GPT-5.3 Codex API: агент для кода, токены и стоимость

Контекст: 400 000токенов
Результат: Текстформат ответа
Вход / выход: 320 ₽ / 2 540 ₽за 1 млн токенов

ПОДКЛЮЧЕНИЕ

От модели к первому запросу

Используйте идентификатор модели в совместимом API-клиенте. Полные параметры, ключи и ответы с ошибками описаны в документации.

const response = await client.chat.completions.create({
  model: "openai/gpt-5.3-codex",
  messages: [{ role: "user", content: "Ваш запрос" }],
});

Открыть инструкцию по подключению →

ПОДРОБНЫЙ ОБЗОР

Возможности модели

По официальной документации OpenAI, GPT-5.3 Codex рассчитана на агентные задачи программирования. Контекст модели составляет 400 000 токенов, максимальный выход 128 000 токенов, дата отсечения знаний: 31 августа 2025 года. Поддерживаются reasoning low, medium, high и xhigh, потоковая выдача, вызов функций и Structured Outputs. Модель принимает текст и изображения, возвращает текст; аудио и видео не поддерживаются.

Сначала получите воспроизводимый нестабильный тест

Передайте агенту точную команду, удачный и неудачный журналы, версии среды и порядок тестов. Попросите не менять код, пока сбой не повторится контролируемо. Для примера два теста по отдельности проходят, а вместе падают только при запуске второго после первого. Полезный первый результат содержит минимальную последовательность, число повторов и наблюдаемое отличие состояния. Если ошибка исчезла после случайной перестановки команд, причина ещё не найдена. Зафиксируйте seed, число параллельных процессов и временные задержки, когда они влияют на запуск.

Проследите общее состояние между тестами

Дайте GPT-5.3 Codex точку входа тестов, setup и teardown, используемые фикстуры и код хранения состояния. Попросите построить цепочку: что создаётся первым тестом, где значение остаётся после завершения и почему второй тест его видит. Проверяйте каждую ссылку на файл и функцию. Частые кандидаты: общий singleton, неизолированная база, переменная окружения, подменённые часы или обработчик события без очистки. Длинный контекст помогает держать рядом связанные фрагменты, но не доказывает, что агент выбрал актуальную конфигурацию.

Исправляйте причину, а не маскируйте порядок

Запрет параллельного запуска или дополнительный retry может сделать отчёт зелёным, сохранив дефект. Попросите агента объяснить инвариант: каждый тест создаёт собственные данные, освобождает ресурсы и не зависит от результата соседа. Изменение должно быть ограничено этой причиной. После правки запустите минимальную последовательность много раз, затем весь относящийся набор в разных порядках. Просмотрите diff: агент не должен ослаблять проверку, увеличивать таймаут без измерения или удалять сценарий, который обнаружил проблему.

Подключение GPT-5.3 Codex к агенту и API

Модель даёт рассуждение, вызовы функций и структурированный результат, а доступ к репозиторию, терминалу и тестам предоставляет клиент. Для Codex, OpenCode, Cline или собственного агента отдельно проверьте адрес API, идентификатор openai/gpt-5.3-codex, передачу вызова инструмента и возврат его результата. Structured Outputs удобно использовать для итогового отчёта с полями «причина», «изменённые файлы», «проверки» и «остаточные риски». Схему валидирует приложение; право выполнять команды задаётся его настройками.

Параметры подключения моделей

Токены и стоимость законченной диагностики

Вход включает инструкции, код, конфигурацию, журналы и результаты команд, которые агент получает на каждом шаге. Выход содержит рассуждение, вызовы инструментов, исправление и отчёт. Поэтому покупку токенов планируйте по всей принятой диагностике, а не по длине последнего ответа. Сохраняйте usage для каждого обращения и отмечайте повторные запуски после новой гипотезы. Сравнивайте модели по стоимости найденной и подтверждённой причины. Долгий поиск без воспроизводимого сбоя не становится полезнее только из-за большого расхода.

Как рассчитать расход и стоимость токенов

Вопросы и ответы

GPT-5.3 Codex и GPT-5.3 Codex Spark являются одной моделью?

Нет. OpenAI описывает Codex Spark как отдельную более быструю и менее способную модель для коротких итераций в реальном времени. Эта страница относится только к идентификатору openai/gpt-5.3-codex; характеристики и лимиты Spark на неё переносить нельзя.

Какой контекст у GPT-5.3 Codex?

Официальная карточка указывает 400 000 токенов контекста и до 128 000 выходных токенов. Практический лимит конкретного подключения и объём служебных сообщений нужно проверять отдельно.

Поддерживает ли модель изображения?

Да, изображение может быть входом, а результат остаётся текстовым. Для диагностики интерфейса можно приложить снимок ошибки, но агенту всё равно понадобятся код и воспроизводимая проверка.

Можно ли потребовать строгий JSON-отчёт?

OpenAI отмечает поддержку Structured Outputs. Клиент должен передать поддерживаемую схему, проверить полученную структуру и отдельно оценить истинность полей по коду и журналам.

Как выбрать reasoning для поиска ошибки?

Начните с medium на контрольном сбое, затем сравните high или xhigh, если модель теряет связи между состояниями. Low подходит для более узкой проверки. Решение принимайте по подтверждённой причине, времени и полному расходу токенов.

Сравните с другими моделями

OpenAI: GPT-5.2-Codex — предыдущее поколение Codex для проверки на той же нестабильной тестовой последовательности
OpenAI: GPT-5.1-Codex-Max — более ранний Max-вариант для сравнения стоимости законченной диагностики