Can I run GPT-5.3-Codex locally?

Tidak. OpenAI belum merilis bobot untuk model ini; hanya tersedia melalui API dan tidak bisa dihosting sendiri.

What does GPT-5.3-Codex cost and what is its context window?

Harga adalah $1,75 per juta token input dan $14,00 per juta token output, dengan jendela konteks 400.000 token.

How does GPT-5.3-Codex differ from earlier Codex models?

Model ini menambahkan penalaran lebih luas dan pengetahuan profesional dari GPT-5.2 ke fokus coding GPT-5.2-Codex, dan sekitar 25% lebih cepat serta lebih efisien token dibanding pendahulunya.

GPT 5.3 Codex

5118°

#llm #openai #visi #penalaran #pemrograman #agen

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

OpenAI | konteks 400.000 token | $1,75/M input, $14,00/M output. GPT-5.3-Codex adalah model coding agentic paling canggih dari OpenAI, menggabungkan performa rekayasa perangkat lunak terdepan GPT-5.2-Codex dengan kemampuan penalaran dan pengetahuan profesional yang lebih luas dari GPT-5.2. Model ini mencapai hasil mutakhir pada SWE-Bench Pro dan performa kuat pada Terminal-Bench 2.0 dan OSWorld-Verified, mencerminkan peningkatan coding multibahasa, kemahiran terminal, dan keterampilan penggunaan komputer dunia nyata. Model ini dioptimalkan untuk alur kerja penggunaan alat jangka panjang dan…OpenAI | konteks 400.000 token | $1,75/M input, $14,00/M output. GPT-5.3-Codex adalah model coding agentic paling canggih dari OpenAI, menggabungkan performa rekayasa perangkat lunak terdepan GPT-5.2-Codex dengan kemampuan penalaran dan pengetahuan profesional yang lebih luas dari GPT-5.2. Model ini mencapai hasil mutakhir pada SWE-Bench Pro dan performa kuat pada Terminal-Bench 2.0 dan OSWorld-Verified, mencerminkan peningkatan coding multibahasa, kemahiran terminal, dan keterampilan penggunaan komputer dunia nyata. Model ini dioptimalkan untuk alur kerja penggunaan alat jangka panjang dan mendukung pengendalian interaktif selama eksekusi, membuatnya cocok untuk tugas pengembangan kompleks, debugging, deployment, dan pekerjaan produk iteratif. Selain coding, GPT-5.3-Codex tampil kuat pada benchmark pekerjaan pengetahuan terstruktur seperti GDPval, mendukung tugas seperti penyusunan dokumen, analisis spreadsheet, pembuatan slide, dan riset operasional di berbagai domain. Model dilatih dengan kesadaran keamanan siber yang ditingkatkan, termasuk kemampuan identifikasi kerentanan, dan diterapkan dengan perlindungan tambahan untuk kasus penggunaan berisiko tinggi. Dibandingkan model Codex sebelumnya, model ini lebih efisien token dan sekitar 25% lebih cepat, menargetkan alur kerja profesional ujung-ke-ujung yang mencakup penalaran, eksekusi, dan interaksi komputer.

Panduan untuk model ini

Cara memilih model AI di Oktober 2026: berita sumber tertutup, lalu bobot terbuka yang layak diunduh

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

GPT-5.3-Codex adalah model coding agen paling mumpuni dari OpenAI, dibangun untuk alur kerja pengembangan yang berjalan lama dan menggunakan alat, bukan penyelesaian sekali jalan. Model ini menggabungkan performa rekayasa perangkat lunak terdepan dengan penalaran yang lebih luas dan pengetahuan profesional, serta sekitar 25% lebih cepat dan lebih efisien token dibanding pendahulunya. Jika pekerjaan Anda meliputi penulisan, debugging, penyebaran, dan iterasi perangkat lunak nyata secara menyeluruh, ini adalah model yang dibuat OpenAI untuk itu.

Dikenal untuk

Hasil mutakhir pada SWE-Bench Pro untuk tugas rekayasa perangkat lunak dunia nyata.
Mendukung pengendalian interaktif di tengah eksekusi, berguna untuk jalur coding agen panjang.
Performa terminal dan penggunaan komputer kuat di berbagai alur kerja multi-langkah.
Menangani pekerjaan pengetahuan terstruktur: dokumen, spreadsheet, slide, riset operasional.
Dilatih dengan kemampuan identifikasi kerentanan dan perlindungan keamanan siber tambahan.

Waspadai

Harga output $14,00 per juta token cepat membengkak dalam loop agen panjang; biaya model di sini.
Bobot tertutup, hanya API — Anda tidak bisa menjalankan lokal atau hosting sendiri.
Konteks 400.000 token cukup besar tapi kurang dari ambang 200 ribu+ untuk model kelas 'konteks panjang' yang lebih tinggi.

Terbaik untuk

Pemrograman

Agen dan penggunaan alat

Penalaran

Penglihatan

Prompt untuk dicoba

Pembangunan fitur ujung-ke-ujung

You have access to a terminal and a Python codebase. Add a REST endpoint to the existing Flask app that accepts a JSON body with fields 'user_id' and 'amount', validates both, writes a row to the SQLite database, and returns a confirmation with the new row ID. Write the code, run the tests, fix any failures, and confirm the endpoint works.

Debug deployment yang gagal

My Docker container builds fine locally but crashes on startup in production with this error: 'ModuleNotFoundError: No module named dotenv'. The Dockerfile uses python:3.11-slim and installs dependencies from requirements.txt. Walk through the likely causes, check the relevant files, propose a fix, apply it, and verify the container starts cleanly.

Tugas analisis spreadsheet

I have a CSV with columns: date, region, product_sku, units_sold, unit_price. Calculate total revenue per region per month, identify the top three SKUs by revenue in each region, and flag any month where a region's revenue dropped more than 20% from the prior month. Output a clean summary table and a brief written interpretation.

Bandingkan dengan

gpt-oss-120b
Model dengan bobot terbuka
konteks 131,072 token · $0.15/M input, $0.60/M output
gpt-oss-20b
Model dengan bobot terbuka
konteks 131,072 token · $0.02/M input, $0.09/M output
GPT-6 Luna
Model hanya API
konteks 1,050,000 token · $0.10/M input, $0.50/M output
GPT-5.6 Luna
Model hanya API
konteks 1,050,000 token · $0.20/M input, $1.20/M output

Model teks lain dari openai

Pertanyaan yang sering diajukan

Can I run GPT-5.3-Codex locally?: Tidak. OpenAI belum merilis bobot untuk model ini; hanya tersedia melalui API dan tidak bisa dihosting sendiri.
What does GPT-5.3-Codex cost and what is its context window?: Harga adalah $1,75 per juta token input dan $14,00 per juta token output, dengan jendela konteks 400.000 token.
How does GPT-5.3-Codex differ from earlier Codex models?: Model ini menambahkan penalaran lebih luas dan pengetahuan profesional dari GPT-5.2 ke fokus coding GPT-5.2-Codex, dan sekitar 25% lebih cepat serta lebih efisien token dibanding pendahulunya.

Putusan Kapten
Pilihan serius untuk pekerjaan coding agen multi-langkah, asalkan Anda siap membayar $14 per juta token output dalam jalur panjang.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Qwen3 Next 80B A3B Thinking

TEXT / LLM

GLM 4.5 Air

TEXT / LLM

Llama 3.1 Nemotron 70B Instruct

TEXT / LLM

Meta Llama 3.1 8B Instruct Turbo

TEXT / LLM

Model AI untuk Pembuatan Gambar, Video & Teks

GPT 5.3 Codex adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm openai visi penalaran pemrograman agen

Jelajahi berdasarkan Keluarga Model