❗️GPT-5.3-Codex. Если вы не думаете про агентную разработку, вы уже отстаете OpenAI представила GPT-5.3-Codex. Это обновленная модель Codex, ориентированная на выполнение сквозных инженерных задач, а не только на генерацию кода. Конкуренция смещается из плоскости «чья модель умнее» в плоскость «чья модель способна дольше и стабильнее выполнять реальную работу». GPT-5.3-Codex поддерживает многошаговые сценарии. Она умеет планировать действия, использовать инструменты, выполнять код и итерироваться по результату. По заявлению OpenAI, модель лучше работает с крупными кодовыми базами, эффективнее справляется с отладкой, тестированием и рефакторингом. GPT-5.3-Codex на 25% быстрее предыдущей версии по скорости инференса. Но главное — качественный рост на бенчмарках. Модель перешла от генерации сниппетов к реальной работе в терминале и операционной системе. Важное отличие новой версии: работа с реальными инструментами. Модель изначально спроектирована для использования в IDE, CLI и веб-средах, а не только в формате чата. Во время выполнения задачи пользователь может направлять и корректировать ее работу. OpenAI также позиционирует Codex как помощника для более широкого круга задач. Среди них ресерч, документация, таблицы, деплой и веб-задачи. Это отражает общий сдвиг рынка от точечной кодогенерации к агентным моделям, способным работать с контекстом и длинными цепочками действий. Отдельно стоит отметить: GPT-5.3-Codex — первая модель, которая участвовала в собственном создании. Команда OpenAI использовала ранние версии для отладки обучения и диагностики. Это маркер зрелости агентного подхода. С точки зрения безопасности GPT-5.3-Codex отнесена к моделям с высокими возможностями в задачах, связанных с кибербезопасностью. Поэтому она используется с дополнительными мерами контроля. Модель уже доступна в ChatGPT Codex, расширениях для IDE и инструментах разработчиков. Доступ к API заявлен, но будет открыт позже. Иван Лавров, Lead AI KTS: Для инженерных команд здесь важна не скорость генерации кода, а способность модели удерживать контекст задачи и последовательно выполнять сложные сценарии. В больших репозиториях и корпоративной инфраструктуре подход «один запрос — один ответ» не масштабируется. Агентные модели становятся следующим этапом развития AI-инструментов для разработки. Релиз Anthropic Opus 4.6 с agent teams в тот же день только подтверждает: гонка идёт именно в этом направлении.