GPT-5.3 Codex Spark kontra GPT-5.6 Sol: Gra OpenAI w szybkość nie jest (jeszcze) dostępna w API

GPT-5.3 Codex Spark to najszybszy model do kodowania, jaki kiedykolwiek wydano — podgląd badawczy, który generuje ponad 1000 tokenów na sekundę na układach Cerebras i kończy edycje kodu nawet 15 razy szybciej niż pełny GPT-5.3 Codex, według twierdzeń producenta. Oto część, którą większość relacji pomija: nie jest to ogólny produkt API. Nie ma publicznej ceny API, dostęp jest ograniczony do subskrybentów ChatGPT Pro przez aplikację Codex i CLI, a model nie jest dostępny w OrcaRouter. Dwa modele do kodowania, które faktycznie możesz wywołać przez jeden endpoint, to obecnie GPT-5.3 Codex w cenie 1,75 USD za milion tokenów wejściowych i 14,00 USD za milion tokenów wyjściowych oraz GPT-5.6 Sol za 5,00 / 30,00 USD — a porównanie szybkiego podglądu z flagowym modelem pokazuje, czy warto czekać na Sparka.

Oś czasu wyjaśnia to zamieszanie. GPT-5.3 Codex, agentowy model kodowania OpenAI, trafił do API w lutym 2026; wariant Spark pojawił się w tym samym miesiącu jako research preview skierowane wprost do interaktywnego kodowania, gdzie milisekundy między naciśnięciem klawisza a odpowiedzią liczą się bardziej niż punkt w benchmarku. Pięć miesięcy później OpenAI wypuściło rodzinę GPT-5.6 — Sol, Terra i Luna — oraz GPT-5.6 Sol, flagowy model za $5 / $30 wydany 9 lipca 2026, sprawił, że większość różnic w szybkości straciła znaczenie. To nie jest pojedynek dwóch rywali; to pojedynek między research preview a flagowcem, który pojawił się po nim.

Czym naprawdę jest GPT-5.3 Codex Spark

GPT-5.3 Codex Spark to pierwszy model OpenAI zaprojektowany do kodowania w czasie rzeczywistym i pierwszy publiczny kamień milowy w partnerstwie z producentem chipów Cerebras, ogłoszonym w styczniu 2026 roku. Działa na Wafer Scale Engine 3 firmy Cerebras, chipie wielkości talerza obiadowego z czterema bilionami tranzystorów, który pozwala ominąć wąskie gardło komunikacji w klastrach GPU, dominujące w opóźnieniach podczas zwykłego wnioskowania. Oprócz chipu OpenAI zmniejszyło narzut na pojedynczy cykl wymiany danych o około 80%, narzut na token o około 30% oraz czas do pierwszego tokenu o około 50% dzięki trwałym połączeniom WebSocket i zmianom w Responses API — ścieżka WebSocket jest domyślnie włączona dla Spark.

Ten kompromis jest dobitny. W benchmarkach agentowej inżynierii oprogramowania, na które powołuje się OpenAI, Spark wypada znacznie poniżej pełnego GPT-5.3 Codex — 58,4% wobec 77,3% w Terminal-Bench 2.0, oba wyniki podane przez producenta — ponieważ domyślnie przyjmuje lekki styl pracy: wprowadza minimalne, ukierunkowane poprawki i nie uruchamia testów automatycznie, chyba że wyraźnie o to poprosisz. To model o kontekście 128K, wyłącznie tekstowy, co pod względem możliwości stawia go daleko za obecnymi flagowcami. Szybkość jest produktem, a produkt jest wersją zapoznawczą.

Sytuacja cenowa: brak ceny API i to, co mówią trackery.

OpenAI nie opublikowało ceny API dla GPT-5.3 Codex Spark. W momencie premiery był on dostępny dla subskrybentów ChatGPT Pro za pośrednictwem aplikacji Codex, Codex CLI i rozszerzenia VS Code, a dostęp do API oferowano tylko wybranym partnerom projektowym; ma też własne, oddzielne limity żądań, zamiast wliczać się do standardowego użycia. Pół roku później to wciąż uczciwe podsumowanie. Kilka zewnętrznych trackerów cenowych podaje obecnie 1,75 USD / 14,00 USD za milion linii dla Sparka — identycznie jak dla pełnego GPT-5.3 Codex — ale OpenAI nie ogłosiło ogólnej dostępności, a liczba na trackerze to nie liczba, po której można kupić. Traktuj każdą cenę Sparka jako niepotwierdzoną, dopóki OpenAI nie powie inaczej.

Co można kupić dziś, z opublikowanymi cenami:

• GPT-5.3 Codex — $1.75 za milion tokenów wejściowych, $14.00 za milion tokenów wyjściowych, wejście z pamięci podręcznej za $0.175. Okno kontekstu 400K z maksymalnym limitem wyjścia 128K. Agentowy model kodowania OpenAI, dostępny w publicznym API od lutego 2026 r.

• GPT-5.6 Sol — 5,00 USD za milion tokenów wejściowych i 30,00 USD za milion tokenów wyjściowych dla zapytań do 32 tys. tokenów wejściowych, wzrastając do 10 / 45 USD powyżej tego; wejście z pamięci podręcznej 0,50 USD, zapis do pamięci podręcznej 6,25 USD. Kontekst o długości około 1,05 mln tokenów z 128 tys. tokenów wyjściowych, obsługujący tekst, obraz i pliki jako wejście. Flagowy model OpenAI, wydany 9 lipca 2026 r.

Obie znajdują się w OrcaRouter po cenach katalogowych dostawców z 0% narzutu — linia $1,75 / $14 i linia $5 / $30 to ceny tutaj, a nie ich wersja od resellera. Obniżka cen dostawcy jest aktywna po tej stronie tego samego dnia, w którym dostawca ją wprowadza, ponieważ OrcaRouter przekazuje cenę katalogową dalej, zamiast ponownie narzucać marżę.

GPT-5.3 Codex Spark kontra GPT-5.6 Sol, wymiar po wymiarze

• PrędkośćSpark osiąga ponad 1000 tokenów na sekundę na sprzęcie Cerebras (według producenta), to cały powód, dla którego istnieje; zmierzona wydajność GPT-5.6 Sol na OrcaRouter w ciągu ostatnich 7 dni wynosi około 244 tokenów na sekundę. To nie jest nawet blisko — i to nie cała historia.

• Cena — Spark nie ma publicznej ceny API; GPT-5.6 Sol kosztuje $5 / $30 w podstawowym wariancie, $10 / $45 powyżej 32K tokenów wejściowych.

• Kontekst — Spark przy 128K, tylko tekst; GPT-5.6 Sol około 1.05M z obsługą tekstu, obrazów i plików.

• Kodowanie agentowe — Spark uzyskuje 58,4% w Terminal-Bench 2.0 (dane producenta); GPT-5.6 Sol osiąga wynik AA Coding 77,4, niezależnie zmierzony przez Artificial Analysis na 2. miejscu spośród 132 modeli.

• Styl pracy — Spark domyślnie wprowadza minimalne zmiany i pomija testy; GPT-5.6 Sol to pełnoprawny flagowy model agentowy z rozumowaniem i korzystaniem z narzędzi.

• Dostęp — Spark to wersja badawcza ChatGPT Pro; GPT-5.6 Sol to publiczny model API z opublikowaną ceną.

Jeśli jedyne, czego potrzebujesz, to szybki pierwszy szkic niewielkiej edycji, projekt Sparka jest idealny. Jeśli chcesz agenta, który czyta repozytorium, planuje zmianę, uruchamia testy i iteruje, aż przejdzie, Spark nie próbuje nim być — a wynik Sola 77.4 AA Coding to liczba, którą warto zestawić z podglądem, który nie ma żadnego.

Rzeczywistość routingu: nie musisz wybierać na ślepo.

To jeden z tych porównań, w których warstwa routingu zmienia decyzję. Oba modele wywoływalne są dostępne w OrcaRouter po cenach katalogowych dostawców z 0% marżą — openai/gpt-5.3-codex za $1.75 / $14 oraz openai/gpt-5.6-sol za $5 / $30 — więc możesz uruchomić to samo obciążenie na obu za pomocą jednego klucza i pozwolić, by decydował Twój własny ruch, zamiast ufać narracjom któregokolwiek z dostawców. DSL routingu sprawia, że jest to praktyczne: reguła failover, w której praca agentów o charakterze kodowym działa na GPT-5.3 Codex, a trudne wywołania z długim kontekstem są eskalowane do GPT-5.6 Sol, mierzone dla każdego zadania na Twoich własnych danych.

Trzy specyfiki OrcaRouter sprawiają, że jest to tańsze niż alternatywy. Po pierwsze, $0 narzutu za token — płacisz cenę katalogową dostawcy, bez żadnych dodatków. Po drugie, BYOK — używasz własnego klucza dostawcy, a sprzedawca rozlicza Cię bezpośrednio, więc nie ma puli przedpłaconych środków ani zawyżonej przez router faktury do uzgodnienia. Po trzecie, endpoint jest zgodny z OpenAI: skieruj swojego istniejącego klienta chat/completions lub Responses na adres bazowy OrcaRouter, a ten sam kod będzie działać dalej — z ponad 200 modelami za jednym endpointem, gdy oferta jednego dostawcy stanie się niewystarczająca. Warstwa zabezpieczeń przed tym endpointem to kolejny powód, dla którego skorzystanie z wersji badawczej można bezpiecznie odłożyć — dopóki Spark nie będzie miał publicznego API i SLA, produkcyjną odpowiedzią jest opublikowany model, a warstwa routingu utrzymuje ten model w cenie katalogowej z automatycznym przełączaniem awaryjnym, więc nagły wzrost ograniczeń szybkości nie zatrzyma potoku.

Gdzie Spark jest złą odpowiedzią

Uczciwie o ograniczeniach, bo konstrukcja Sparka to kompromis, na który nie powinieneś trafić przypadkiem. Jeśli Twoja praca to długoterminowe kodowanie agentowe — zadanie, które wymaga zrozumienia całego repozytorium, utrzymania planu przez wiele kroków i weryfikacji własnych zmian — domyślne ustawienie Sparka (minimalne edycje, bez uruchamiania testów) to strzał w stopę, a jego kontekst 128K ograniczony do tekstu nie pomieści repozytorium. Jeśli potrzebujesz obrazów lub plików w prompcie, nie przyjmie ich. Jeśli potrzebujesz przewidywalnej ceny lub SLA, na którym możesz polegać, nie ma ani jednego, ani drugiego. A jeśli Twoje obciążenie to wysokoprzepustowy potok wsadowy, 1000 tokenów na sekundę nie ma znaczenia; liczą się koszt za token i przepustowość, a te przemawiają na korzyść tańszego GPT-5.3 Codex.

Warto też wymienić, czego nie hostujemy: GPT-5.3 Codex Spark nie jest na OrcaRouter, ponieważ nie ma publicznego API, do którego można by routować. Nie udajemy, że jest inaczej, a uczciwe planowanie polega na budowaniu na modelach, które istnieją — GPT-5.3 Codex do zadań agentowych związanych z kodowaniem w cenie 1,75 USD / 14 USD, GPT-5.6 Sol do trudnych, długokontekstowych, multimodalnych wywołań agentowych w cenie 5 USD / 30 USD — oraz na traktowaniu Spark jako zapowiedzi do obserwacji, a nie zależności, na której można oprzeć pipeline.

Sedno sprawy

GPT-5.3 Codex Spark to najciekawszy research preview, jaki OpenAI wypuściło w tym roku, i nie jest to jeszcze decyzja produkcyjna. Decyzja produkcyjna — ta z opublikowanymi cenami, weryfikowalnymi benchmarkami i API, które odpowiada — to GPT-5.3 Codex do pracy agentów związanej z kodowaniem oraz GPT-5.6 Sol do najtrudniejszych wywołań, oba na jednym endpoincie w cenie katalogowej z 0% narzutu. Kiedy Spark w końcu trafi do publicznego API, niemal na pewno będzie obsługiwany przez ten sam rodzaj endpointu, a przełączenie będzie zmianą nazwy modelu, a nie migracją. Do tego czasu to powód do obserwacji — a najszybszy sposób, by być gotowym, to mieć wywoływalne modele podpięte pod klucz, który już posiadasz.