Bolehkah saya jalankan GPT-5.3-Codex secara tempatan?

Tidak. OpenAI belum mengeluarkan berat untuk model ini; ia hanya API dan tidak boleh dihos sendiri.

Berapa kos GPT-5.3-Codex dan berapa panjang konteksnya?

Harga adalah $1.75 setiap sejuta token input dan $14.00 setiap sejuta token output, dengan tetingkap konteks 400,000 token.

Bagaimana GPT-5.3-Codex berbeza daripada model Codex terdahulu?

Ia menambah penalaran lebih luas dan pengetahuan profesional GPT-5.2 kepada fokus pengekodan GPT-5.2-Codex, dan kira-kira 25% lebih pantas serta cekap token berbanding pendahulunya.

GPT 5.3 Codex

5118°

#llm #openai #penglihatan #penalaran #pengaturcaraan #ejen

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

OpenAI | konteks 400,000 token | $1.75/M input, $14.00/M output. GPT-5.3-Codex adalah model pengaturcaraan agen paling maju OpenAI, menggabungkan prestasi kejuruteraan perisian termaju GPT-5.2-Codex dengan kebolehan penalaran dan pengetahuan profesional lebih luas GPT-5.2. Ia mencapai keputusan terkini pada SWE-Bench Pro dan prestasi kuat pada Terminal-Bench 2.0 dan OSWorld-Verified, mencerminkan peningkatan pengaturcaraan pelbagai bahasa, kemahiran terminal, dan kemahiran penggunaan komputer dunia sebenar. Model dioptimumkan untuk aliran kerja penggunaan alat jangka panjang dan menyokong…OpenAI | konteks 400,000 token | $1.75/M input, $14.00/M output. GPT-5.3-Codex adalah model pengaturcaraan agen paling maju OpenAI, menggabungkan prestasi kejuruteraan perisian termaju GPT-5.2-Codex dengan kebolehan penalaran dan pengetahuan profesional lebih luas GPT-5.2. Ia mencapai keputusan terkini pada SWE-Bench Pro dan prestasi kuat pada Terminal-Bench 2.0 dan OSWorld-Verified, mencerminkan peningkatan pengaturcaraan pelbagai bahasa, kemahiran terminal, dan kemahiran penggunaan komputer dunia sebenar. Model dioptimumkan untuk aliran kerja penggunaan alat jangka panjang dan menyokong pengawalan interaktif semasa pelaksanaan, menjadikannya sesuai untuk tugas pembangunan kompleks, debugging, penyebaran, dan kerja produk iteratif. Selain pengaturcaraan, GPT-5.3-Codex berprestasi kuat pada penanda aras kerja pengetahuan berstruktur seperti GDPval, menyokong tugas seperti draf dokumen, analisis hamparan, penciptaan slaid, dan penyelidikan operasi merentasi domain. Ia dilatih dengan kesedaran keselamatan siber yang dipertingkat, termasuk kebolehan pengenalpastian kerentanan, dan dilaksanakan dengan perlindungan tambahan untuk kes penggunaan berisiko tinggi. Berbanding model Codex sebelum ini, ia lebih cekap token dan kira-kira 25% lebih pantas, menyasarkan aliran kerja profesional hujung ke hujung yang merangkumi penalaran, pelaksanaan, dan interaksi komputer.

Panduan untuk model ini

Cara memilih model AI pada Oktober 2026: berita sumber tertutup, kemudian berat terbuka yang patut dimuat turun

Berat terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya kamu dibenarkan lakukan

10 Alternatif ChatGPT Termurah pada 2026: model tempatan percuma, tahap percuma dan pelan kadar rata

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

GPT-5.3-Codex adalah model pengekodan agen paling berkuasa dari OpenAI, dibina untuk aliran kerja pembangunan menggunakan alat jangka panjang dan bukannya pelengkapan sekali sahaja. Ia menggabungkan prestasi kejuruteraan perisian termaju dengan penalaran lebih luas dan pengetahuan profesional, dan kira-kira 25% lebih pantas serta cekap token berbanding pendahulunya. Jika kerja anda merangkumi penulisan, penyahpepijatan, penyebaran dan iterasi perisian sebenar secara menyeluruh, ini adalah model yang dibina OpenAI untuk itu.

Dikenali untuk

Keputusan termaju pada SWE-Bench Pro untuk tugasan kejuruteraan perisian dunia sebenar.
Menyokong pengawalan interaktif semasa pelaksanaan, berguna untuk larian pengekodan agen panjang.
Prestasi terminal dan penggunaan komputer yang kuat merentas aliran kerja berbilang langkah.
Mengendalikan kerja pengetahuan berstruktur: dokumen, hamparan, slaid, penyelidikan operasi.
Dilatih dengan keupayaan pengenalpastian kerentanan dan perlindungan keselamatan siber tambahan.

Berhati-hati dengan

Harga output $14.00/M token boleh cepat meningkat dalam gelung agen panjang; kos model di sini.
Berat tertutup, hanya API — anda tidak boleh jalankan secara tempatan atau hos sendiri.
Konteks 400,000 token adalah murah hati tetapi kurang daripada ambang 200k+ untuk model kelas 'konteks panjang' yang lebih tinggi.

Terbaik untuk

Pengaturcaraan

Ejen dan penggunaan alat

Penalaran

Penglihatan

Arahan untuk cuba

Pembinaan ciri hujung ke hujung

Anda mempunyai akses ke terminal dan kod Python. Tambah titik akhir REST ke aplikasi Flask sedia ada yang menerima badan JSON dengan medan 'user_id' dan 'amount', mengesahkan kedua-duanya, menulis baris ke pangkalan data SQLite, dan mengembalikan pengesahan dengan ID baris baru. Tulis kod, jalankan ujian, betulkan sebarang kegagalan, dan sahkan titik akhir berfungsi.

Debug penyebaran gagal

Kontena Docker saya bina dengan baik secara tempatan tetapi rosak semasa mula di produksi dengan ralat ini: 'ModuleNotFoundError: No module named dotenv'. Dockerfile menggunakan python:3.11-slim dan memasang kebergantungan dari requirements.txt. Terangkan punca kemungkinan, semak fail berkaitan, cadangkan pembaikan, laksanakan, dan sahkan kontena bermula dengan bersih.

Tugas analisis hamparan

Saya ada CSV dengan lajur: tarikh, wilayah, produk_sku, unit_terjual, harga_unit. Kira jumlah pendapatan setiap wilayah setiap bulan, kenal pasti tiga SKU teratas mengikut pendapatan di setiap wilayah, dan tandakan mana-mana bulan di mana pendapatan wilayah turun lebih 20% daripada bulan sebelumnya. Outputkan jadual ringkasan bersih dan tafsiran ringkas bertulis.

Bandingkan dengan

gpt-oss-120b
Model berat terbuka
konteks 131,072 token · Input $0.15/M, output $0.60/M
gpt-oss-20b
Model berat terbuka
konteks 131,072 token · Input $0.02/M, output $0.09/M
GPT-6 Luna
Model hanya API
konteks 1,050,000 token · Input $0.10/M, output $0.50/M
GPT-5.6 Luna
Model hanya API
konteks 1,050,000 token · Input $0.20/M, output $1.20/M

Lebih banyak model teks dari openai

Soalan yang sering ditanya

Bolehkah saya jalankan GPT-5.3-Codex secara tempatan?: Tidak. OpenAI belum mengeluarkan berat untuk model ini; ia hanya API dan tidak boleh dihos sendiri.
Berapa kos GPT-5.3-Codex dan berapa panjang konteksnya?: Harga adalah $1.75 setiap sejuta token input dan $14.00 setiap sejuta token output, dengan tetingkap konteks 400,000 token.
Bagaimana GPT-5.3-Codex berbeza daripada model Codex terdahulu?: Ia menambah penalaran lebih luas dan pengetahuan profesional GPT-5.2 kepada fokus pengekodan GPT-5.2-Codex, dan kira-kira 25% lebih pantas serta cekap token berbanding pendahulunya.

Keputusan Kapten
Pilihan serius untuk kerja pengekodan agen berbilang langkah, asalkan anda sanggup bayar $14/M token output dalam larian panjang.

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Hy MT2 7B

TEXT / LLM

Qwen3 VL 30B A3B Instruct

Model AI untuk penjanaan imej, video dan teks

GPT 5.3 Codex ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm openai penglihatan penalaran pengaturcaraan ejen

Layari mengikut keluarga model