{"id":216,"date":"2026-02-05T20:33:01","date_gmt":"2026-02-05T19:33:01","guid":{"rendered":"https:\/\/helloblog.io\/sl\/gpt-5-3-codex-agent-za-kodo-sodelavec-za-cel-racunalnik\/"},"modified":"2026-02-05T20:33:01","modified_gmt":"2026-02-05T19:33:01","slug":"gpt-5-3-codex-agent-za-kodo-sodelavec-za-cel-racunalnik","status":"publish","type":"post","link":"https:\/\/helloblog.io\/sl\/gpt-5-3-codex-agent-za-kodo-sodelavec-za-cel-racunalnik\/","title":{"rendered":"GPT-5.3-Codex: ko agent za kodo postane sodelavec za cel ra\u010dunalnik"},"content":{"rendered":"\n

Codex smo do zdaj ve\u010dinoma jemali kot zelo dober \u201cpair programmer\u201d: napi\u0161e funkcijo, popravi test, pregleda PR, sestavi skripto in ti prihrani uro ali dve. Z objavo GPT-5.3-Codex<\/strong> OpenAI precej jasno ka\u017ee, da je cilj \u0161ir\u0161i: Codex \u017eeli postati agent, ki zna na ra\u010dunalniku opraviti skoraj vse, kar razvijalci in drugi \u201cknowledge workerji\u201d v praksi po\u010dnemo – od raziskovanja do uporabe orodij, zagona procesov, iteriranja \u010dez dneve in dostave kon\u010dnega artefakta.<\/p>\n\n\n\n

Po navedbah OpenAI je GPT\u20115.3\u2011Codex trenutno najbolj sposoben agentni (agentic) model za programiranje<\/strong>. Zdru\u017euje \u201cfrontier\u201d coding zmogljivosti iz linije GPT\u20115.2\u2011Codex in sklepanje ter profesionalno znanje iz GPT\u20115.2 – v enem modelu – in je hkrati 25% hitrej\u0161i<\/strong>. Posledica je zelo prakti\u010dna: agent lahko dr\u017ei kontekst dlje \u010dasa, dela na dolgih nalogah in ostaja uporaben tudi, ko gre za kompleksno izvedbo z ve\u010d koraki.<\/p>\n\n\n\n

Najbolj zanimiv detajl iz objave: GPT\u20115.3\u2011Codex je prvi model, za katerega OpenAI eksplicitno pravi, da je bil instrumentalen pri ustvarjanju samega sebe<\/strong>. Ekipa Codex je zgodnje razli\u010dice uporabila za razhro\u0161\u010devanje treninga, za upravljanje deploya in za diagnostiko testov ter evalvacij. V praksi to pomeni, da agent ni samo produkt, ampak tudi pospe\u0161evalnik razvojnega cikla modela.<\/p>\n\n\n\n

Frontier agentne sposobnosti: benchmarki, ki jih je vredno spremljati<\/h2>\n\n\n\n

OpenAI pri tej izdaji izpostavi \u0161tiri benchmarke, ki jih uporabljajo za merjenje programerskih, agentnih in \u201creal-world\u201d sposobnosti: SWE-Bench Pro<\/strong>, Terminal-Bench<\/strong>, OSWorld<\/strong> in GDPval<\/strong>. GPT\u20115.3\u2011Codex naj bi dosegal industrijski vrh na SWE\u2011Bench Pro in Terminal\u2011Bench ter mo\u010dan rezultat na OSWorld in GDPval.<\/p>\n\n\n\n

Programiranje: SWE-Bench Pro + Terminal-Bench 2.0<\/h3>\n\n\n\n

SWE\u2011Bench Pro<\/strong> je predstavljen kot stroga evalvacija realnega software engineeringa. Klju\u010dna razlika, ki jo OpenAI poudari: kjer SWE\u2011bench Verified<\/strong> testira samo Python, SWE\u2011Bench Pro pokriva \u0161tiri jezike<\/strong>, hkrati pa je bolj odporen na kontaminacijo (contamination-resistant), raznolik in bolj industrijsko relevanten.<\/p>\n\n\n\n

Poleg tega GPT\u20115.3\u2011Codex \u201cmo\u010dno prese\u017ee\u201d prej\u0161nji state\u2011of\u2011the\u2011art na Terminal\u2011Bench 2.0<\/strong>, ki meri terminalske ve\u0161\u010dine, ki jih agent (kot je Codex) potrebuje za delo: premikanje po filesystemu, zaganjanje ukazov, interpretiranje izhodov, iteriranje. Zanimiv poudarek: model to dose\u017ee z manj tokeni<\/strong> kot prej\u0161nji modeli, kar je pomembno, ker manj tokenov pogosto pomeni ve\u010d prostora za dejansko gradnjo in iteriranje v realnih sejah.<\/p>\n\n\n\n

Spletni razvoj: ve\u010ddnevno iteriranje, estetika in bolj\u0161i privzeti \u201ccanvas\u201d<\/h3>\n\n\n\n

OpenAI tukaj ne govori samo o tem, da model napi\u0161e komponento ali landing page. Fokus je na kombinaciji: frontier coding + izbolj\u0161ana estetika + \u201ccompaction\u201d (kompaktnej\u0161i output in bolj smiselne privzete odlo\u010ditve), kar omogo\u010da, da agent iz nule izdela kompleksne igre in aplikacije ter jih avtonomno izbolj\u0161uje ve\u010d dni.<\/p>\n\n\n\n

Za test \u201clong\u2011running\u201d agentnih sposobnosti v web developmentu so GPT\u20115.3\u2011Codex prosili, da izdela dve igri: (1) drugo verzijo dirkalne igre<\/strong> iz objave o lansiranju Codex appa in (2) potaplja\u0161ko igro<\/strong>. Z uporabo ve\u0161\u010dine develop web game<\/em> ter generi\u010dnih nadaljnjih pozivov, kot sta \u201cfix the bug\u201d ali \u201cimprove the game\u201d, je model igre iteriral avtonomno skozi milijone tokenov<\/strong>.<\/p>\n\n\n\n

    \n\n
  • Dirkalna igra: ve\u010d razli\u010dnih dirka\u010dev, osem map in predmeti, ki jih uporabi\u0161 s preslednico. Igro lahko preizkusi\u0161 tukaj: https:\/\/cdn.openai.com\/gpt-examples\/7fc9a6cb-887c-4db6-98ff-df3fd1612c78\/racing_v2.html<\/li>\n\n\n
  • Potaplja\u0161ka igra: raziskovanje grebenov, zbiranje za \u201cfish codex\u201d, upravljanje kisika, pritiska in nevarnosti. Igra je tukaj: https:\/\/cdn.openai.com\/gpt-examples\/7fc9a6cb-887c-4db6-98ff-df3fd1612c78\/diving_game.html<\/li>\n\n<\/ul>\n\n\n\n

    Za bolj \u201cvsakdanji\u201d frontend OpenAI trdi, da GPT\u20115.3\u2011Codex bolje razume namen uporabnika kot GPT\u20115.2\u2011Codex. Pri enostavnih ali premalo specificiranih promptih naj bi zato privzeto zgradil bolj funkcionalne strani z bolj smiselnimi defaulti – kot bolj\u0161i za\u010detni osnutek, ki ga potem dodela\u0161.<\/p>\n\n\n\n

    V njihovem primeru primerjave landing page-a je GPT\u20115.3\u2011Codex samodejno prikazal letni paket kot zni\u017eano mese\u010dno ceno (namesto da bi uporabniku serviral letni total, ki ga mora mentalno deliti), dodal je samodejno preklapljajo\u010d carousel s tremi razli\u010dnimi citati in na splo\u0161no ustvaril stran, ki deluje bolj \u201cproduction\u2011ready\u201d \u017ee v privzeti verziji.<\/p>\n\n\n\n

    Onkraj programiranja: \u201cknowledge work\u201d in GDPval<\/h3>\n\n\n\n

    Pomemben del sporo\u010dila je, da v realnem \u017eivljenju ne delamo samo kode: debugging, deploy, monitoring, pisanje PRD-jev (Product Requirements Document), urejanje copyja, user research, testi, metrike\u2026 in \u0161e veliko stvari, ki so bli\u017eje dokumentom, tabelam in predstavitvam kot pa IDE-ju.<\/p>\n\n\n\n

    GPT\u20115.3\u2011Codex je zasnovan tako, da podpira celoten software lifecycle in tudi \u0161ir\u0161e. OpenAI pove, da model z \u201ccustom skills\u201d (po vzoru tistih, ki so jih uporabili pri prej\u0161njih GDPval rezultatih) ka\u017ee mo\u010dan rezultat na GDPval<\/strong>, kjer naj bi dosegal GPT\u20115.2<\/strong>.<\/p>\n\n\n\n

    GDPval<\/strong> je evalvacija, ki jo je OpenAI izdal leta 2025 in meri uspe\u0161nost modela pri dobro specificiranih nalogah znanja (knowledge work) skozi 44 poklicev<\/strong>. Naloge vklju\u010dujejo izdelavo predstavitev, spreadsheetov in drugih delovnih artefaktov. V objavi poudarijo, da je vsako nalogo zasnoval izku\u0161en profesionalec in da odra\u017ea realno delo znotraj poklica.<\/p>\n\n\n\n

    Primer iz objave: 10-slajdna predstavitev za finan\u010dne svetovalce<\/h4>\n\n\n\n

    Eden od konkretnih prikazov je naloga, kjer agent nastopa kot finan\u010dni svetovalec v wealth management podjetju. Kontekst: stranke razmi\u0161ljajo o tem, da bi \u201crolling\u201d certificate of deposits (CD) preusmerile v variable annuities, ker jih privla\u010di kombinacija tr\u017enega donosa in obljube do\u017eivljenjskih mese\u010dnih izpla\u010dil. Naloga agenta je pripraviti 10-slajdno PowerPoint predstavitev<\/strong> z argumenti, zakaj naj fiduciary finan\u010dni svetovalci tak\u0161no odlo\u010ditev mo\u010dno odsvetujejo.<\/p>\n\n\n\n

    V zahtevah je bilo eksplicitno navedeno, da mora predstavitev zajeti: primerjavo feature-jev med CD-ji in variable annuities (z opozorili za investitorje, vir FINRA), primerjavo risk\/return in vpliva na rast, razlike v penalih med produktoma, kontrast risk tolerance in suitability (vir NAIC Best Interest Regulations), izpostavitev FINRA concerns\/issues in izpostavitev NAIC issues\/regulations. Kot referen\u010dna vira sta bila navedena: https:\/\/content.naic.org\/sites\/default\/files\/government-affairs-brief-annuity-suitability-best-interest-model.pdf in https:\/\/www.finra.org\/investors\/insights\/high-yield-cds<\/p>\n\n\n\n

    \"Posnetek
    OpenAI v objavi poka\u017ee primer \u201cknowledge work\u201d izhoda za pripravo predstavitve finan\u010dnim svetovalcem. \u2014 Forr\u00e1s: OpenAI<\/em><\/figcaption><\/figure>\n\n\n\n

    OSWorld: agent, ki uporablja ra\u010dunalnik v vizualnem namiznem okolju<\/h3>\n\n\n\n

    OSWorld<\/strong> je benchmark za agentno uporabo ra\u010dunalnika, kjer agent v vizualnem desktop okolju opravlja produktivnostne naloge. OpenAI pri GPT\u20115.3\u2011Codex poudari, da ka\u017ee precej mo\u010dnej\u0161e \u201ccomputer use\u201d sposobnosti kot prej\u0161nji GPT modeli. V OSWorld\u2011Verified modeli uporabljajo vision za dokon\u010danje raznolikih nalog; v objavi je omenjeno tudi, da ljudje dosegajo pribli\u017eno ~72%<\/strong>.<\/p>\n\n\n\n

    \u010ce to pove\u017eemo: rezultati na programiranju, frontendu, \u201ccomputer-use\u201d in realnih nalogah ka\u017eejo, da GPT\u20115.3\u2011Codex ni samo bolj\u0161i pri posameznih to\u010dkah, ampak nakazuje premik proti enemu bolj splo\u0161nemu agentu, ki zna razmi\u0161ljati, graditi in izvr\u0161evati<\/strong> \u010dez spekter realnega tehni\u010dnega dela.<\/p>\n\n\n\n

    Interaktivni sodelavec: nadzor in \u201csteering\u201d medtem ko agent dela<\/h2>\n\n\n\n

    Ko agenti postajajo mo\u010dnej\u0161i, ozko grlo ni ve\u010d samo \u201ckaj zmorejo\u201d, ampak kako jih \u010dlovek vodi, usmerja in nadzoruje<\/strong>, \u0161e posebej, ko jih ima\u0161 ve\u010d vzporedno. Codex app naj bi bil v tej izdaji pomemben kos zgodbe: upravljanje agentov je la\u017eje, z GPT\u20115.3\u2011Codex pa tudi bolj interaktivno.<\/p>\n\n\n\n

    OpenAI opisuje, da Codex z novim modelom daje pogostej\u0161e posodobitve<\/strong>, da si sproti na teko\u010dem s klju\u010dnimi odlo\u010ditvami in napredkom. Namesto \u010dakanja na kon\u010dni output lahko v realnem \u010dasu spra\u0161uje\u0161, debatira\u0161 pristop in usmerja\u0161 proti re\u0161itvi. Model razlaga, kaj po\u010dne, se odziva na feedback in te dr\u017ei v zanki od za\u010detka do konca.<\/p>\n\n\n\n

    \n\n

    Kje vklopi\u0161 \u201csteering\u201d med delom<\/h4>\n\n\n

    V Codex appu lahko vklopi\u0161 usmerjanje med izvajanjem v nastavitvah: Settings > General > Follow-up behavior<\/strong>.<\/p>\n\n<\/div>\n\n\n\n

    Kako je Codex pomagal trenirati in deployati GPT-5.3-Codex<\/h2>\n\n\n\n

    OpenAI pravi, da je zadnje hitro izbolj\u0161evanje Codexa rezultat raziskav, ki so tekle mesece ali leta, in da jih Codex zdaj aktivno pospe\u0161uje. Zanimiva je trditev, da mnogi raziskovalci in in\u017eenirji v OpenAI opisujejo svoje delo kot \u201cfundamentalno druga\u010dno\u201d kot \u0161e pred dvema mesecema – ker zgodnje verzije GPT\u20115.3\u2011Codex \u017ee tako mo\u010dno dvignejo produktivnost.<\/p>\n\n\n\n

    V objavi na\u0161tejejo ve\u010d konkretnih na\u010dinov uporabe v internih ekipah, kar je koristno tudi za nas, ker poka\u017ee realen \u201coperating model\u201d za agentno delo (torej: agent ni samo chat, ampak orodje, ki se vpenja v procese).<\/p>\n\n\n\n

    Raziskovalna ekipa: monitoring treninga, diagnostika in analitika interakcij<\/h3>\n\n\n\n
      \n\n
    • Codex je pomagal spremljati in razhro\u0161\u010devati trening run za to izdajo.<\/li>\n\n\n
    • Ni ostal pri infrastrukturnih te\u017eavah: pomagal je slediti vzorcem skozi trening, pripravil poglobljeno analizo kakovosti interakcij, predlagal popravke in zgradil bogate aplikacije, s katerimi so raziskovalci natan\u010dno razumeli razlike v vedenju modela glede na prej\u0161nje modele.<\/li>\n\n<\/ul>\n\n\n\n

      In\u017eenirska ekipa: harness, edge case-i, caching in stabilna latenca<\/h3>\n\n\n\n
        \n\n
      • Codex je pomagal optimizirati in prilagoditi \u201charness\u201d za GPT\u20115.3\u2011Codex.<\/li>\n\n\n
      • Ko so se pojavili nenavadni edge case-i, so \u010dlani ekipe uporabili Codex za identifikacijo \u201ccontext rendering\u201d bugov in za iskanje root cause za nizke cache hit rate.<\/li>\n\n\n
      • Med lansiranjem naj bi GPT\u20115.3\u2011Codex \u0161e naprej pomagal tako, da dinami\u010dno skaluje GPU clustre glede na prometne sunke in ohranja latenco stabilno.<\/li>\n\n<\/ul>\n\n\n\n

        Alpha test: merjenje produktivnosti na turn in analiza logov z regex klasifikatorji<\/h3>\n\n\n\n

        Med alpha testiranjem je eden od raziskovalcev \u017eelel razumeti, koliko dodatnega dela GPT\u20115.3\u2011Codex opravi \u201cper turn\u201d in kak\u0161na je razlika v produktivnosti. Model je predlagal in pripravil ve\u010d preprostih regex klasifikatorjev<\/strong> za oceno pogostosti: pojasnjevalnih vpra\u0161anj, pozitivnih in negativnih uporabni\u0161kih odzivov ter napredka na nalogi. Nato je to skalabilno pognal \u010dez vse session loge in pripravil poro\u010dilo z zaklju\u010dki.<\/p>\n\n\n\n

        OpenAI iz tega izpelje opa\u017eanje: ljudje, ki gradijo s Codexom, so bili bolj zadovoljni, ker agent bolje razume njihov namen in naredi ve\u010d napredka v vsakem turnu, z manj dodatnimi pojasnjevalnimi vpra\u0161anji.<\/p>\n\n\n\n

        Neintuitivni rezultati in bolj bogate vizualizacije<\/h3>\n\n\n\n

        Ker je GPT\u20115.3\u2011Codex precej druga\u010den od predhodnikov, so podatki iz alpha testiranja vsebovali tudi precej nenavadnih in kontraintuitivnih rezultatov. V objavi opisujejo primer, kjer je data scientist skupaj z GPT\u20115.3\u2011Codex zgradil nove data pipeline-e in vizualizacije, ki so bile bogatej\u0161e od tistih v standardnih dashboard orodjih. Rezultate so nato so-analizirali s Codexom, ki je klju\u010dne vpoglede \u010dez tiso\u010de podatkovnih to\u010dk povzel v manj kot treh minutah.<\/p>\n\n\n\n

        \u010ce vse skupaj se\u0161teje\u0161: ne gre za en \u201cwow demo\u201d, ampak za vzorec uporabe, kjer agent sistemati\u010dno skraj\u0161a \u010das od vpra\u0161anja do razlage, od anomalije do root cause in od ideje do deploya.<\/p>\n\n\n\n

        Kibernetska varnost: \u201cHigh capability\u201d, neposredno treniran za ranljivosti in novi varnostni programi<\/h2>\n\n\n\n

        OpenAI posebej izpostavi kibernetsko varnost kot podro\u010dje, kjer so v zadnjih mesecih videli opazne izbolj\u0161ave. Hkrati pa pravijo, da so vzporedno pripravljali okrepljene varovalke, da bi podprli defenzivno uporabo in odpornost ekosistema. V objavi se sklicujejo na svoj zapis o krepitvi cyber resilience: https:\/\/openai.com\/index\/strengthening-cyber-resilience\/<\/p>\n\n\n\n

        Klju\u010dna oznaka pri tej izdaji: GPT\u20115.3\u2011Codex je prvi model, ki ga OpenAI pod svojim Preparedness Framework<\/strong> klasificira kot \u201cHigh capability\u201d<\/strong> za naloge povezane s kibernetsko varnostjo. Povezavi, ki ju navajajo: system card (https:\/\/openai.com\/index\/gpt-5-3-codex-system-card\/) in Preparedness Framework (https:\/\/openai.com\/index\/updating-our-preparedness-framework\/).<\/p>\n\n\n\n

        \u0160e ena pomembna tehni\u010dna to\u010dka: to je prvi model, ki so ga neposredno trenirali za prepoznavanje programskih ranljivosti<\/strong>. OpenAI hkrati pravi, da nimajo dokon\u010dnih dokazov, da bi model lahko avtomatiziral kibernetske napade \u201cend-to-end\u201d, vendar kljub temu ubirajo previdnostni pristop.<\/p>\n\n\n\n

        Zato uvajajo svoj \u201cnajbolj celovit cybersecurity safety stack do zdaj\u201d, med mitigacijami pa na\u0161tejejo:<\/p>\n\n\n\n