。不过，好在还是能玩。

我们也在 X 上找到了一些用 GPT-5.3-Codex 做的小游戏，像这个类似超级玛丽的收集金币。

▲来源：https://x.com/Angaisb_/status/2019548783869325331

强中更有强中手

对 Anthropic 来说，OpenAI 今天玩的这些，可能会说，这都是我们玩剩下的。无论是代码、或者 Agent 的能力，还是开始着手去做本地 Agent，从之前 Codex 的终端转成现在的 macOS App。

在技术的领域，OpenAI 仿佛都是跟着 Claude 的脚步在走，Claude 深耕代码能力，OpenAI 搞了 Sora、日报、浏览器、ChatGPT agent，都没什么水花，于是也在代码上发力；Claude 一月初推出 Cowork，OpenAI 也紧接着在二月初发布 Codex App。

就和今天的密集发布一样，凌晨 1:45，Claude 官方发 X 推出 Claude Opus 4.6，紧接着就是 OpenAI 端上 GPT-5.3-Codex。两款模型其实都是为了给 Agent 更强大的基座能力，以前是说代码/vibe coding，但现在 Agent 能做好，基本上都是「写代码写得好」。

Opus 4.6 虽然在 SWE-Bench 上的表现甚至不如 Opus 4.5，并且 Terminal-Bench 2.0 上的成绩也没有 GPT-5.3-Codex 强，但是 Opus 破天荒地把上下文长度拉到了一百万 token 的窗口。而且，这些 benchmark 的表现还没有相差很多。

Claude 说，我的 Sonnet 5 还没上来，那才是真功夫。

我们在网上也找了一些 Opus 4.6 最新的测试案例，有网友说 Claude 4.6 Opus 只是一次调用，就完全重构了他的整个代码库，将原来混乱的代码「屎山」全部模块化，并且没有模型能像 Opus 这样做到。

还有网友拿 Opus 4.6 和 4.5 进行对比，让两个模型玩同一款经营游戏，看谁的账户等级、财富和装备更高。测试博主提到，4.6 版本在初期制定战略的时间更长，但是做出了更好的战略决策，并且在最后确实做到了遥遥领先。

还有网友也做了一个游戏，不过是一个宝可梦的克隆版。博主提到这是他用 AI 做出来的最酷的东西。他提到，Claude Opus 4.6 思考了 1 小时 30 分钟，使用了 11 万个 Token，并且只迭代了三次。

▲ https://x.com/chatgpt21/status/2019679978162634930

在 CLaude 官方演示和早期用户的反馈中，也提到了一个 Opus 表现优秀的案例。Opus 4.6 在一天内自主关闭了 13 个 issue，issue 即项目存在的待解决问题，并将另外 12 个 issue 准确分派给了正确的人类团队成员。

和 Kimi K2.5 的智能体蜂群一样，Opus 4.6 也能管理一个 50 人规模组织的代码库。在 Claude Code 中，我们可以组建 Agent Teams，召唤出一整个队伍的 AI，不再是一个 AI 在战斗。这些AI 可以有的负责写代码，有的负责 Review，有的负责测试，它们之间自主协作。

也有网友测试了 Claude Code 里面的 Agent 蜂群，提到启用蜂群之后的 Opus 4.6，速度提升 2.5 倍，并且效果也更好。

我们现在的状态就跟这张图片一样，虽然一山比一山高，但都绕不出这个圈。前几个月可能是 Gemini 赚走了风头，一月份来，应该是 Claude，然后看样子又要轮到 OpenAI，或者马斯克的 Grok。

好在这个轮回的过程中，作为用户的我们，能明显感觉到 AI 的能力一直在变强。

GPT-5.3-Codex 的 API 还没有开放，原因是模型太强了，会存在很大的风险，所以 OpenAI 还在考虑怎么安全地启用 API。

Claude Opus 4.6 已经可以在 Claude 通用聊天应用、Claude Code、API 多种方式使用，这两个作为今年国外御三家首发的两款模型，非常值得一试。

未来，更好的服务 Agent，让 Agent 为我们做事，还会是大模型更新的重点。