В начале недели OpenAI официально представила обновлённый «кодекс» для агентов ИИ в новой инкарнации ОПС-5. Компания обозначила модель как GPT-5-Codex и описала её как систему, обладающую способностью к более гибкому и временно распределённому размышлению: модель может посвящать задачам программирования интервалы от нескольких секунд до нескольких часов. GPT-5-Codex уже интегрирована в продукты Codex и доступна через терминал, IDE, GitHub и ChatGPT для подписчиков ChatGPT Plus, Pro, Business, Edu и Enterprise. В планах OpenAI — сделать доступ к данной модели через API для внешних пользователей. Это обновление вписывается в стратегию компании по усилению конкурентных преимуществ Codex в сравнении с аналогами — Claude Code, Anysphere Cursor и Microsoft GitHub Copilot — на фоне растущей насыщенности рынка инструментов ИИ для кодирования. Рынок за последний год значительно оживился, привлекая капиталы и внимание: так, в начале 2025 года доход Cursor превысил 500 миллионов долларов, а проект Windsurf стал предметом бурной борьбы за приобретение, завершившейся разделением команды между Google и Cognition.
OpenAI утверждает, что GPT-5-Codex превосходит GPT-5 по ряду показателей: валидации SWE-bench Verified, аналитическим возможностям при работе с кодом и в задачах производительного анализа, включая рефакторинг в крупных публичных репозиториях.
Газета отмечает, что при обучении GPT-5-Codex проводились обзоры кода с последующей валидацией: опытные инженеры-программисты оценивали качества комментариев, генерируемых моделью. Итоги показали снижение частоты ошибочных замечаний и рост доли действительно полезных рекомендаций от модели.
На брифинге глава направления разработки OpenAI Codex Александр Эмбирикос пояснил, что ключ к улучшению — способность модели к динамическому мышлению во временной шкале. При этом пользователи уже знакомы с маршрутизатором GPT-5 в ChatGPT, который распределяет запросы между моделями в зависимости от сложности. Эмбирикос подчеркнул, что GPT-5-Codex функционирует в переменном режиме без встроенного маршрутизатора, но умеет регулировать продолжительность вычислительного процесса в реальном времени. «Модель может решить задачу за пять минут, тогда как та же задача могла бы занять у неё час», — отметил он, добавив, что в отдельных сценариях обучение и разработка модели растягивались более чем на семь часов.
