GPT-5.3-Codex e il passaggio dallo scrivere codice al far funzionare il computer

La dichiarazione sull'auto-sviluppo, e cosa descrive davvero

OpenAI presenta GPT-5.3-Codex come 'il nostro primo modello che è stato determinante nella propria creazione'. Al netto della retorica, la fonte descrive compiti concreti: le prime versioni del modello hanno monitorato e debuggato il processo di addestramento, individuato pattern ricorrenti, risalito alla causa di bassi tassi di cache hit e scalato dinamicamente i cluster GPU durante il lancio per mantenere stabile la latenza.

È un elenco specifico e verificabile. Non si tratta di un modello che progetta la propria architettura, ma di un modello che svolge il lavoro operativo e diagnostico attorno a un addestramento che altrimenti gli ingegneri farebbero a mano. Il risultato dichiarato è un'accelerazione dei progetti di ricerca in corso, con lo staff di OpenAI che descrive il proprio lavoro come 'fondamentalmente diverso da quello che era solo due mesi fa'.

Per chi costruisce workflow di agenti, il dato utile è la natura del lavoro che viene automatizzato: analisi dei log, classificatori regex applicati ai dati di sessione e pipeline di visualizzazione più ricche assemblate su richiesta. Un ricercatore ha fatto costruire al modello dei classificatori per stimare la frequenza di richieste di chiarimento e l'avanzamento dei task su tutti i log di sessione — il tipo di strumentazione interna che raramente viene realizzata perché non è la priorità di nessuno.

OSWorld è il numero che conta più di SWE-Bench

Su SWE-Bench Pro il miglioramento è marginale: 56,8% contro 56,4% di GPT-5.2-Codex. Il salto vero è su OSWorld-Verified, il benchmark sull'uso del computer eseguito tramite un desktop visuale, dove il punteggio passa dal 38,2% al 64,7%. Anche Terminal-Bench 2.0 sale, dal 64,0% al 77,3%.

Questo schema indica dove sta andando il prodotto. Le prestazioni di coding sono vicine a un plateau; la nuova capacità è far funzionare un computer — compiti guidati dalla visione in un ambiente desktop, dove gli umani ottengono circa il 72%. Il divario tra GPT-5.3-Codex e le prestazioni umane su questo benchmark è ora più piccolo del divario che c'era tra questo modello e il suo predecessore.

OpenAI insiste su questo punto citando GDPval, la sua valutazione del lavoro intellettuale su 44 professioni, mostrando output come una presentazione di dieci slide su consulenza fiduciaria. È da notare che le prestazioni su GDPval si limitano a 'eguagliare GPT-5.2' con il 70,9% — il miglioramento qui riguarda l'esecuzione agentica e l'uso del computer, non la qualità intrinseca del lavoro intellettuale.

Il controllo interattivo come vero cambiamento di interfaccia

OpenAI è esplicita sul fatto che il collo di bottiglia si sta spostando: 'il divario si sposta da ciò che gli agenti sono in grado di fare a quanto facilmente gli umani possono interagire con loro, dirigerli e supervisionarne molti che lavorano in parallelo'. La risposta è una funzione di guida che permette di intervenire a metà di un task senza perdere il contesto, attivabile da Settings > General > Follow-up behavior.

Questo conta più di un benchmark. Un modello che opera in autonomia su 'milioni di token' — come ha fatto costruendo i giochi di corse e di immersioni — è impossibile da supervisionare se puoi vedere solo il risultato finale. Aggiornamenti frequenti sull'avanzamento e correzioni in corso d'opera sono ciò che rende gli agenti a lunga esecuzione utilizzabili, e non una scommessa che lanci e speri vada bene.

La regola di routing per la sicurezza informatica è la riga più significativa del post

GPT-5.3-Codex è il primo modello che OpenAI classifica come 'ad alta capacità' per la sicurezza informatica secondo il suo Preparedness Framework, e il primo addestrato direttamente per individuare vulnerabilità software. Un ricercatore ha usato Codex per trovare vulnerabilità in Next.js, divulgate la settimana prima del lancio.

Per contribuire a prevenire usi improvvi, alcune richieste che i nostri sistemi rilevano come a rischio informatico elevato possono essere reindirizzate automaticamente da GPT‑5.3‑Codex a GPT‑5.2.Montana Labs

Si tratta di un regolatore di capacità attivo, integrato nel prodotto. Se una richiesta fa scattare il classificatore di rischio, ottieni silenziosamente un modello più debole. Per i team di sicurezza legittimi questo significa un comportamento non deterministico esattamente sui workload a cui tengono di più, con un pilota Trusted Access for Cyber e un comando /feedback come vie di fuga. OpenAI si impegna inoltre a destinare 10 milioni di dollari in credit API al lavoro defensivo.

Cosa comporta questa release per OpenAI

Riposizionando Codex da agente di coding a 'un collaboratore più generale sul computer', OpenAI si assume obblighi che ora deve rispettare. Se lo stesso modello che debugga il tuo build può anche esaminare le tue dipendenze in cerca di vulnerabilità, il fornitore diventa un partecipante attivo alla tua postura di sicurezza — e la logica di routing che declassa i prompt rischiosi entra a far parte del tuo modello di minaccia, non solo del loro.

Per i team che valutano questo strumento, le domande pratiche sono poco affascinanti: se il classificatore per la sicurezza informatica scatta erroneamente su normale lavoro di sicurezza, se il controllo interattivo riesce davvero a mantenere sotto controllo le esecuzioni autonome prolungate, e se il guadagno di velocità del 25% si conferma sotto traffico reale. L'accesso via API è 'in arrivo a breve', quindi queste risposte non sono ancora verificabili fuori dall'app Codex, dalla CLI, dall'estensione IDE e dal web.