GPT-5.3-Codex là mô hình mã hóa tác tử tiên tiến nhất của OpenAI, kết hợp hiệu suất kỹ thuật phần mềm tiên phong của GPT-5.2-Codex với khả năng suy luận rộng hơn và kiến thức chuyên môn của GPT-5.2. Nó đạt được kết quả hiện đại...
GPT-5.3-Codex là một mô hình ngôn ngữ lớn từ OpenAI, có thể truy cập thông qua API tương thích với OpenAI của OrcaRouter. Mô hình này được đặt tên cụ thể là "Codex," cho thấy trọng tâm vào việc tạo…
GPT-5.3-Codex đạt điểm 91.5 trên benchmark GPQA Diamond, bài kiểm tra khả năng suy luận trình độ sau đại học trong các lĩnh vực vật lý, hóa học, sinh học và các ngành khoa học khác. Kết quả này cho thấy hiệu suất mạnh mẽ trong các bài toán suy luận phức tạp, nhiều bước. Mô hình có thể trả lời các câu hỏi đòi hỏi hiểu biết sâu sắc, tổng hợp nhiều sự kiện và suy luận logic. Nó không bị giới hạn ở mã lệnh; có thể xử lý suy luận trừu tượng, tính toán toán học và phân tích khoa học. Tuy nhiên, giống như tất cả các mô hình ngôn ngữ lớn, nó đôi khi có thể tạo ra đầu ra không chính xác hoặc không nhất quán, đặc biệt là đối với các câu hỏi chuyên ngành cao hoặc mơ hồ.
Là một mô hình Codex, GPT-5.3-Codex được thiết kế để hiểu và sinh mã. Nó có thể sinh mã trong nhiều ngôn ngữ lập trình dựa trên mô tả ngôn ngữ tự nhiên hoặc ngữ cảnh từ các tệp. Ngữ cảnh 400K cho phép nó xem xét các cơ sở mã lớn cho các tác vụ như tái cấu trúc, sửa lỗi hoặc sinh tài liệu. Nó cũng có thể xử lý hình ảnh mã hoặc sơ đồ, chẳng hạn như lưu đồ kiến trúc, để hỗ trợ suy luận của nó. Mặc dù nó có thể xử lý các thách thức thuật toán và sử dụng thư viện, người dùng nên xác minh đầu ra về tính chính xác, đặc biệt là trong môi trường sản xuất.
Giá cho GPT-5.3-Codex là 1,75 đô la cho mỗi 1 triệu token đầu vào và 14,00 đô la cho mỗi 1 triệu token đầu ra. Nếu tác vụ của bạn không yêu cầu cửa sổ ngữ cảnh lớn (ví dụ: lời nhắc ngắn, truy vấn một lần) hoặc không cần khả năng suy luận cao được biểu thị bằng điểm GPQA Diamond, thì một mô hình ít tốn kém hơn có thể tiết kiệm chi phí hơn. Ví dụ: các mô hình có cửa sổ ngữ cảnh nhỏ hơn (8K–128K) và chi phí token đầu ra thấp hơn có sẵn thông qua OrcaRouter. Hãy cân nhắc sự đánh đổi: chỉ sử dụng GPT-5.3-Codex khi bạn thường xuyên xử lý các tài liệu lớn hoặc cần khả năng suy luận tốt nhất cho các câu hỏi phức tạp.
Đúng vậy, GPT-5.3-Codex chấp nhận đầu vào dạng văn bản, hình ảnh và tệp tin trong cùng một cửa sổ ngữ cảnh. Bạn có thể cung cấp một hình ảnh biểu đồ, một mô tả văn bản và một tệp PDF trong cùng một yêu cầu, và mô hình sẽ xử lý chúng cùng nhau. Điều này hữu ích cho các tác vụ như phân tích một bài báo nghiên cứu, nơi bài báo là một tệp tin, các hình ảnh là hình ảnh và bạn đặt câu hỏi bằng văn bản. Mô hình coi tất cả các phương thức là một phần của đầu vào, bị giới hạn bởi tổng giới hạn token 400K. Lưu ý rằng hình ảnh được tính vào giới hạn token; số lượng hình ảnh thực tế có thể đưa vào phụ thuộc vào độ phân giải và mã hóa của chúng.
GPQA Diamond là một điểm chuẩn bao gồm các câu hỏi trắc nghiệm yêu cầu lý luận trình độ sau đại học trong các ngành khoa học. Nó được thiết kế để thách thức cả con người và mô hình AI, thường đòi hỏi kiến thức sâu sắc và suy luận nhiều bước. Điểm số 91.5 có nghĩa là GPT-5.3-Codex đã trả lời đúng 91.5% số câu hỏi, đây là điểm số cao. Điều này cho thấy mô hình có thể xử lý các câu hỏi phức tạp ở cấp độ chuyên gia. Tuy nhiên, điểm chuẩn không đảm bảo hiệu suất thực tế trên tất cả các nhiệm vụ; chúng đo lường các khả năng cụ thể trong điều kiện được kiểm soát.
Điểm GPQA Diamond cao cho thấy GPT-5.3-Codex vượt trội trong các tác vụ đòi hỏi suy luận cẩn thận, chẳng hạn như trả lời câu hỏi kỹ thuật, gỡ lỗi mã hoặc giải thích các khái niệm khoa học. Mô hình có thể xử lý các khác biệt tinh tế và tránh những lỗi phổ biến. Trong thực tế, điều này có nghĩa là người dùng có thể mong đợi độ chính xác cao hơn trên các lời nhắc phức tạp so với các mô hình có điểm số thấp hơn. Tuy nhiên, điểm số này là giá trị trung bình; mô hình vẫn có thể thất bại với một số loại câu hỏi hoặc trường hợp đặc biệt. Nên kiểm tra mô hình trên các tác vụ đại diện trong lĩnh vực của bạn.
Độ trễ phụ thuộc vào kích thước yêu cầu, độ dài đầu ra và tải hiện tại trên cơ sở hạ tầng của OpenAI. OrcaRouter chuyển các yêu cầu trực tiếp đến OpenAI mà không xử lý thêm, vì vậy độ trễ được xác định bởi nhà cung cấp. Cửa sổ ngữ cảnh 400K và đầu ra 128K có nghĩa là các đầu vào hoặc đầu ra rất dài có thể mất nhiều thời gian hơn để xử lý. Đối với các ứng dụng thời gian thực, hãy cân nhắc sử dụng ngữ cảnh ngắn hơn hoặc mô hình nhỏ hơn. Không có con số độ trễ cụ thể nào được cung cấp; người dùng nên đo điểm chuẩn với các đầu vào điển hình của họ. OrcaRouter không gây thêm bất kỳ độ trễ nào ngoài thời gian phản hồi của OpenAI.
Mặc dù đạt điểm GPQA Diamond cao, GPT-5.3-Codex vẫn có những hạn chế. Nó có thể đưa ra câu trả lời tự tin nhưng không chính xác (ảo giác), đặc biệt là về các chủ đề ít phổ biến. Ngày cắt kiến thức của nó không được chỉ rõ; nó có thể thiếu thông tin gần đây. Hiệu suất của mô hình đối với các suy luận phi khoa học, chẳng hạn như viết sáng tạo hoặc lẽ thường, có thể kém nổi bật hơn so với khoa học cấp độ sau đại học. Nó nhạy cảm với cách diễn đạt trong lời nhắc và đầu ra của nó có thể dài dòng. Ngoài ra, cửa sổ ngữ cảnh 400K là tối đa; hiệu suất có thể suy giảm khi ngữ cảnh quá đầy, đặc biệt là ở phần giữa. Người dùng nên xác thực đầu ra cho các tác vụ quan trọng.
Định giá là 1,75 đô la cho mỗi 1 triệu token đầu vào và 14,00 đô la cho mỗi 1 triệu token đầu ra. Đây là mức giá từ nhà cung cấp OpenAI; OrcaRouter không thêm bất kỳ khoản phụ phí nào. Token đầu vào bao gồm tất cả văn bản, token hình ảnh (dựa trên độ phân giải) và token tệp. Token đầu ra là văn bản được tạo ra. Để làm rõ, một yêu cầu với 100K token đầu vào và 5K token đầu ra sẽ có chi phí khoảng 0,175 đô la cho đầu vào và 0,07 đô la cho đầu ra, tổng cộng là 0,245 đô la. Chi phí tăng tuyến tính theo mức sử dụng. Không có phí bổ sung cho mỗi yêu cầu. Người dùng sẽ bị tính phí dựa trên mức tiêu thụ token thực tế.
Giá đầu vào $1.75/M token là ở mức vừa phải so với một số mô hình cao cấp, trong khi giá đầu ra $14/M lại tương đối cao. Token đầu ra đắt đỏ vì quá trình sinh nội dung yêu cầu tính toán nhiều. Nếu quy trình làm việc của bạn liên quan đến việc tạo ra các phản hồi rất dài (ví dụ: 50K token), chi phí có thể rất lớn. Hãy cân nhắc xem một mô hình rẻ hơn với ngữ cảnh nhỏ hơn có thể đáp ứng nhu cầu của bạn cho các tác vụ đơn giản hơn không. Ngoài ra, lưu ý rằng ngữ cảnh lớn của mô hình có thể khuyến khích người dùng đưa vào nhiều token đầu vào hơn, làm tăng chi phí. Hãy lên kế hoạch tối ưu hóa lời nhắc để giữ cả token đầu vào và đầu ra ở mức gọn nhẹ.
OrcaRouter chuyển tiếp chi phí của nhà cung cấp mà không tính thêm phí. Không có đề cập đến chương trình lưu trữ đệm hay giảm giá cụ thể cho mô hình này. Người dùng được tính phí theo từng token khi sử dụng. Nếu bạn có nhu cầu khối lượng lớn, bạn có thể liên hệ với OrcaRouter để biết thêm về giá theo khối lượng, nhưng không có thông tin chi tiết cụ thể. Để quản lý chi phí, hãy theo dõi mức sử dụng token và đặt giới hạn. Lưu trữ đệm phản hồi không được cung cấp theo tiêu chuẩn; mỗi yêu cầu được xử lý độc lập. Vì mô hình được truy cập qua OpenAI, bất kỳ tính năng lưu trữ đệm nào từ OpenAI (bao gồm lưu trữ đệm prompt) đều có thể được áp dụng, nhưng OrcaRouter không thêm lớp lưu trữ đệm riêng.
Bạn gọi mô hình thông qua API tương thích OpenAI của OrcaRouter tại base URL https://api.orcarouter.ai/v1. Sử dụng model id "openai/gpt-5.3-codex". API này tương thích với Python client của OpenAI, curl và các công cụ khác. Một ví dụ gọi 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"}] ) Đối với đầu vào đa phương thức, hãy sử dụng định dạng thích hợp với image_url hoặc file attachments theo API đa phương thức của OpenAI.
API hỗ trợ các tham số OpenAI tiêu chuẩn: messages (danh sách các đối tượng message), temperature, top_p, n, max_tokens, presence_penalty, frequency_penalty, stop, stream, và các tham số khác. Đối với đa phương thức, messages có thể bao gồm các phần nội dung với loại text, image_url (với tham số detail), hoặc các đối tượng file. Tham số max_tokens không được vượt quá đầu ra tối đa của mô hình là 128,000. Cửa sổ ngữ cảnh 400,000 token là tổng số token đầu vào trên tất cả các messages và các phương thức. Không có tham số cho độ dài ngữ cảnh; mô hình tự động sử dụng toàn bộ ngữ cảnh được cung cấp. Đảm bảo tổng số token đầu vào của bạn nằm trong giới hạn.
Việc di chuyển rất đơn giản: thay đổi trường model trong lệnh gọi API từ ID model trước đó của bạn (ví dụ: "openai/gpt-4o") thành "openai/gpt-5.3-codex". Đảm bảo khóa API của bạn dành cho OrcaRouter và bạn đang sử dụng base URL https://api.orcarouter.ai/v1. Lưu ý các giới hạn về ngữ cảnh và đầu ra khác nhau. Nếu model trước đây của bạn có ngữ cảnh nhỏ hơn, thì các prompt của bạn có thể vừa vặn hoàn toàn. Bạn cũng có thể cần điều chỉnh định dạng đa phương thức nếu trước đây chưa sử dụng. Hãy thử nghiệm với các yêu cầu mẫu để xác minh hành vi và chi phí. Định dạng phản hồi API giống hệt với OpenAI.
OrcaRouter sử dụng xác thực khóa API. Bạn phải bao gồm khóa của mình trong tiêu đề Authorization dưới dạng mã thông báo Bearer. Hãy lấy khóa API từ tài khoản OrcaRouter của bạn. Khóa này được dùng để theo dõi mức sử dụng và thanh toán. Không có lớp xác thực bổ sung nào. URL cơ sở là https://api.orcarouter.ai/v1. Đảm bảo thư viện ứng dụng khách của bạn hỗ trợ URL cơ sở tùy chỉnh. Để bảo mật, hãy giữ bí mật khóa API của bạn và thay đổi nó thường xuyên. OrcaRouter không cung cấp OAuth hoặc các phương thức xác thực khác cho điểm cuối này.
So với các mô hình như GPT-4o-mini hay GPT-3.5, GPT-5.3-Codex cung cấp cửa sổ ngữ cảnh lớn hơn nhiều (400K so với thường là 8K–128K) và giới hạn đầu ra cao hơn (128K so với 4K–16K). Điểm GPQA Diamond 91,5 của nó cho thấy khả năng suy luận vượt trội. Tuy nhiên, nó đắt hơn trên mỗi token, đặc biệt là token đầu ra. Các mô hình nhỏ hơn phù hợp với các ứng dụng thông lượng cao, chi phí thấp khi không cần suy luận phức tạp. Chọn GPT-5.3-Codex khi bạn cần xử lý lượng lớn dữ liệu hoặc yêu cầu chất lượng câu trả lời tốt nhất có thể.
Nhiều mô hình đa phương thức chấp nhận văn bản và hình ảnh, nhưng GPT-5.3-Codex còn hỗ trợ đầu vào tệp. Cửa sổ ngữ cảnh 400K token của nó lớn so với hầu hết các mô hình đa phương thức (thường là 128K). Điểm GPQA Diamond 91.5 là cao về mặt tuyệt đối, mặc dù việc so sánh trực tiếp phụ thuộc vào benchmark. Các mô hình từ nhà cung cấp khác có thể mang lại những điểm mạnh khác nhau, chẳng hạn như thị giác chuyên biệt hoặc độ trễ thấp hơn. GPT-5.3-Codex là mô hình đa năng với khả năng suy luận mạnh; đối với các tác vụ hoàn toàn dựa trên nhận dạng hình ảnh, một mô hình thị giác chuyên dụng có thể hiệu quả hơn.
Nếu nhiệm vụ của bạn không yêu cầu ngữ cảnh 400K hoặc đầu ra 128K, một mô hình nhỏ hơn sẽ tiết kiệm chi phí hơn. Nếu nhu cầu chính của bạn là tốc độ, hãy cân nhắc các mô hình có độ trễ thấp hơn. Nếu bạn chỉ cần đầu vào văn bản, mô hình chỉ xử lý văn bản có thể rẻ hơn. Đối với các tác vụ ngoài lĩnh vực suy luận khoa học (ví dụ: viết sáng tạo), các mô hình được tinh chỉnh cho hội thoại có thể hoạt động tốt hơn. Ngoài ra, nếu bạn cần chạy mô hình trên phần cứng cụ thể hoặc có yêu cầu về nơi lưu trữ dữ liệu, hãy cân nhắc các mô hình được triển khai tại các khu vực đó. Đánh giá dựa trên khối lượng công việc thực tế của bạn.
Tương thích OpenAI — giữ nguyên SDK bạn đang dùng
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| Đầu vào / 1M tokens | $1.75 |
| Đầu ra / 1M tokens | $14.00 |
| Đọc cache / 1M | $0.175 |
| Tiền tệ | USD |
Ước tính theo giá niêm yết
Chỉ là ước tính — số token thực tế phụ thuộc vào bộ tách token của nhà cung cấp.
GET /api/public/models/openai/gpt-5.3-codexMở @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