GPT-5.3 Codex: Dari Asisten Koding menjadi Agen Kerja Umum

Menguji GPT 5.3 Codex: Contoh Praktis

Catatan rilis dan hasil benchmark awal jelas menunjukkan bahwa alur kerja agen mendapat prioritas tertinggi dalam pengembangan model baru ini. Karena itu, contoh kami juga akan sangat berfokus pada area ini.

Jika Anda tertarik melihat pengujian kemampuan penalaran GPT saat ini, kami sarankan membaca panduan kami tentang GPT-5.2.

Uji 1: Pembuat full-stack

Untuk uji pertama, saya ingin mengecek seberapa baik model menangani manajemen dependensi dan dokumentasi untuk alat cuaca sederhana menggunakan FastAPI dan Open-Meteo API. Saya menggunakan prompt berikut:

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.

Dalam 41 detik, keempat file dibuat dalam satu prompt dengan nomor port (8000) dan penamaan yang konsisten.

Terkait dependensi, Codex dengan benar mengidentifikasi httpx sebagai klien async modern (pilihan bagus dibanding requests untuk FastAPI) dan menyertakannya pada baris instalasi di Dockerfile. Codex juga memahami bahwa FastAPI bergantung pada uvicorn dan menambahkannya ke dependensi.

Satu catatan kecil adalah instalasi yang di-hardcode di Dockerfile: Codex pada praktiknya melewatkan requirements.txt dengan menginstal langsung di instruksi RUN. Ini mungkin jalan pintas yang valid untuk skrip “sederhana”, apalagi kita tidak meminta requirements.txt, tetapi file terpisah akan memberi kejelasan dan fleksibilitas lebih di kemudian hari. Dockerfile-nya seperti ini:

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"]

Codex tidak sekadar menulis kode, tetapi jelas memahami konteks permintaan dan arsitektur API. Perhatikan bagaimana ia menangani proses dua langkah Open-Meteo (Geocoding -> Cuaca) secara otomatis. Saya tidak memberi tahu cara menggunakan API, hanya API mana yang digunakan. Ia membaca dokumentasi (atau sudah tahu) dan mengimplementasikan logika yang diperlukan agar ?city=Helsinki berfungsi.

Codex juga menambahkan penanganan error yang tangguh (try/except, raise untuk status tertentu, pengecekan 404 untuk "Kota tidak ditemukan") tanpa diminta.

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")

Setidaknya ada satu optimalisasi yang masih terlihat: Ia menggunakan httpx.Client (sinkron) di dalam rute def standar. Untuk FastAPI, ini bersifat blocking. Agen “ahli” yang sempurna mungkin akan memakai async def dan httpx.AsyncClient.

Meski begitu, uji pertama menghasilkan alat yang fungsional. Menjalankan run_local.sh membangun image Docker dan menjalankan container pada port 8000. Saat dicoba, alat ini berhasil mengembalikan suhu terkini di Helsinki:

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

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

Uji 2: Steering langsung

Untuk mencoba fitur steering berikutnya, awalnya saya meminta Codex membuat halaman landing untuk kedai kopi, namun kemudian mengganti tema yang diminta saat alur kerja berlangsung. Karena pengembangan web secara eksplisit disebut sebagai salah satu kekuatan GPT-5.3-Codex, ini semestinya mudah (seperti kue pendamping kopi). Prompt awalnya adalah:

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

Saat bekerja di aplikasi Codex, Anda bisa melihat dua opsi saat mengarahkan kursor ke tombol “Enter message” ketika Codex sedang bekerja: 

• Queue: Biarkan Codex menangani prompt Anda setelah ia selesai bekerja (Enter)
• Steer: Ubah prompt asli atau berikan konteks segera (Cmd + Enter)

Setelah saya melihat index.html dibuat dan Codex sedang mengerjakan file CSS, saya berubah pikiran:

Codex memasukkan konteks baru ke dalam prompt lama dan mengembalikan hasil akhir dengan tema baru yang diminta tanpa berhenti. Anda juga dapat melihat perubahan yang dibuat setelah perintah steering, dengan baris yang ditambahkan dan dihapus ditandai hijau dan merah.

Hasilnya terlihat cukup rapi dan bersih, menyertakan tombol yang kita inginkan, dan temanya sesuai dengan permintaan terbaru. Namun situsnya terasa agak “kurang hidup”, mungkin wajar mengingat prompt kita sangat ringkas.

Hal lain yang saya coba adalah apakah Codex bisa kembali ke tema lama yang sebelumnya belum sempat diimplementasikan. Setelah meminta tema asli, ia memberikan apa yang seharusnya kita harapkan dari prompt pertama.

Saya khususnya penasaran bagaimana Codex menangani tombol pemesanan, karena prompt saya tentang "kembali seperti semula” tetapi hanya secara eksplisit meminta tema asli. Solusinya cukup rapi menurut saya: ia bertanya apakah tombol tersebut harus dipertahankan, dan baru menghapusnya setelah saya tidak menjawab.

Berikut tampilan situs setelah tema dikembalikan:

Uji 3: Logika self-healing dan ambiguitas

Terakhir, saya ingin menguji seberapa baik model merespons kesalahan logika klasik. Untuk itu, saya membuat Codex membuat loop tak berujung melalui kondisi yang tidak pernah terpenuhi. Mari lihat apakah logika self-healing yang dipuji-puji bisa menyadari bahwa skrip macet, menghentikannya, dan menulis ulang logikanya tanpa intervensi saya.

Promptnya cukup lugas dan meminta hitung mundur di mana penghitung sengaja tidak dikurangi:

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.

Ini adalah uji dengan hasil terburuk: Codex mengeksekusi hitung mundur, yang tetap di angka sepuluh selama hampir empat menit, sebelum akhirnya menghentikannya dengan Ctrl + C. 

Yang tidak dilakukannya adalah mempertanyakan apakah prompt asli bisa menghasilkan selain loop tak berujung di angka sepuluh ini. Selain itu, aplikasi sempat membeku sehingga saya harus menutup dan membukanya kembali secara manual.

Saat saya sedikit mengubah prompt untuk membuat kontradiksi lebih jelas ("Execute the script to do a countdown" di akhir), Codex menyadari ambiguitas dan menanyakan apa yang sebenarnya saya inginkan:

GPT-5.3 masih lebih seperti prajurit yang patuh ketimbang pemikir yang membangkang. Awalnya ia memprioritaskan instruksi saya ('perkenalkan bug') daripada akal sehat ('skrip ini macet'). Sementara itu kemungkinan besar ia dapat menyembuhkan kesalahan tidak sengaja ketika tujuan jelas (misalnya, 'Buat pengujian lulus') atau kontradiksinya dinyatakan secara eksplisit, ia kesulitan saat instruksi bertentangan secara implisit.

Bagaimana Cara Mengakses GPT 5.3 Codex? 

OpenAI mengumumkan bahwa GPT-5.3-Codex kini tersedia di semua tier ChatGPT berbayar di aplikasi, melalui CLI, ekstensi IDE, dan web.

Model ini belum tersedia di OpenAI API, namun akses API akan menyusul “segera”. Belum ada detail harga per token.

GPT 5.3 Codex vs. Claude Opus 4.6

Pesaing terbesar GPT-5.3-Codex di arena agen berfokus pengembangan perangkat lunak bisa dibilang adalah Claude Opus 4.6. Mari kita lihat perbandingannya.

Pendekatan umum dan gaya agen

Pendekatan OpenAI dan Anthropic tidak sepenuhnya berbeda, namun ada beberapa nuansa yang perlu dicatat. 

GPT-5.3-Codex diposisikan sebagai pembangun yang cukup otonom, dioptimalkan untuk kecepatan (25% lebih cepat) dan loop “self-correcting” untuk menuntaskan tugas rekayasa tanpa bantuan manusia.  

Di sisi lain, Claude Opus 4.6 dirancang untuk pemikiran mendalam, dengan jendela konteks masif (1 juta token) dan “adaptive thought” yang membantunya menangani proyek legacy yang kompleks dan berantakan.

Gaya agen keduanya berfokus pada interaksi, meski dengan cara yang sedikit berbeda. “Steerability” GPT-5.3-Codex memungkinkan pengguna menghentikannya di tengah tugas untuk mengubah arah (misalnya, "Tunggu, gunakan API v2 saja") tanpa memutus alur kerja. 

Claude Opus 4.6 lebih bertindak seperti rekan senior yang diajak berdiskusi, menawarkan pengaturan upaya “High/Medium/Low” untuk mengelola biaya dan kedalaman.

Sementara GPT-5.3-Codex secara khusus dioptimalkan untuk hardware NVIDIA GB200 NVL72 guna mengurangi latensi dalam loop agen, Claude Opus 4.6 berfokus pada optimalisasi sisi perangkat lunak seperti pemadatan percakapan untuk mengelola riwayat yang panjang secara efisien.

Benchmark dan performa

Dari sisi benchmark, sulit membandingkan keduanya. Satu-satunya benchmark yang memiliki skor untuk keduanya adalah Terminal-Bench 2.0, di mana GPT-5.3-Codex (75,1%) mengungguli Claude Opus 4.6 (69,9%). 

Ini menunjukkan bahwa meskipun Claude mungkin lebih dalam dalam berpikir, GPT-5.3-Codex adalah operator “hands-on” yang lebih mumpuni untuk mengeksekusi tugas dev di lingkungan nyata, seperti menavigasi sistem berkas, mengelola dependensi, atau menjalankan build.

Selain itu, keduanya sulit dibandingkan karena masing-masing perusahaan memilih benchmark berbeda dalam catatan rilis. Perbedaan ini kemungkinan mencerminkan pilihan strategis kedua lab untuk menonjolkan kekuatan spesifik masing-masing sambil menghindari perbandingan langsung di area yang mungkin tidak menempatkan mereka di posisi teratas. 

Berikut ikhtisar yang kita ketahui:

Penggunaan GPT-5.3 Codex 

Fitur kunci yang telah kami perkenalkan membuat GPT-5.3-Codex sangat cocok untuk beberapa kasus penggunaan:

• Infrastruktur self-healing: Agen yang memantau log, mengidentifikasi crash, memperbaiki kode, dan redeploy tanpa input manusia
• Migrasi legacy: menerjemahkan dari bahasa legacy seperti COBOL ke stack modern, di mana agen umum dapat menulis ulang dokumentasi secara simultan
• Keamanan siber: Model pertama yang dinilai “Kapabilitas tinggi” untuk tugas keamanan. Cocok untuk pengujian penetrasi dan patching terotomasi

Pemikiran Akhir 

Sebagus GPT-5.2-Codex dalam menulis kode, sebagus GPT-5.2 dalam berpikir, namun tetap lebih dari itu: Dengan GPT-5.3-Codex, OpenAI melangkah dari model-model terpisah menuju agen serbaguna yang andal. Meski masih banyak evaluasi yang harus dilakukan, hasil benchmark awalnya terlihat menjanjikan. 

Fitur kolaborasi interaktif sangat menarik, tetapi untuk saat ini terbatas pada aplikasi Codex di macOS. Pengguna juga masih perlu menunggu akses API.

Dengan optimalisasi untuk kecepatan dan pembuatan otonom, GPT-5.3-Codex mengambil pendekatan berbeda dari Claude Opus 4.6 dan mengunggulinya pada Terminal-Bench 2.0, namun perbedaan performa rinci masih sulit dinilai karena kedua model baru saja dirilis. Waktu yang akan menjawab seperti apa gambaran perbandingan yang lebih lengkap. 

Jika Anda tertarik mempelajari lebih lanjut konsep dan kapabilitas alat agen, kami sarankan mengikuti AI Agent Fundamentals skill track kami.