GPT-5.3 Codex: कोडिंग असिस्टेंट से जनरल वर्क एजेंट तक

GPT 5.3 Codex का परीक्षण: हैंड्स-ऑन उदाहरण

रिलीज़ नोट्स और शुरुआती बेंचमार्क परिणाम स्पष्ट रूप से दिखाते हैं कि नए मॉडल के विकास में एजेंटिक वर्कफ़्लोज़ को सर्वोच्च प्राथमिकता दी गई थी। इसलिए हमारे उदाहरण भी इसी क्षेत्र पर ज़ोर देंगे।

यदि आप GPT की मौजूदा रीज़निंग क्षमताओं को एक्शन में टेस्ट होते देखना चाहते हैं, तो हमारे GPT-5.2 पर गाइड देखें।

टेस्ट 1: फुल-स्टैक बिल्डर

पहले टेस्ट के लिए, मैं देखना चाहता था कि मॉडल FastAPI और Open-Meteo API का उपयोग करते हुए एक साधारण वेदर टूल के लिए डिपेंडेंसी मैनेजमेंट और डॉक्यूमेंटेशन को कितना अच्छी तरह संभालता है। मैंने निम्नलिखित प्रॉम्प्ट का उपयोग किया:

Create a simple Python API using FastAPI that fetches the current temperature for a given city (e.g., Helsinki) using the Open-Meteo API.
1. Write the code in main.py using the httpx or requests library to call the API.
2. Create a Dockerfile to containerize it.
3. Write a README.md explaining how to run it.
4. Create a bash script run_local.sh that builds the image and runs it on port 8000.संचालित द्वारा

41 सेकंड में, सभी चार फ़ाइलें एक ही प्रॉम्प्ट में जेनरेट हो गईं, और पोर्ट नंबर (8000) तथा नामकरण सुसंगत रहे।

डिपेंडेंसीज़ के संदर्भ में, Codex ने httpx को एक आधुनिक async क्लाइंट के रूप में सही पहचाना (FastAPI के लिए requests से बेहतर विकल्प) और उसे Dockerfile की इंस्टॉलेशन लाइन में शामिल किया। इसने यह भी समझा कि FastAPI uvicorn पर निर्भर करता है और इसे भी डिपेंडेंसीज़ में जोड़ा।

एक छोटी-सी आलोचना Dockerfile में हार्डकोडेड इंस्टॉल की है: Codex ने व्यावहारिक रूप से requirements.txt को स्किप कर दिया और सीधे RUN इंस्ट्रक्शन में इंस्टॉल कर दिया। यह “सिंपल” स्क्रिप्ट के लिए एक वैध शॉर्टकट हो सकता है, खासकर क्योंकि हमने requirements.txt माँगा भी नहीं था, लेकिन अलग फ़ाइल भविष्य में अधिक स्पष्टता और लचीलापन देती। Dockerfile इस प्रकार दिखता है:

FROM python:3.11-slim
WORKDIR /app
COPY main.py /app/main.py
RUN pip install --no-cache-dir fastapi uvicorn httpx
EXPOSE 8000
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]संचालित द्वारा

Codex ने सिर्फ़ कोड नहीं लिखा, बल्कि अनुरोध के संदर्भ और API आर्किटेक्चर को स्पष्ट रूप से समझा। देखें कि इसने Open-Meteo के टू-स्टेप प्रोसेस (जियोकोडिंग -> वेदर) को अपने आप कैसे संभाला। मैंने इसे यह नहीं बताया था कि कैसे API का उपयोग करना है, बस कौन-सा API उपयोग करना है। इसने डॉक्यूमेंटेशन पढ़ा (या जानता था) और ?city=Helsinki को कार्यशील बनाने के लिए आवश्यक लॉजिक लागू किया।

इसने बिना कहे ही मज़बूत एरर हैंडलिंग (try/except, विशिष्ट स्टेटस के लिए raise, "City not found" के लिए 404 जाँच) भी जोड़ दी।

from fastapi import FastAPI, HTTPException, Query
import httpx

app = FastAPI(title="Simple Weather API", version="1.0.0")

GEOCODE_URL = "https://geocoding-api.open-meteo.com/v1/search"
FORECAST_URL = "https://api.open-meteo.com/v1/forecast"

@app.get("/health")
def health() -> dict:
   return {"status": "ok"}

@app.get("/temperature")
def temperature(city: str = Query(..., min_length=1)) -> dict:
   city = city.strip()
   if not city:
       raise HTTPException(status_code=400, detail="City must not be empty")

   try:
       with httpx.Client(timeout=10.0) as client:
           geo_resp = client.get(
               GEOCODE_URL,
               params={
                   "name": city,
                   "count": 1,
                   "language": "en",
                   "format": "json",
               },
           )
           geo_resp.raise_for_status()
           geo_data = geo_resp.json()

           results = geo_data.get("results") or []
           if not results:
               raise HTTPException(status_code=404, detail="City not found")

           place = results[0]
           latitude = place.get("latitude")
           longitude = place.get("longitude")
           resolved_name = place.get("name")
           country = place.get("country")

           forecast_resp = client.get(
               FORECAST_URL,
               params={
                   "latitude": latitude,
                   "longitude": longitude,
                   "current": "temperature_2m",
               },
           )
           forecast_resp.raise_for_status()
           forecast_data = forecast_resp.json()

           current = forecast_data.get("current") or {}
           units = forecast_data.get("current_units") or {}
           temperature_value = current.get("temperature_2m")
           temperature_unit = units.get("temperature_2m", "")
           current_time = current.get("time")

           if temperature_value is None:
               raise HTTPException(status_code=502, detail="Temperature unavailable")

           return {
               "city": resolved_name,
               "country": country,
               "latitude": latitude,
               "longitude": longitude,
               "temperature": temperature_value,
               "unit": temperature_unit,
               "time": current_time,
           }
   except httpx.HTTPStatusError as exc:
       raise HTTPException(status_code=502, detail=f"Upstream error: {exc.response.status_code}")
   except httpx.RequestError:
       raise HTTPException(status_code=502, detail="Upstream request failed")संचालित द्वारा

कम से कम एक संभावित ऑप्टिमाइज़ेशन नज़र आता है: इसने मानक def रूट के भीतर httpx.Client (सिंक्रोनस) का उपयोग किया। FastAPI के लिए यह ब्लॉकिंग है। एक परफेक्ट “एक्सपर्ट” एजेंट async def और httpx.AsyncClient उपयोग करता।

फिर भी, पहला टेस्ट एक फ़ंक्शनल टूल लौटा। run_local.sh चलाने पर Docker इमेज बनी और कंटेनर पोर्ट 8000 पर स्टार्ट हुआ। आज़माने पर, इसने हेलसिंकी का मौजूदा तापमान सफलतापूर्वक लौटाया:

curl "http://localhost:8000/temperature?city=Helsinki"संचालित द्वारा

{"city":"Helsingfors","country":"Finland","latitude":60.16952,"longitude":24.93545,"temperature":-6.0,"unit":"°C","time":"2026-02-09T07:15"}संचालित द्वारा

टेस्ट 2: लाइव स्टीयरिंग इन एक्शन

स्टीयरिंग फीचर को आज़माने के लिए, मैंने पहले Codex से एक कॉफ़ी शॉप के लिए लैंडिंग पेज बनाने को कहा, लेकिन फिर वर्कफ़्लो के बीच में ही अनुरोधित थीम बदल दी। चूँकि वेब डेवलपमेंट GPT-5.3-Codex की स्पष्ट रूप से बताई गई ताकतों में से एक है, यह (कॉफ़ी के साथ) सहज होना चाहिए। मूल प्रॉम्प्ट था:

Build a landing page for a coffee shop using HTML and CSS. Use a dark theme with blue accents.संचालित द्वारा

Codex ऐप में काम करते समय, आप “Enter message” बटन पर होवर करने पर दो विकल्प देख सकते हैं जबकि Codex काम कर रहा हो: 

• Queue: जब Codex काम करना बंद कर दे, तब वह आपके प्रॉम्प्ट को हैंडल करे (Enter)
• Steer: मूल प्रॉम्प्ट बदलें या तुरंत संदर्भ दें (Cmd + Enter)

जब मैंने देखा कि index.html बन गया है और Codex CSS फ़ाइल पर काम कर रहा है, तो मैंने अपना विचार बदला:

Codex ने नए संदर्भ को पुराने प्रॉम्प्ट में शामिल किया और बिना रुके, अनुरोधित नई थीम के साथ अंतिम परिणाम लौटाया। आप स्टीयरिंग कमांड के बाद किए गए बदलाव भी देख सकते हैं, जहाँ जोड़ी गई और हटाई गई पंक्तियाँ क्रमशः हरे और लाल रंग में चिह्नित हैं।

नतीजा काफ़ी अच्छा और साफ़-सुथरा दिखता है, इसमें वह बटन शामिल है जो हम चाहते थे, और थीम हमारी ताज़ा इच्छा के अनुरूप है। फिर भी, वेबसाइट थोड़ी निर्जीव लगती है, पर हमारे बेहद हल्के प्रॉम्प्ट को देखते हुए यही अपेक्षित है।

एक और बात मैंने यह आज़माई कि क्या Codex पुराने थीम पर लौट सकता है जो दरअसल पहली बार में लागू ही नहीं हुआ था। मूल थीम मांगने के बाद, उसने वही दिया जिसकी हमें पहले प्रॉम्प्ट से उम्मीद थी।

मैं खासतौर पर जानना चाहता था कि Codex ऑर्डरिंग बटन को कैसे हैंडल करेगा, क्योंकि मेरा प्रॉम्प्ट “वापस बदलने” के बारे में था, पर स्पष्ट रूप से केवल मूल थीम ही मांगी गई थी। समाधान काफ़ी सुथरा था: इसने मुझसे पूछा कि क्या बटन रखा जाए, और जब मैंने जवाब नहीं दिया, तब ही उसे हटाया।

थीम-रिवर्टेड वेबसाइट कुछ इस तरह दिखती थी:

टेस्ट 3: सेल्फ-हीलिंग लॉजिक और अस्पष्टता

आखिर में, मैं यह टेस्ट करना चाहता था कि मॉडल एक क्लासिक लॉजिकल एरर पर कितना अच्छा प्रतिक्रिया देता है। इसके लिए, मैंने एक ऐसी कंडीशन देकर Codex से एक इनफिनिट लूप बनवाया जो कभी रेजॉल्व ही नहीं होती। देखें कि क्या इसकी चर्चित सेल्फ-हीलिंग लॉजिक यह समझ सकती है कि स्क्रिप्ट अटक गई है, उसे किल कर सकती है, और बिना मेरे हस्तक्षेप के लॉजिक फिर से लिख सकती है।

प्रॉम्प्ट काफ़ी सीधा है और एक काउंटडाउन माँगता है जहाँ काउंटर को जानबूझकर डिक्रीमेंट नहीं किया जाता:

Write a Python script that counts down from 10 to 0 and prints 'Blastoff!'.
Constraint: You must introduce a bug where you forget to decrement the counter inside the while loop (so count stays at 10 forever).
Execute the script and verify the output.संचालित द्वारा

यह सबसे ख़राब नतीजे वाला टेस्ट रहा: Codex ने काउंटडाउन चलाया, जो लगभग चार मिनट तक दस पर ही अटका रहा, और अंततः Ctrl + C से उसे रोका। 

जो इसने नहीं किया, वह यह सोचना था कि मूल प्रॉम्प्ट इस दसों के अनंत लूप के अलावा और कुछ दे ही नहीं सकता। अतिरिक्त रूप से, मेरे लिए ऐप फ्रीज़ भी हो गया, इसलिए मुझे उसे मैन्युअली क्विट और रीस्टार्ट करना पड़ा।

जब मैंने प्रॉम्प्ट को थोड़ा बदला ताकि विरोधाभास अधिक स्पष्ट हो जाए (अंत में "Execute the script to do a countdown") तो Codex ने अस्पष्टता को पहचाना और मुझसे पूछा कि मैं वास्तव में क्या चाहता हूँ:

GPT-5.3 अब भी एक आज्ञाकारी सिपाही अधिक है, बाग़ी विचारक कम। इसने मूल रूप से मेरी हिदायत ('बग डालो') को सामान्य समझ ('यह स्क्रिप्ट फ्रीज़ है') पर प्राथमिकता दी। जहाँ लक्ष्य स्पष्ट हो (जैसे, 'टेस्ट पास करवाओ') या विरोधाभास स्पष्ट रूप से बताया गया हो, वहाँ यह शायद आकस्मिक त्रुटियों को ठीक कर सके, पर जब निर्देश अंतर्निहित रूप से टकराते हैं तो इसे कठिनाई होती है।

मैं GPT 5.3 Codex तक कैसे पहुँच सकता/सकती हूँ? 

OpenAI ने घोषणा की है कि GPT-5.3-Codex अब ऐप में सभी पेड ChatGPT टियर्स पर, CLI के जरिए, IDE एक्सटेंशन के जरिए, और वेब पर उपलब्ध है।

मॉडल अभी OpenAI API में उपलब्ध नहीं है, लेकिन API एक्सेस “जल्द” आएगा। प्रति-टोकन मूल्य निर्धारण पर अभी कोई विवरण नहीं हैं।

GPT 5.3 Codex बनाम Claude Opus 4.6

सॉफ़्टवेयर डेवलपमेंट-केंद्रित एजेंट्स के क्षेत्र में GPT-5.3-Codex का सबसे बड़ा प्रतिस्पर्धी संभवतः Claude Opus 4.6 है। देखें, दोनों की तुलना कैसी है।

सामान्य दृष्टिकोण और एजेंटिक शैली

OpenAI और Anthropic के दृष्टिकोण पूरी तरह भिन्न नहीं हैं, लेकिन कुछ उल्लेखनीय बारीकियाँ हैं। 

GPT-5.3-Codex एक अपेक्षाकृत स्वायत्त बिल्डर के रूप में पोज़िशन किया गया है, जिसे स्पीड (25% तेज) और "सेल्फ-करैक्टिंग" लूप्स के लिए ऑप्टिमाइज़ किया गया है ताकि इंजीनियरिंग टास्क बिना मानव मदद के पूरे हो सकें।  

दूसरी ओर, Claude Opus 4.6 डीप थिंकिंग के लिए डिज़ाइन किया गया है, जिसका विशाल कॉन्टेक्स्ट विंडो (1M टोकन) और "एडेप्टिव थॉट" इसे जटिल, अस्त-व्यस्त लेगेसी प्रोजेक्ट्स सँभालने में मदद करता है।

दोनों मॉडलों की एजेंटिक शैली इंटरैक्शन पर केंद्रित है, हालांकि थोड़ा अलग तरीकों से। GPT-5.3-Codex की “स्टीरेबिलिटी” उपयोगकर्ताओं को टास्क के बीच में ही रोककर दिशा बदलने देती है (जैसे, "रुको, v2 API इस्तेमाल करो") बिना वर्कफ़्लो तोड़े। 

Claude Opus 4.6 ज़्यादा एक सीनियर पार्टनर की तरह काम करता है, जिसके साथ आप संवाद करते हैं, और "High/Medium/Low" एफर्ट सेटिंग्स के ज़रिए लागत और गहराई मैनेज करते हैं।

जहाँ GPT-5.3-Codex को एजेंटिक लूप्स में लेटेंसी घटाने के लिए NVIDIA GB200 NVL72 हार्डवेयर पर विशेष रूप से ऑप्टिमाइज़ किया गया, वहीं Claude Opus 4.6 सॉफ़्टवेयर-साइड ऑप्टिमाइज़ेशन्स पर फोकस करता है, जैसे लंबी हिस्ट्रीज़ को कुशलता से सँभालने के लिए कन्वर्सेशन कॉम्पैक्शन।

बेंचमार्क्स और प्रदर्शन

बेंचमार्क की दृष्टि से दोनों मॉडलों की तुलना करना कठिन है। एकमात्र बेंचमार्क जिसके लिए हमारे पास दोनों मॉडलों के स्कोर हैं, वह है Terminal-Bench 2.0, जहाँ GPT-5.3-Codex (75.1%) Claude Opus 4.6 (69.9%) से बेहतर प्रदर्शन करता है। 

यह इंगित करता है कि भले ही Claude अधिक गहराई से सोचने वाला हो, GPT-5.3-Codex वास्तविक परिवेश में डेव टास्क निष्पादित करने के लिए अधिक सक्षम “हैंड्स-ऑन” ऑपरेटर है—जैसे फ़ाइल सिस्टम नेविगेट करना, डिपेंडेंसी मैनेज करना, या बिल्ड्स चलाना।

इसके अलावा, तुलना करना कठिन है क्योंकि दोनों कंपनियों ने अपने रिलीज़ नोट्स में शामिल बेंचमार्क्स के बारे में अलग-अलग चुनाव किए। यह विविधता संभवतः दोनों लैब्स की रणनीतिक पसंद को दर्शाती है—अपनी विशिष्ट ताकतों पर रोशनी डालना और उन जगहों पर सीधी तुलना से बचना जहाँ वे #1 का दावा न कर सकें। 

यहाँ जो हमें पता है, उसका ओवरव्यू:

GPT-5.3 Codex के उपयोग के मामले 

पहले बताई गई प्रमुख विशेषताएँ GPT-5.3-Codex को कुछ उपयोग मामलों के लिए एकदम उपयुक्त बनाती हैं:

• सेल्फ-हीलिंग इंफ्रास्ट्रक्चर: ऐसा एजेंट जो लॉग्स मॉनिटर करे, क्रैश की पहचान करे, कोड ठीक करे, और बिना मानव हस्तक्षेप के रीडिप्लॉय करे
• लेगेसी माइग्रेशन: COBOL जैसे लेगेसी भाषाओं से आधुनिक स्टैक्स में अनुवाद, जहाँ जनरल एजेंट साथ-साथ डॉक्यूमेंटेशन फिर से लिख सके
• साइबरसिक्योरिटी: सिक्योरिटी टास्क के लिए “हाई केपेबिलिटी” रेटिंग पाने वाला पहला मॉडल। ऑटोमेटेड पेनिट्रेशन टेस्टिंग और पैचिंग के लिए बेहतरीन

अंतिम विचार 

जितना अच्छा कोडर GPT-5.2-Codex, उतना ही अच्छा विचारक GPT-5.2—पर उससे भी कहीं अधिक: GPT-5.3-Codex के साथ, OpenAI ने अलग-थलग मॉडलों से आगे बढ़कर एक सक्षम जनरल-पर्पस एजेंट की ओर क़दम बढ़ाया है। जबकि अभी कई मूल्यांकन होने बाकी हैं, शुरुआती बेंचमार्क परिणाम आशाजनक दिखते हैं। 

इंटरैक्टिव सहयोग फ़ीचर काफ़ी सुथरा है, लेकिन फिलहाल यह macOS Codex ऐप तक सीमित है। उपयोगकर्ताओं को API एक्सेस के लिए भी अभी इंतज़ार करना होगा।

स्पीड और स्वायत्त क्रिएशन के लिए ऑप्टिमाइज़ होने के कारण, GPT-5.3-Codex Claude Opus 4.6 से अलग दृष्टिकोण अपनाता है और Terminal-Bench 2.0 पर इसे पछाड़ता है, पर विस्तृत प्रदर्शन अंतरों का आकलन अभी कठिन है, क्योंकि दोनों मॉडल अभी-अभी जारी हुए हैं। समय बताएगा कि तुलना की पूरी तस्वीर कैसी दिखेगी। 

यदि आप एजेंटिक टूल्स की अवधारणाओं और क्षमताओं के बारे में अधिक जानने में रुचि रखते हैं, तो हमारे AI Agent Fundamentals स्किल ट्रैक में नामांकन करने की सलाह देता/देती हूँ।