Ровно 22 минуты Opus 4.6 от Anthropic в бенчмарке Terminal-Bench 2.0 (тест навыков работы с терминалом) была лучшей. OpenAI сразу же контратаковала конкурента своей GPT-5.3-Codex. И это отличный ответ на не совсем этичный «рекламный наезд» от Anthropic. Случайность? Вряд ли. Модель явно держали наготове, ожидая нужного момента.
GPT-5.3-Codex — это агентная модель, специализирующаяся на программировании и автономной работе с компьютером. Она на 25% быстрее предшественника, объединяет навыки кодирования GPT-5.2-Codex с аналитическими способностями GPT-5.2. И впервые в истории нейросеть помогала создавать саму себя. Ранние версии модели отлаживали собственное обучение, управляли развертыванием и диагностировали тесты. Рекурсивное самоулучшение перешло из теории в практику.
На Terminal-Bench 2.0 модель выдала 77,3% против 65,4% у Opus 4.6. На SWE-Bench Pro (реальные задачи разработчиков) — 56,8%, новый рекорд. На OSWorld-Verified (управление компьютером через визуальный интерфейс) — 64,7%. Это уже практически рядом с базовыми навыками человека (72%). Модель практически выполняет работу живого программиста от начала до конца: создает игры, презентации, анализирует таблицы, управляет приложениями.
Синхронный релиз показывает, что наступает эра жесткой конкуренции в сфере ИИ. Технологические гиганты начинают атаковать друг друга в рекламе. Вырабатывают стратегии обновления своих нейросетей, исходя из времени обновления конкурентов. Начинается настоящая гонка ИИ-вооружений, где каждая сторона держит модели в резерве, готовая выстрелить в ответ.
К тому же агенты научились работать над собой сами. GPT-5.3-Codex улучшала себя. Следующая версия сделает это еще эффективнее. Затем еще. И где та точка, когда человеческий контроль станет формальностью?
