今天凌晨，OpenAI 发布的 GPT-5.3-Codex 可以被视为对近期本地 Agent 工具爆发式增长的一记强有力回击——尤其是对 Anthropic 的直接回应。
配合 OpenAI 最新推出的 Codex 桌面应用，许多此前由 Skill、Cowork、Claude Code、Openclaw 等热门工具分别实现的能力，如今都可以在一个统一的环境中完成，核心由 Codex 的交互外壳与 GPT-5.3-Codex 模型本身共同驱动。
在 Codex 应用中，用户可以直接选择 GPT-5.3-Codex，并精细调节其推理深度。为了评估它在真实场景中的表现，我们给它布置了与此前测试 Cowork 时类似的任务，包括本地文件处理、格式转换、多 Skills 协同调用、生成 Word、PowerPoint、Excel 文档、下载视频，甚至是开发应用程序。
实际表现令人印象深刻。相比从零开始安装和配置 Claude Code 的复杂流程，Codex 提供了一个门槛低得多的入口，尤其对新手用户而言更为友好。这也反映了整个生态中的一个明显趋势：本地 Agent 最初大多诞生于“黑乎乎”的命令行环境，但正在逐步回归到更直观、更易用的图形化界面。
近几天，外界对 Codex 的评价也出现了明显转向。不少开发者表示已从 Claude Code 转向 Codex，一些国内的独立开发者也提到，Codex Plus 会员即可直接使用，而且不像 Claude 那样频繁遭遇无情封号的问题。
OpenAI CEO 山姆·奥特曼也毫不掩饰自己的兴奋，公开宣布 Codex 的活跃用户数已经突破 100 万。在 OpenAI 的模型更新博客中，官方同样不吝赞美之词，称 GPT-5.3-Codex 是公司第一个具备“自我构建”能力的模型，正因如此，才能以如此快的速度推出 5.3-Codex。
结合 Anthropic 使用 Claude Code、100% AI 代码、仅用两周时间构建 Cowork 的成果，以及 OpenAI 此前分享的“28 天内用 Codex 构建 Android 版 Sora”的案例，一个结论已经呼之欲出：Agent 的时代，真的来了。
用 Codex 取代 ChatGPT 和 Claude Code
和大多数本地 Agent 工具一样，Codex 的起点是工作区。用户可以创建多个 Project，每个 Project 对应一个本地文件夹，再在其中开启对话线程（Threads）。对于熟悉 ChatGPT 的用户来说，这套工作流几乎是零学习成本。
从一个最简单的例子开始，我们新建了一个空的下载文件夹，开启一个新的线程，选择 GPT-5.3-Codex，然后直接下达指令。当我们要求它下载一个来自 X 的视频时，Codex 会自动识别可用的 Skills，并调用 yt-dlp 来完成下载。即便是一个长达四个多小时的视频，Codex 也会在对话窗口中持续更新下载进度。
下载完成后，我们进一步要求它提取完整逐字稿，生成一份双语文档，并将整个流程打包成一个可复用的 Skill。随后，同一个线程还能继续完成视频剪辑、GIF 转换或格式转码，全程无需离开 Codex。
例如，我们让 Codex 将视频的第 5 秒到第 25 秒剪辑成一个新视频。得益于 GPT-5.3-Codex 快速的 token 处理能力，整体耗时并不长，更多取决于本地电脑的解码和编码性能。同样地，我们也可以让它直接把前 5 秒转成一个 GIF，限制在 10MB 以内，帧率可调，宽度控制在 640 像素。
很快，对应的 GIF 文件就生成完成了。再极端一些，Codex 甚至可以把整个视频转成图片序列——每秒 30 帧，每一帧都是一张图片。结合 GPT-5.3-Codex 在 Terminal-Bench-2 上的出色表现，这种对本地文件的直接处理能力，使 Codex 足以支撑各种生产力工具和效率工具的实现。
作为对比，刚刚发布的 Claude Opus 4.6 在 Terminal-Bench 2.0 上的得分为 65.4%，而 GPT-5.3-Codex 则达到了 77.3%。
从文件管理到完整应用
在另一项测试中，我们让 Codex 根据图片内容批量重命名文件，要求文件名不超过 20 个英文字母，且不能包含符号。重命名完成后，我们又让它将这些图片进行拼接，无论是纵向还是横向，Codex 都能通过调用合适的工具顺利完成。
和 Claude 的生态类似，Codex 同样拥有丰富的 Skills 市场。应用内已原生集成了 PowerPoint、Excel、Word、Canvas、Notion 等多种常用能力。
回到核心的编程能力上，升级后的 GPT-5.3-Codex 相比 GPT-5.2 有着明显进步。我们直接让它从零开始开发一个“每日一词”的 App。不同于 ChatGPT 的 Canvas 只能生成一个无法带走的网页预览，Codex 会在本地完整构建项目，并通过 Vercel、Cloudflare 等 Skills 进行部署。
在 Extra High 的超强推理模式下，GPT-5.3-Codex 会在每一步操作前询问下一步的选择。这种行为源于 Codex 内部的调度机制：它会根据任务需要，动态调用不同的 Skills，其中包括会自动展开多轮对话的头脑风暴模块。
最终，Codex 基本完成了最初提出的所有功能需求，并且还能进一步扩展到 macOS、iOS 和 Android 版本。如果用户已经有现成的代码项目，也可以直接在 Codex 中打开对应文件夹，让 GPT-5.3-Codex 分析项目中的 Bug，并直接进行修复。
编程模型之战的力量平衡正在改变
在相当长的一段时间里，开发者的首选往往是 Anthropic 的 Sonnet / Opus 模型，配合 Claude Code 工具。OpenAI 在复杂、长逻辑代码推理方面一度被认为有所落后。GPT-5.3-Codex 的出现，显然就是为了缩小，甚至终结这一差距。
无论是在基准测试还是实际体验中，GPT-5.3-Codex 都不仅超越了自家的前代模型，也已经显露出压制竞争对手的迹象。它真正展现出了将代码编写、测试和推理整合为一个完整流程的能力。
在 OpenAI 的发布博客中，游戏开发是一个重点案例，因此我们也让 Codex 做了一个简单的物理弹球游戏。虽然最终界面没有达到我们在提示词中期待的 RPG 风格，但整体是可运行、可游玩的。网络上也已经出现了不少用 GPT-5.3-Codex 制作的小游戏，比如类似超级玛丽的收集金币玩法。
没有绝对赢家，只有更快的轮回
从 Anthropic 的视角来看，OpenAI 今天的动作或许并不陌生。近几年，OpenAI 在技术路线上的确多次紧随 Claude 的脚步：Claude 深耕代码能力时，OpenAI 把重心放在 Sora、日报、浏览器、ChatGPT Agent 等方向，反响有限，于是重新回到代码赛道；Anthropic 在 1 月初推出 Cowork，OpenAI 便在 2 月初发布 Codex 应用。
时间点也凸显了双方的竞争关系。凌晨 1 点 45 分，Anthropic 在 X 上发布 Claude Opus 4.6；不久之后，OpenAI 端出了 GPT-5.3-Codex。两款模型的目标其实高度一致——为 Agent 提供更强的底座能力。话术已经从“vibe coding”演进到一个更直白的事实：Agent 想做好事，本质上还是要“代码写得好”。
虽然 Opus 4.6 在 Terminal-Bench 2.0 和 SWE-Bench 上不如 GPT-5.3-Codex，但它通过将上下文窗口拉长到史无前例的 100 万 token 进行了补偿，而且从整体 benchmark 表现来看，差距并没有被无限放大。
Anthropic 也暗示，真正的杀手锏还没登场——Sonnet 5 才是他们眼中的“真功夫”。
一些早期用户测试进一步强化了这种张力。有开发者表示，Opus 4.6 只用一次调用，就完成了整个代码库的重构，把原本混乱不堪的“屎山”全部模块化；也有人让 Opus 4.6 和 4.5 玩同一款经营游戏，结果是 4.6 在前期花更多时间制定策略，但最终在等级、财富和装备上全面领先。
还有开发者用 Opus 4.6 做了一个宝可梦克隆游戏，称这是他用 AI 做过最酷的项目。根据描述，Opus 4.6 思考了 1 小时 30 分钟，消耗了 11 万个 token，只迭代了三次。
在 Anthropic 官方演示和用户反馈中，Opus 4.6 还展现了强大的项目管理能力：它能在一天内自主关闭 13 个 issue，并将另外 12 个 issue 准确分派给合适的人类成员。类似于 Kimi K2.5 的智能体蜂群，Opus 4.6 也能管理大规模代码库，在 Claude Code 中组建 Agent Teams，让多个 AI 分工协作，有的写代码、有的 Review、有的测试，整体效率最高可提升 2.5 倍。
模型越强，用户越强
从更宏观的角度看，这一切就像一个轮回：先是 Gemini 出风头，然后是 Claude，如今看起来又轮到了 OpenAI，甚至不排除接下来是 Grok。但在这个轮回中，作为用户的我们，能清晰感受到 AI 能力在持续增强。
目前，OpenAI 尚未开放 GPT-5.3-Codex 的 API，理由是模型能力过强，存在较高风险，仍在评估如何安全启用。而 Claude Opus 4.6 已经可以通过 Claude 通用聊天应用、Claude Code 以及 API 多种方式使用。
作为今年海外“御三家”首批亮相的两款重磅模型，GPT-5.3-Codex 和 Claude Opus 4.6 都非常值得一试。展望未来，围绕 Agent 的能力升级、让 Agent 真正为我们做事，仍将是大模型演进的核心方向。
.jpg)
