OpenAI ha presentato GPT-5.3-Codex-Spark, una nuova versione compatta del modello GPT-5.3-Codex pensata per la programmazione in tempo reale con Codex. Si tratta di un’anteprima di ricerca che segna anche il primo risultato concreto della collaborazione con Cerebras annunciata a gennaio. L’obiettivo è chiaro: ridurre drasticamente la latenza e rendere l’interazione con l’AI più immediata, fino a superare i 1000 token al secondo su hardware ottimizzato per l’inferenza ad altissima velocità.
La novità di GPT-5.3-Codex-Spark
GPT-5.3-Codex-Spark nasce come modello compatto e altamente performante, progettato specificamente per lavorare in modalità interattiva. A differenza dei modelli di frontiera più recenti, capaci di gestire attività lunghe e autonome per ore o giorni, Codex-Spark è stato sviluppato per la collaborazione istantanea: consente modifiche mirate al codice, riorganizza la logica, perfeziona le interfacce e restituisce risultati quasi immediati.
Durante l’anteprima di ricerca, il modello è disponibile per gli utenti ChatGPT Pro tramite l’app Codex, la CLI e l’estensione per VS Code. L’uso non viene conteggiato nei limiti standard, ma può essere soggetto a restrizioni temporanee in caso di forte domanda. Al lancio, Codex-Spark supporta esclusivamente la modalità testuale e dispone di una finestra di contesto di 128k.
Sul piano tecnico, OpenAI ha lavorato non solo sulla velocità pura del modello, ma sull’intera pipeline richiesta-risposta. Sono stati ottimizzati il flusso client-server, componenti chiave dello stack di inferenza e l’inizializzazione delle sessioni, con l’introduzione di una connessione WebSocket persistente. Il risultato è una riduzione dell’overhead di roundtrip dell’80%, dell’overhead per token del 30% e del tempo al primo token del 50%. Un intervento infrastrutturale che beneficia anche altri modelli.
Tecnologia e impatto sul settore
Codex-Spark funziona su Wafer Scale Engine 3 di Cerebras, un acceleratore progettato per l’inferenza ad alta velocità e per scenari a latenza ultra-bassa. L’integrazione è stata realizzata all’interno dello stesso stack di produzione utilizzato per il resto della flotta OpenAI, garantendo compatibilità completa con Codex e preparando il terreno a modelli futuri.
Le GPU restano centrali nei processi di addestramento e inferenza su larga scala, ma Cerebras viene impiegata nei flussi di lavoro dove la reattività in tempo reale è prioritaria. Le due soluzioni possono essere combinate per singoli carichi di lavoro, così da bilanciare costo-efficienza e rapidità.
Sul fronte delle performance, GPT-5.3-Codex-Spark è stato testato su benchmark come SWE-Bench Pro e Terminal-Bench 2.0, dedicati alla valutazione delle capacità di ingegneria software agentica. In questi contesti il modello completa le attività in una frazione del tempo rispetto a GPT-5.3-Codex, dimostrando un vantaggio netto in termini di latenza operativa.
Implicazioni future
Codex-Spark rappresenta il primo passo verso un sistema a doppia modalità: da un lato ragionamento ed esecuzione su orizzonti lunghi, dall’altro collaborazione in tempo reale per iterazioni rapide. In prospettiva, le due modalità potranno integrarsi, consentendo agli sviluppatori di mantenere un ciclo interattivo stretto mentre attività più complesse vengono delegate a sub-agenti o distribuite su più modelli in parallelo.
OpenAI prevede di ampliare progressivamente l’accesso e di introdurre ulteriori capacità, inclusi modelli più grandi, finestre di contesto più ampie e input multimodali. Codex-Spark include lo stesso addestramento alla sicurezza dei modelli principali ed è stato valutato secondo il processo standard di distribuzione, senza evidenziare rischi tali da superare le soglie previste dal Preparedness Framework in ambito cybersicurezza o biologia.
Con l’inferenza ultrarapida che riduce il ciclo tra idea e codice funzionante, la velocità di interazione si candida a diventare il nuovo parametro competitivo nello sviluppo software assistito dall’intelligenza artificiale.
