GPT-5.3 Codex Spark vs GPT-5.6 Sol: OpenAI:s hastighetsspel finns inte på API:et (ännu)

GPT-5.3 Codex Spark är den snabbaste kodmodellen som någonsin lanserats — en forskningsförhandsvisning som genererar över 1 000 token per sekund på Cerebras kisel och slutför kodändringar upp till 15 gånger snabbare än den fullständiga GPT-5.3 Codex, ett leverantörspåstående. Här är den del som de flesta rapporteringar förtiger: det är inte en allmän API-produkt. Det finns inget offentligt API-pris, åtkomsten är begränsad till ChatGPT Pro-prenumeranter via Codex-appen och CLI, och den är inte tillgänglig på OrcaRouter. De två kodmodeller du faktiskt kan anropa via en enda slutpunkt idag är GPT-5.3 Codex för $1.75 per miljon indata-token och $14.00 per miljon utdata-token, och GPT-5.6 Sol för $5.00 / $30.00 — och jämförelsen mellan hastighetspreview och flaggskeppet är vad som avgör om Spark är värd att vänta på.

Tidslinjen förklarar förvirringen. GPT-5.3 Codex, OpenAIs agentiska kodningsmodell, nådde API:et i februari 2026; Spark-varianten följde samma månad som en forskningsförhandsvisning som var inriktad på interaktiv kodning, där millisekunderna mellan tangenttryckning och svar betyder mer än en benchmarkpoäng. Fem månader senare släppte OpenAI GPT-5.6-familjen — Sol, Terra och Luna — och GPT-5.6 Sol, flaggskeppsmodellen för $5 / $30 som släpptes den 9 juli 2026, är den modell som gjorde större delen av hastighetsskillnaden till en akademisk fråga. Detta är inte en matchning mellan två rivaler; det är en matchning mellan en forskningsförhandsvisning och det flaggskepp som kom efter den.

Vad GPT-5.3 Codex Spark egentligen är

GPT-5.3 Codex Spark är OpenAI:s första modell designad för realtidskodning, och den första offentliga milstolpen i dess partnerskap i januari 2026 med chiptillverkaren Cerebras. Den körs på Cerebras Wafer Scale Engine 3, chippet i tallriksstorlek med fyra biljoner transistorer, vilket gör att den kan kringgå GPU-klustrets kommunikationsflaskhals som dominerar latensen vid vanlig inferens. Vid sidan av chippet minskade OpenAI overhead per runda med cirka 80 %, overhead per token med cirka 30 % och tiden till första token med cirka 50 % genom beständiga WebSocket-anslutningar och ändringar i Responses API – WebSocket-sökvägen är aktiverad som standard för Spark.

Avvägningen är tydlig. På de agentiska mjukvaruutvecklingsriktmärken som OpenAI citerar hamnar Spark långt under fullversionen av GPT-5.3 Codex — 58,4 % mot 77,3 % på Terminal-Bench 2.0, båda leverantörsrapporterade — eftersom den som standard använder en lättviktig arbetsstil som gör minimala, riktade redigeringar och inte kör tester automatiskt om du inte uttryckligen ber om det. Det är en textbaserad modell med 128K-kontext, vilket placerar den långt efter de nuvarande flaggskeppen i kapacitet. Snabbhet är produkten, och produkten är en förhandsversion.

Prissituationen: inget API-pris, och vad spårarna säger.

OpenAI har inte publicerat ett API-pris för GPT-5.3 Codex Spark. Vid lanseringen var den tillgänglig för ChatGPT Pro-prenumeranter via Codex-appen, Codex CLI och VS Code-tillägget, med API-åtkomst endast för utvalda designpartners, och den har egna separata hastighetsbegränsningar snarare än att räknas mot standardanvändningen. Ett halvår senare är det fortfarande den ärliga sammanfattningen. Några tredjeparts prisspårningsverktyg listar nu ett pris på 1,75 $ / 14,00 $ per miljon rader för Spark – identiskt med den fullständiga GPT-5.3 Codex – men OpenAI har inte gjort något allmänt tillgänglighetsmeddelande, och en siffra på en spårare är inte en siffra du kan köpa för. Behandla varje Spark-pris som obekräftat tills OpenAI säger något annat.

Vad du kan köpa idag, med publicerade priser:

• GPT-5.3 Codex — $1,75 per miljon inmatning, $14,00 per miljon utmatning, cachad inmatning till $0,175. Ett 400K kontextfönster med ett 128K utmatningstak. OpenAIs agentiska kodningsmodell, i det publika API:et sedan februari 2026.

• GPT-5.6 Sol — 5,00 USD per miljon inmatningstokens och 30,00 USD per miljon utdatatokens för förfrågningar upp till 32K inmatningstokens, stigande till 10 / 45 USD däröver; cachad inmatning 0,50 USD, cache-skrivning 6,25 USD. En kontext på ungefär 1,05 miljoner tokens med 128K utdata, inmatning av text, bild och fil. OpenAIs flaggskepp, släppt den 9 juli 2026.

Båda ligger på OrcaRouter till leverantörernas listpriser med 0 % påslag — raden $1,75 / $14 och raden $5 / $30 är priserna här, inte en återförsäljarvariant av dem. En prissänkning från leverantören är live på den här sidan samma dag som leverantören gör den, eftersom OrcaRouter för vidare listpriset istället för att göra ett nytt påslag.

GPT-5.3 Codex Spark vs GPT-5.6 Sol, dimension för dimension

• Hastighet — Spark på 1,000+ tokens per sekund på Cerebras hårdvara (enligt tillverkaren), hela anledningen till att den finns; GPT-5.6 Sols uppmätta utdata via OrcaRouter under de senaste 7 dagarna är cirka 244 tokens per sekund. Inte i närheten — och inte hela historien.

• Pris — Spark har inget offentligt API-pris; GPT-5.6 Sol för $5 / $30 på basnivån, $10 / $45 över 32K inmatningstokens.

• Kontext — Spark vid 128K, endast text; GPT-5.6 Sol vid cirka 1,05M med text-, bild- och filinmatning.

• Agentisk kodning — Spark får 58,4 % på Terminal-Bench 2.0 (enligt tillverkaren); GPT-5.6 Sol uppnår ett AA Coding-resultat på 77,4, oberoende uppmätt av Artificial Analysis som #2 av 132 modeller.

• Arbetsstil — Spark gör minimala ändringar och hoppar över testkörningar som standard; GPT-5.6 Sol är det fullt agentiska flaggskeppet med resonemang och verktygsanvändning.

• Åtkomst — Spark är en ChatGPT Pro-forskningsförhandsversion; GPT-5.6 Sol är en offentlig API-modell med ett publicerat pris.

Om det enda du vill ha är ett snabbt första utkast till en liten ändring, är Sparks design idealisk. Om du vill ha en agent som läser ett repository, planerar en ändring, kör testerna och itererar tills de går igenom, så försöker Spark inte vara det — och Sols 77.4 AA Coding-poäng är siffran att väga mot en förhandsversion utan någon poäng.

Routningsverkligheten: du behöver inte välja i blindo.

Det här är ett av de möten där routningslagret avgör beslutet. Båda anropsbara modellerna finns på OrcaRouter till leverantörernas egna listpriser med 0 % påslag — openai/gpt-5.3-codex för 1,75 $ / 14 $ och openai/gpt-5.6-sol för 5 $ / 30 $ — så du kan köra samma arbetsbelastning genom båda på en enda nyckel och låta din egen trafik avgöra istället för att lita på någon av leverantörernas berättelser. Routnings-DSL:n gör det praktiskt: en redundansregel där det kodformade agentarbetet körs på GPT-5.3 Codex och de svåra samtalen med lång kontext eskaleras till GPT-5.6 Sol, mätt per uppgift på dina egna data.

Tre specifika egenskaper hos OrcaRouter gör detta billigare än alternativen. För det första, $0 i påslag per token — du betalar leverantörens listpris, inget därutöver. För det andra, BYOK — ta med din egen befintliga leverantörsnyckel och leverantören fakturerar dig direkt, så det finns ingen förbetald kreditpool och ingen routeruppblåst faktura att stämma av. För det tredje är slutpunkten OpenAI-kompatibel: peka din befintliga chat/completions- eller Responses-klient mot OrcaRouters bas-URL och samma kod fortsätter att fungera, med 200+ modeller bakom en enda slutpunkt för när du växer ur en leverantörs utbud. Guardrails-lagret framför den slutpunkten är den andra anledningen till att det är säkert att vänta med en forskningsförhandsvisning — tills Spark har ett offentligt API och ett SLA, är produktionssvaret en publicerad modell, och routinglagret håller den modellen till listpris med automatisk failover så att en rate-limit-spik inte stoppar en pipeline.

Där Spark är fel svar

Ärliga gränser, för Sparks design är en kompromiss du inte bör snubbla in i. Om ditt arbete är långsiktig agentisk kodning – en uppgift som kräver att förstå ett helt repo, hålla en plan över många vändor och verifiera sina egna ändringar – är Sparks standard med minimala redigeringar och inga testkörningar en fälla, och dess 128K text-bara kontext rymmer inte repot. Om du behöver bilder eller filer i prompten kan den inte ta emot dem. Om du behöver ett pris du kan förutsäga eller en SLA du kan lita på har den varken eller. Och om din arbetsbelastning är en högeffektiv batch-pipeline spelar 1 000 tokens per sekund ingen roll; kostnad per token och genomströmning gör det, och de gynnar den billigare GPT-5.3 Codex.

Det är också värt att nämna vad vi inte hostar: GPT-5.3 Codex Spark finns inte på OrcaRouter, eftersom det inte finns något offentligt API att routa till. Vi låtsas inte annat, och det ärliga planeringsdraget är att bygga på de modeller som finns — GPT-5.3 Codex för kodformade agentuppgifter till $1,75 / $14, GPT-5.6 Sol för de svåra, långa kontext- och multimodala agentanropen till $5 / $30 — och att behandla Spark som en förhandsvisning att hålla koll på, inte ett beroende att satsa en pipeline på.

Slutsats

GPT-5.3 Codex Spark är den mest intressanta forskningsförhandsvisningen som OpenAI har släppt i år, och det är ännu inte ett produktionsbeslut. Produktionsbeslutet – det med publicerade priser, riktmärken du kan verifiera och ett API som svarar – är GPT-5.3 Codex för kodformade agentuppgifter och GPT-5.6 Sol för de svåraste anropen, båda på en enda endpoint till listpris med 0 % påslag. När Spark väl når ett offentligt API kommer det med all säkerhet att ligga bakom samma typ av endpoint, och ett byte blir en ändring av modellnamn, inte en migrering. Tills dess är det en anledning att hålla koll på – och det snabbaste sättet att vara redo är att ha de anropsbara modellerna uppkopplade på en nyckel du redan äger.