OpenAI wypuścił GPT-5-Codex, specjalną wersję GPT-5 zoptymalizowaną do zadań agentowych w Codex. Wariant ten został przystosowany do osiągania lepszych rezultatów w codziennej pracy deweloperów, w tym przy tworzeniu projektów od zera, dodawaniu funkcji i testowaniu istniejących projektów, wykonywaniu refaktoryzacji kodu na dużą skalę i nie tylko.
GPT‑5-Codex jest dostępny wszędzie tam, gdzie można używać OpenAI Codex. Model jest ustawiony domyślnie dla zadań w chmurze i przeglądania kodu, a deweloperzy mogą ponadto używać go do zadań lokalnych poprzez Codex CLI i rozszerzenie dla IDE, np. Visual Studio Code.
Odkąd wypuściliśmy Codex CLI w kwietniu i Codex web w maju, Codex stale ewoluował do bardziej efektywnego współpracownika kodowania. Dwa tygodnie temu zunifikowaliśmy Codex w doświadczenie pojedynczego produktu połączone z Twoim kontem ChatGPT, pozwalając Ci płynnie przenosić prace między lokalnym środowiskiem a chmurą bez utraty kontekstu. Codex działa teraz tam, gdzie tworzysz – w Twoim terminalu albo IDE, w przeglądarce, w GitHub, a nawet w aplikacji ChatGPT na iOS. Codex jest dołączony do planów ChatGPT Plus, Pro, Business, Edu i Enterprise.
Wraz z tymi aktualizacjami Codex zbliża się do tego, nad czym pracujemy od dawna – do bycia członkiem zespołu, który rozumie Twój kontekst, pracuje obok Ciebie i niezawodnie wykonuje zadania dla Twojego zespołu.
— OpenAI
Nowością w Codex jest GPT-5-Codex, specjalna wersja modelu zoptymalizowana pod kątem produkcji oprogramowania z wykorzystaniem agentów. Wytrenowano go na złożonych zadaniach inżynieryjnych z prawdziwego świata, takich jak tworzenie projektów od zera, dodawanie funkcji, testowanie, debugowanie, refaktoryzacja na dużą skalę i przeglądanie kodu. Według producenta wersją tą łatwiej jest sterować, dostosowuje się ona lepiej do instrukcji AGENTS.md i generuje wyższej jakości kod. Wystarczy powiedzieć modelowi, czego potrzebujesz, bez pisania długich instrukcji.
Nowy model wypada tez przyzwoicie w benchmarkach. W SWE-bench Verified nieco przewyższa GPT-5 (High), ale w zadaniach związanych z refaktoryzacją osiąga wyraźniej mocniejsze rezultaty.
