著名 AI 技术博主 Matthew Berman 深度介绍了被誉为最强大的编码模型 Claude Opus 4.6。那么和它同一天发布的 GPT-5.3-Codex 实力如何？究竟谁才是如今的 AI 编程之王？
Matthew 认为，两家公司明显都把重心放在了智能体编程这个方向上，又在同一天发布新的模型。这种贴身肉搏式的竞争未来会越演越烈。
GPT-5.3-Codex 这次最大的看点其实不是 “变聪明了多少”，而是 “变快了多少”。之前 Codex 系列被很多人吐槽说虽然写代码厉害，但速度实在太慢了，跟 Opus 比差距明显。这次 OpenAI 宣称速度提升了 25%，但实现方式并不是推理速度本身变快，而是模型学会用更少 Token 达到同样的效果。在 SWE-bench Pro 这个基准测试上，5.3 Codex 只用了大约 43000 个输出 Token，而上一代 5.2-Codex 需要 91000 个，直接砍了一半还多。换句话说，模型变得更 “言简意赅” 了，不再像以前那样啰嗦地绕圈子。
另一个比较引人注目的点是，OpenAI 在博客里直接说 GPT-5.3-Codex 在自身的开发过程中“发挥了关键作用”。团队用早期版本来调试训练流程、管理部署、诊断评估结果。说白了，就是上一个版本帮忙造出了下一个版本。虽然整个过程还是有人类在把控方向和下达指令，但这种“模型参与构建自己” 的趋势已经非常明显，离真正的自主性自我改进又进了一步。
功能层面，5.3-Codex 有两个值得关注的能力。第一个是支持在任务执行过程中进行“中途引导”，也就是说模型在跑一个长任务的时候，你可以随时插话调整方向，这在其他平台上还比较少见。第二个是它对模糊提示词的理解能力明显变好了，就算你描述得不够详细，它也能自己补全合理的默认设置，对新手来说是个好消息。
OpenAI 还展示了用 5.3-Codex 自主构建的两个小游戏，一个赛车游戏，一个潜水游戏，基本上就是给一个简短的提示词，中间偶尔说一句 “修个 bug” 或者 “改进一下”，模型就自己跑了几百万 Token 把游戏做出来了。游戏本身不复杂，但重点是，整个过程几乎不需要人工干预。
除了编程之外，5.3-Codex 也在向更广泛的知识工作领域扩展，比如生成 PDF、Excel 、PowerPoint 这些。这个方向跟 Anthropic 前不久推出的 Claude Coworker 直接撞上了，两边确实是在抢同一块地盘。在计算机操控能力上，5.3-Codex 在 OS World 基准测试中拿到了 64.7 分，几乎是上一代的两倍，说明模型理解和操作电脑的能力也在快速进步。
不过 Matthew 也提到了一个他不太满意的地方。OpenAI 最近几次发布新模型的时候都不在基准测试里放竞争对手的数据，只跟自己的老版本比。相比之下 Anthropic 在发布 Opus 4.6 的时候就同时列了 Gemini 和 OpenAI 的模型，显得更坦诚一些。这种做法确实让外部评估变得更麻烦，也容易让人觉得你是不是心里没底。
回到开头的问题，谁更强？说实话现在很难下定论。Clawdbot 的创建者 Peter Steinberger 公开说他只用 Codex 不用 Opus 来写代码，因为觉得 Opus 会产生太多 bug。Matthew 对此持保留意见。从目前的信息来看，两个模型各有所长，而且都在快速迭代。不过编程能力正在成为评价各个模型能力的核心标准，这一时不争的事实。强大的模型不在于是否更聪明，而是能否更久更稳定地去完成一项任务！
