这个模型叫 GPT-5.3-Codex-Spark，是 GPT-5.3-Codex 的轻量版，专为实时编程设计。
来看对比视频：
而 Sam Altman 本人在发布前就发出了预告："It sparks joy for me"。
而让它跑这么快，秘密并非 Nvidia 的 GPU，而是 Cerebras 的晶圆级芯片。
快
传统的 AI 推理，是把模型分散到一堆 GPU 上跑，芯片之间需要频繁通信，通信就是延迟。
而 Cerebras 的 Wafer Scale Engine 3（WSE-3）走了一条完全不同的路：把整个芯片做成一整块晶圆。
而这块芯片有多大呢？
大概一个餐盘那么大。
并且，有4 万亿个晶体管。
它拥有目前所有 AI 处理器中最大的片上内存，直接消除了多芯片之间的通信开销。模型就在一块芯片上跑，不需要在芯片之间来回搬运数据。
结果就是：推理速度直接拉到每秒 1000+ token，比传统 GPU 推理快了约 15 倍。
这对于编程场景而言就是，你打字的时刻，模型已经同步写完了。
接近实时的反馈，代码就像是从指尖流出来的。
不只是快
Codex-Spark 不只是一个“跑得快的小模型”。
在 SWE-Bench Pro 和 Terminal-Bench 2.0 这两个主流的软件工程 Agent 基准测试上，Codex-Spark 的表现超过了 GPT-5.1-Codex-mini，而且完成任务的时间只有后者的零头。
又快又强！
OpenAI 对它的定位是：这是一个日常编程的生产力工具，用来做快速原型、实时协作、即时迭代。
你可以在它写代码的过程中随时打断、重新指挥方向，它几乎是瞬间响应。
而更大、更强的 GPT-5.3-Codex 则负责处理那些需要深度推理和长时间执行的复杂任务。
OpenAI 的设想是，让两个模型互补配合：Spark 负责快，Codex 负责深。
OpenAI 芯片野心
这是 OpenAI 与 Cerebras 合作的第一个里程碑。
今年 1 月，OpenAI 宣布了与 Cerebras 的多年合作计划，价值超过 100 亿美元。
而 Cerebras 也刚完成了超过 10 亿美元的融资，估值约 230 亿美元，正在考虑 IPO。
这次合作的意义，不只是一个新模型。
这是 OpenAI 在推理层面首次大规模跳出英伟达生态。
过去，几乎所有大模型公司的推理都跑在 Nvidia GPU 上，而 Codex-Spark 证明了一件事：对于特定场景（比如编程），专用芯片可以把体验拉到一个完全不同的量级。
Cerebras CTO 兼联合创始人 Sean Lie 说：
最让我们兴奋的，是与 OpenAI 和开发者社区一起探索快速推理能带来什么——新的交互模式、新的使用场景、根本不同的模型体验。这个预览版只是个开始。
Cerebras 表示，2026 年内会把这种超快推理能力扩展到最大的前沿模型上。
如何使用
目前 GPT-5.3-Codex-Spark 以 research preview 形式发布，面向 ChatGPT Pro 用户开放，可以在以下渠道使用：
Codex 应用
CLI 命令行工具
VS Code 插件
Sam Altman 坦言，发布时还有一些限制，但团队会「rapidly improve」。
