GPT-5.3-Codex เป็นโมเดลการเขียนโค้ดแบบเอเจนต์ที่ล้ำสมัยที่สุดของ OpenAI ซึ่งรวมเอาประสิทธิภาพด้านวิศวกรรมซอฟต์แวร์ระดับแนวหน้าของ GPT-5.2-Codex เข้ากับความสามารถในการให้เหตุผลและความรู้ระดับมืออาชีพที่กว้างขึ้นของ GPT-5.2 โดยให้ผลลัพธ์ที่ทันสมัยที่สุด...
GPT-5.3-Codex เป็นโมเดลภาษาขนาดใหญ่จาก OpenAI ที่สามารถเข้าถึงได้ผ่าน API ที่เข้ากันได้กับ OpenAI ของ OrcaRouter โมเดลนี้ถูกตั้งชื่อเฉพาะว่า "Codex"…
GPT-5.3-Codex ทำคะแนน 91.5 ในการทดสอบ GPQA Diamond ซึ่งวัดความสามารถในการใช้เหตุผลระดับบัณฑิตศึกษาในสาขาฟิสิกส์ เคมี ชีววิทยา และวิทยาศาสตร์อื่น ๆ ซึ่งบ่งชี้ถึงประสิทธิภาพที่แข็งแกร่งในปัญหาการใช้เหตุผลที่ซับซ้อนและหลายขั้นตอน โมเดลสามารถตอบคำถามที่ต้องอาศัยความเข้าใจอย่างลึกซึ้ง การสังเคราะห์ข้อเท็จจริงหลายประการ และการอนุมานเชิงตรรกะ ไม่ได้จำกัดเฉพาะโค้ดเท่านั้น แต่สามารถจัดการกับการใช้เหตุผลเชิงนามธรรม การคำนวณทางคณิตศาสตร์ และการวิเคราะห์ทางวิทยาศาสตร์ อย่างไรก็ตาม เช่นเดียวกับโมเดลภาษาขนาดใหญ่ทั่วไป มันอาจสร้างผลลัพธ์ที่ไม่ถูกต้องหรือไม่สอดคล้องกันในบางครั้ง โดยเฉพาะในคำถามที่มีความเฉพาะทางสูงหรือคลุมเครือ
ในฐานะโมเดล Codex, GPT-5.3-Codex ได้รับการออกแบบมาเพื่อการทำความเข้าใจและสร้างโค้ด สามารถสร้างโค้ดในหลายภาษาโปรแกรมตามคำอธิบายภาษาธรรมชาติหรือบริบทจากไฟล์ได้ ความจุ 400K ช่วยให้สามารถพิจารณาโค้ดเบสขนาดใหญ่สำหรับงานต่างๆ เช่น การรีแฟกเตอร์ การแก้ไขข้อบกพร่อง หรือการสร้างเอกสาร นอกจากนี้ยังสามารถประมวลผลภาพของโค้ดหรือไดอะแกรม เช่น ผังสถาปัตยกรรม เพื่อนำมาใช้ในการให้เหตุผล แม้ว่าจะสามารถจัดการกับความท้าทายทางอัลกอริทึมและการใช้งานไลบรารีได้ ผู้ใช้ควรตรวจสอบผลลัพธ์เพื่อความถูกต้อง โดยเฉพาะในสภาพแวดล้อมการผลิต
ราคาของ GPT-5.3-Codex คือ $1.75 ต่อ 1M input tokens และ $14.00 ต่อ 1M output tokens หากงานของคุณไม่จำเป็นต้องใช้ context window ขนาดใหญ่ (เช่น พรอมต์สั้น, การสอบถามแบบเทิร์นเดียว) หรือไม่ต้องการความสามารถในการใช้เหตุผลระดับสูงตามที่ระบุโดยคะแนน GPQA Diamond โมเดลที่ราคาถูกกว่าอาจคุ้มค่ากว่า ตัวอย่างเช่น โมเดลที่มี context window เล็กกว่า (8K–128K) และต้นทุน output tokens ที่ต่ำกว่ามีให้ใช้งานผ่าน OrcaRouter พิจารณาข้อแลกเปลี่ยน: ใช้ GPT-5.3-Codex เฉพาะเมื่อคุณประมวลผลเอกสารขนาดใหญ่เป็นประจำ หรือต้องการความสามารถในการใช้เหตุผลที่ดีที่สุดสำหรับคำถามที่ซับซ้อน
ใช่ GPT-5.3-Codex รองรับการป้อนข้อมูลข้อความ รูปภาพ และไฟล์ภายในหน้าต่างบริบทเดียวกัน คุณสามารถใส่ภาพกราฟ คำอธิบายข้อความ และไฟล์ PDF ในคำขอเดียวได้ และโมเดลจะประมวลผลร่วมกัน สิ่งนี้มีประโยชน์สำหรับงานต่างๆ เช่น การวิเคราะห์เอกสารวิจัยที่ตัวเอกสารเป็นไฟล์ รูปภาพต่างๆ เป็นภาพ และคุณถามคำถามในรูปแบบข้อความ โมเดลจะถือว่าทุกรูปแบบข้อมูลเป็นส่วนหนึ่งของข้อมูลนำเข้า โดยมีข้อจำกัดจากขีดจำกัดโทเค็นรวม 400K โปรดทราบว่ารูปภาพจะมีผลต่อขีดจำกัดโทเค็น จำนวนรูปภาพที่ใส่ได้จริงนั้นขึ้นอยู่กับความละเอียดและการเข้ารหัสของรูปภาพ
GPQA Diamond เป็นชุดเกณฑ์มาตรฐานที่ประกอบด้วยคำถามแบบเลือกตอบซึ่งต้องใช้การคิดในระดับบัณฑิตศึกษาในสาขาวิทยาศาสตร์ต่างๆ มันถูกออกแบบมาให้ท้าทายทั้งมนุษย์และโมเดล AI มักต้องการความรู้เชิงลึกและการคิดแบบหลายขั้นตอน คะแนน 91.5 หมายความว่า GPT-5.3-Codex ตอบคำถามถูกต้อง 91.5% ซึ่งเป็นคะแนนที่สูง แสดงให้เห็นว่าโมเดลสามารถจัดการกับคำถามที่ซับซ้อนและระดับผู้เชี่ยวชาญได้ อย่างไรก็ตาม คะแนนจากเกณฑ์มาตรฐานไม่ได้รับประกันประสิทธิภาพในโลกจริงสำหรับทุกงาน เพราะมันวัดความสามารถเฉพาะภายใต้เงื่อนไขที่ควบคุม
คะแนน GPQA Diamond ที่สูงบ่งชี้ว่า GPT-5.3-Codex มีความสามารถโดดเด่นในงานที่ต้องใช้การคิดอย่างรอบคอบ เช่น การตอบคำถามเชิงเทคนิค การแก้ไขข้อบกพร่องของโค้ด หรือการให้คำอธิบายแนวคิดทางวิทยาศาสตร์ สามารถประมวลผลความแตกต่างเล็กน้อยและหลีกเลี่ยงข้อผิดพลาดทั่วไป ในทางปฏิบัติ หมายความว่าผู้ใช้สามารถคาดหวังความแม่นยำที่ดีขึ้นในคำสั่งที่ซับซ้อนเมื่อเทียบกับโมเดลที่มีคะแนนต่ำกว่า อย่างไรก็ตาม คะแนนนี้เป็นค่าเฉลี่ย โมเดลอาจยังล้มเหลวในคำถามบางประเภทหรือกรณีขอบ ขอแนะนำให้ทดสอบโมเดลกับงานที่เป็นตัวแทนจากโดเมนของคุณ
ความหน่วงขึ้นอยู่กับขนาดของคำขอ ความยาวของผลลัพธ์ และโหลดปัจจุบันบนโครงสร้างพื้นฐานของ OpenAI OrcaRouter ส่งคำขอไปยัง OpenAI โดยตรงโดยไม่มีการประมวลผลเพิ่มเติม ดังนั้นความหน่วงจึงถูกกำหนดโดยผู้ให้บริการ หน้าต่างบริบท 400K และผลลัพธ์ 128K หมายความว่าข้อมูลนำเข้าหรือผลลัพธ์ที่ยาวมากอาจใช้เวลาประมวลผลนานขึ้น สำหรับแอปพลิเคชันแบบเรียลไทม์ ควรพิจารณาใช้บริบทที่สั้นลงหรือโมเดลที่เล็กกว่า ไม่มีการระบุค่าความหน่วงที่เฉพาะเจาะจง ผู้ใช้ควรทำการวัดประสิทธิภาพด้วยอินพุตทั่วไปของตนเอง OrcaRouter ไม่เพิ่มความล่าช้าเพิ่มเติมใดๆ นอกเหนือจากเวลาตอบสนองของ OpenAI
แม้จะมีคะแนน GPQA Diamond สูง แต่ GPT-5.3-Codex ก็มีข้อจำกัด มันอาจสร้างคำตอบที่ดูมั่นใจแต่ไม่ถูกต้อง (ภาพหลอน) โดยเฉพาะในหัวข้อที่ไม่คุ้นเคย ไม่ได้ระบุวันที่ตัดความรู้ อาจขาดข้อมูลล่าสุด ประสิทธิภาพของโมเดลในการใช้เหตุผลที่ไม่ใช่เชิงวิทยาศาสตร์ เช่น การเขียนเชิงสร้างสรรค์หรือสามัญสำนึก อาจโดดเด่นน้อยกว่าในวิทยาศาสตร์ระดับบัณฑิตศึกษา มันไวต่อการเรียบเรียง prompt และผลลัพธ์อาจมีความยาวเยิ่นเย้อ นอกจากนี้ หน้าต่างบริบท 400K เป็นค่าสูงสุด ประสิทธิภาพอาจลดลงเมื่อบริบทเต็มมาก โดยเฉพาะในช่วงกลาง ผู้ใช้ควรตรวจสอบผลลัพธ์สำหรับงานที่สำคัญ
ราคาอยู่ที่ $1.75 ต่อ 1 ล้าน input tokens และ $14.00 ต่อ 1 ล้าน output tokens นี่คืออัตราของผู้ให้บริการจาก OpenAI; OrcaRouter ไม่เพิ่มค่าธรรมเนียมใดๆ Input tokens รวมถึงข้อความทั้งหมด, image tokens (ขึ้นอยู่กับความละเอียด), และ file tokens Output tokens คือข้อความที่ถูกสร้างขึ้น สำหรับบริบท, คำขอที่มี input tokens 100K และ output tokens 5K จะมีค่าใช้จ่ายประมาณ $0.175 สำหรับ input และ $0.07 สำหรับ output รวมเป็น $0.245 ค่าใช้จ่ายเพิ่มขึ้นเป็นเส้นตรงตามการใช้งาน ไม่มีค่าธรรมเนียมเพิ่มเติมต่อคำขอ ผู้ใช้จะถูกคิดเงินตามการใช้งาน tokens จริง
ราคาป้อนเข้าที่ $1.75/M โทเคนถือว่าปานกลางเมื่อเทียบกับโมเดลพรีเมียมบางรุ่น ขณะที่ราคาผลลัพธ์ที่ $14/M ค่อนข้างสูง โทเคนผลลัพธ์มีราคาแพงเนื่องจากการสร้างต้องใช้ทรัพยากรการคำนวณสูง หากเวิร์กโฟลว์ของคุณเกี่ยวข้องกับการสร้างคำตอบที่ยาวมาก (เช่น 50K โทเคน) ค่าใช้จ่ายอาจสูงมาก พิจารณาว่าโมเดลที่ถูกกว่าและมีบริบทขนาดเล็กกว่าสามารถตอบสนองความต้องการของคุณสำหรับงานที่ง่ายกว่าได้หรือไม่ นอกจากนี้ โปรดทราบว่าบริบทขนาดใหญ่ของโมเดลอาจกระตุ้นให้ผู้ใช้ใส่โทเคนป้อนเข้ามากขึ้น ซึ่งเพิ่มค่าใช้จ่าย วางแผนปรับแต่งพรอมต์เพื่อให้ทั้งโทเคนป้อนเข้าและผลลัพธ์มีจำนวนน้อย
OrcaRouter ส่งผ่านอัตราของผู้ให้บริการโดยไม่มีส่วนเพิ่ม ไม่มีการกล่าวถึงการแคชหรือโปรแกรมส่วนลดเฉพาะสำหรับโมเดลนี้ ผู้ใช้จะถูกเรียกเก็บเงินต่อโทเค็นตามการใช้งาน หากคุณมีความต้องการปริมาณสูง คุณสามารถติดต่อ OrcaRouter เพื่อขอราคาปริมาณที่เป็นไปได้ แต่ไม่มีรายละเอียดเฉพาะให้ สำหรับการจัดการต้นทุน ให้ตรวจสอบการใช้งานโทเค็นและกำหนดขีดจำกัด การแคชคำตอบไม่ใช่มาตรฐาน แต่ละคำขอจะถูกประมวลผลอย่างอิสระ เนื่องจากโมเดลเข้าถึงผ่าน OpenAI การแคชหรือคุณสมบัติการแคชพรอมต์ใดๆ จาก OpenAI จะถูกนำมาใช้ แต่ OrcaRouter ไม่ได้เพิ่มเลเยอร์การแคชของตัวเอง
คุณเรียกใช้โมเดลผ่าน API ที่เข้ากันได้กับ OpenAI ของ OrcaRouter ที่ URL ฐาน https://api.orcarouter.ai/v1 ใช้รหัสโมเดล "openai/gpt-5.3-codex" API นี้เข้ากันได้กับ OpenAI Python client, curl และเครื่องมืออื่น ๆ ตัวอย่างการเรียกใช้ Python: ```python import openai client = openai.OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="your_key") response = client.chat.completions.create( model="openai/gpt-5.3-codex", messages=[{"role": "user", "content": "Hello"}] ) ``` สำหรับอินพุตแบบ multimodal ให้ใช้รูปแบบที่เหมาะสมกับ image_url หรือแนบไฟล์ตาม multimodal API ของ OpenAI
API รองรับพารามิเตอร์มาตรฐานของ OpenAI ได้แก่ messages (รายการของ message objects), temperature, top_p, n, max_tokens, presence_penalty, frequency_penalty, stop, stream และอื่นๆ สำหรับความสามารถหลายรูปแบบ (multimodality) messages สามารถมี content parts ที่มีประเภท text, image_url (พร้อมพารามิเตอร์ detail) หรือ file objects พารามิเตอร์ max_tokens ไม่ควรเกิน output สูงสุดของโมเดลที่ 128,000 หน้าต่างบริบท (context window) ที่ 400,000 tokens คือจำนวน tokens อินพุตทั้งหมดจากทุก messages และ modalities ไม่มีพารามิเตอร์สำหรับความยาวบริบท โมเดลจะใช้บริบทที่ให้มาทั้งหมดโดยอัตโนมัติ ตรวจสอบให้แน่ใจว่า tokens อินพุตทั้งหมดของคุณอยู่ในขีดจำกัด
การย้ายข้อมูลเป็นเรื่องง่าย: เปลี่ยนฟิลด์ model ในการเรียก API ของคุณจากรหัสโมเดลเดิม (เช่น "openai/gpt-4o") เป็น "openai/gpt-5.3-codex" ตรวจสอบให้แน่ใจว่าคีย์ API ของคุณเป็นของ OrcaRouter และคุณใช้ base URL https://api.orcarouter.ai/v1 ควรตระหนักถึงขีดจำกัดบริบทและเอาต์พุตที่แตกต่างกัน ถ้าโมเดลเดิมของคุณมีบริบทที่เล็กกว่า คำขอของคุณอาจพอดีทั้งหมดในตอนนี้ คุณอาจต้องปรับรูปแบบมัลติโมดัลหากไม่ได้ใช้มาก่อน ทดสอบด้วยคำขอตัวอย่างเพื่อตรวจสอบพฤติกรรมและค่าใช้จ่าย รูปแบบการตอบสนองของ API เหมือนกับของ OpenAI
OrcaRouter ใช้การตรวจสอบสิทธิ์ด้วย API key คุณต้องรวมคีย์ของคุณในส่วนหัว Authorization เป็น Bearer token รับ API key จากบัญชี OrcaRouter ของคุณ คีย์นี้ใช้เพื่อติดตามการใช้งานและการเรียกเก็บเงิน ไม่มีชั้นการตรวจสอบสิทธิ์เพิ่มเติม base URL คือ https://api.orcarouter.ai/v1 ตรวจสอบให้แน่ใจว่าไลบรารีไคลเอ็นต์ของคุณรองรับ base URL ที่กำหนดเอง เพื่อความปลอดภัย ให้เก็บ API key ของคุณเป็นความลับและหมุนเปลี่ยนเป็นประจำ OrcaRouter ไม่มี OAuth หรือวิธีการตรวจสอบสิทธิ์อื่นๆ สำหรับ endpoint นี้
เมื่อเปรียบเทียบกับโมเดลอย่าง GPT-4o-mini หรือ GPT-3.5 แล้ว GPT-5.3-Codex มี context window ที่ใหญ่กว่ามาก (400K เทียบกับทั่วไป 8K–128K) และขีดจำกัดเอาต์พุตสูงกว่า (128K เทียบกับ 4K–16K) คะแนน GPQA Diamond ที่ 91.5 บ่งชี้ถึงความสามารถในการใช้เหตุผลที่เหนือกว่า อย่างไรก็ตาม มีราคาต่อโทเค็นแพงกว่า โดยเฉพาะเอาต์พุต โมเดลขนาดเล็กเหมาะสำหรับแอปพลิเคชันที่ต้องการปริมาณงานสูงและต้นทุนต่ำ ซึ่งไม่จำเป็นต้องใช้การให้เหตุผลที่ซับซ้อน เลือก GPT-5.3-Codex เมื่อคุณต้องการประมวลผลข้อมูลปริมาณมากหรือต้องการคุณภาพคำตอบที่ดีที่สุดเท่าที่เป็นไปได้
โมเดล multimodal หลายตัวรองรับข้อความและรูปภาพ แต่ GPT-5.3-Codex ยังรองรับการป้อนไฟล์เพิ่มเติมด้วย หน้าต่างบริบท 400K tokens ของมันมีขนาดใหญ่เมื่อเทียบกับโมเดล multimodal ส่วนใหญ่ (มักจะเป็น 128K) คะแนน GPQA Diamond 91.5 ถือว่าสูงในเชิงสัมบูรณ์ แม้ว่าการเปรียบเทียบโดยตรงจะขึ้นอยู่กับเกณฑ์วัด โมเดลจากผู้ให้บริการรายอื่นอาจมีจุดแข็งที่แตกต่างกัน เช่น ด้านการมองเห็นเฉพาะทางหรือความหน่วงที่ต่ำกว่า GPT-5.3-Codex เป็นโมเดลทั่วไปที่มีการให้เหตุผลที่แข็งแกร่ง สำหรับงานที่อาศัยการรู้จำภาพเพียงอย่างเดียว โมเดลที่เน้นด้านการมองเห็นโดยเฉพาะอาจมีประสิทธิภาพมากกว่า
หากงานของคุณไม่ต้องการบริบท 400K หรือเอาต์พุต 128K โมเดลที่มีขนาดเล็กกว่าจะคุ้มค่ากว่าทางด้านต้นทุน หากความต้องการหลักของคุณคือความเร็ว ให้พิจารณาโมเดลที่มีเวลาแฝงต่ำ หากคุณต้องการเพียงอินพุตข้อความ โมเดลที่รับเฉพาะข้อความอาจมีราคาถูกกว่า สำหรับงานที่อยู่นอกขอบเขตของการให้เหตุผลทางวิทยาศาสตร์ (เช่น การเขียนเชิงสร้างสรรค์) โมเดลที่ปรับแต่งสำหรับการสนทนาอาจทำงานได้ดีกว่า นอกจากนี้ หากคุณจำเป็นต้องรันโมเดลบนฮาร์ดแวร์เฉพาะหรือมีข้อกำหนดเกี่ยวกับถิ่นที่อยู่ของข้อมูล ให้พิจารณาโมเดลที่ปรับใช้ในภูมิภาคเหล่านั้น ประเมินตามปริมาณงานจริงของคุณ
เข้ากันได้กับ OpenAI — ใช้ SDK เดิมของคุณได้เลย
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="openai/gpt-5.3-codex",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatseedstreamstructured_outputstool_choicetools| อินพุต / 1M โทเค็น | $1.75 |
| เอาต์พุต / 1M โทเค็น | $14.00 |
| อ่านแคช / 1M | $0.175 |
| สกุลเงิน | USD |
ประมาณการจากราคาตั้ง
เป็นเพียงการประเมิน — จำนวน token จริงขึ้นอยู่กับ tokenizer ของผู้ให้บริการ
GET /api/public/models/openai/gpt-5.3-codexเปิด @misc{orcarouter_gpt_5_3_codex,
title = {GPT-5.3-Codex API},
author = {OpenAI},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-5.3-codex}
}OpenAI. (2026). GPT-5.3-Codex API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-5.3-codex