OpenAI 發表 GPT-5.3-Codex：首個結合 Codex 與 GPT-5 訓練架構的代理式程式模型

OpenAI於2026年2月5日正式發表GPT-5.3-Codex，這是該公司程式設計模型系列的最新一代。與過去版本最大的不同，是這次首次把獨立訓練的Codex程式模型分支，與主線GPT-5的訓練架構真正合併，而不是像先前版本那樣各自訓練後再拼接能力。官方表示，合併後的架構讓模型在處理多步驟、代理式（agentic）程式任務時，執行速度提升約25%，包括讀取程式庫、規劃修改步驟、執行測試與除錯等連續動作的整體耗時都明顯縮短。

技術意義：訓練架構合併，而非單純調參

過去Codex系列與GPT-5系列是兩條平行的訓練線，前者專注程式生成與除錯，後者負責通用推理與對話。這次GPT-5.3-Codex是首個把兩條訓練線的資料與架構合而為一的版本，意味著程式能力與通用推理能力不再是「疊加」關係，而是共用同一套底層表示。這種做法的好處是模型在處理需要跨領域理解的程式任務時（例如根據商業需求文件生成程式、或是在程式中處理法規邏輯），能同時調用程式與非程式的推理能力，而不需要額外的模型切換或提示工程。

首個被列為網路安全「高能力」等級的模型

值得注意的是，GPT-5.3-Codex是OpenAI內部風險分級制度下，首個在「網路安全」項目被歸類為「高能力」（High Capability）等級的模型。這代表模型在滲透測試、漏洞探索、攻擊程式碼生成等能力上，已達到官方認定需要加強防護與監控的門檻。這個分級本身釋放出一個訊號：代理式程式模型的能力提升，同時也放大了被濫用於資安攻擊的風險，OpenAI因此同步加強了此版本在安全相關使用情境上的限制與監控機制。

業界反應：代理式編程進入下一階段

此次發布被視為代理式(agentic)編程工具競賽的又一里程碑。速度提升25%看似只是效率數字，但對於需要模型連續執行「讀取—規劃—修改—測試」迴圈的自動化編程任務而言，單次迴圈的延遲縮短會直接放大整體工作流的吞吐量，使模型能在同樣時間內完成更多輪次的自我修正，間接提高最終產出程式碼的正確率。

對管理者而言，這則新聞的重點不在於工程師該用哪個版本，而在於代理式AI工具的能力與風險正在同步升級——若企業導入這類工具處理內部系統開發或自動化流程，應同步關注官方公布的安全分級與使用限制，而非只看效能提升的數字。