penAI 发布 GPT-5.3-Codex定位是更强的 agentic coding 模型覆盖 Codex App、CLI、IDE 扩展与 Web。同一天Anthropic 发布 Claude Opus 4.6重点强调长任务、长上下文与工程稳定性。同日升级这件事本身就是信号头部厂商已经把“开发者工作流”当成最核心战场。有什么提升和改变这一部分按官方披露口径展开。先看 OpenAI。官方给了比较明确的性能描述和对比数据在 Codex 使用场景中GPT-5.3-Codex相比GPT-5-Codex官方称整体速度约提升 25%。在SWE-Bench Pro上GPT-5.3-Codex为 56.8GPT-5-Codex为 56.4属于小幅提升。在Terminal-Bench 2.0上GPT-5.3-Codex为 77.3GPT-5-Codex为 64.0提升更明显。在OSWorld Verified上GPT-5.3-Codex为 64.7GPT-5-Codex为 38.2跨任务执行能力的提升幅度非常大。指标GPT-5.3-CodexGPT-5-Codex变化解读Codex 场景整体速度25%官方口径基线交互和长任务执行节奏更快SWE-Bench Pro56.856.4小幅提升说明基础修复能力继续优化Terminal-Bench 2.077.364.0大幅提升终端多步任务更稳OSWorld Verified64.738.2显著提升跨工具/跨环境任务能力加强换句话说OpenAI 这次最关键的升级点不是“写一段代码更优雅”而是“在多步骤、多工具、多文件任务里更稳”。再看 Anthropic。Opus 4.6 的官方叙事重点有三点首次把 Opus 系列推进到1M上下文窗口测试能力直接服务长文档和长链路任务。在官方展示中Terminal-Bench 2.0达到 65.4OSWorld达到 72.7继续强化端到端任务执行能力。价格口径保持不变意图很明确在不提高使用门槛的前提下拉高复杂任务成功率。所以这轮变化可以总结成一句话模型厂商正在把“代码生成工具”升级为“软件工程执行代理”。国内模型的最近动作国内阵营这段时间也很密集而且都在往“工程化可用”方向卷。百度这边2026年1月22日发布文心大模型 5.0。官方披露的关键词是“原生多模态、超大参数规模、综合能力升级”并强调在多项公开基准上的竞争力。对企业用户来说这意味着百度正在把文心从通用对话进一步推向多场景生产。阿里云通义这边2026年1月23日版本号qwen3-max-2026-01-23已在模型服务侧上线思考模式标识为Qwen3-Max-Thinking。官方描述重点放在更强推理、更强 Agent 任务处理和工具调用能力定位是可直接进入业务工作流的旗舰模型。DeepSeek 据说马上要发布DeepSeek V4主打编码能力。截至2026年2月6日官方仍未给出 V4 正式发布公告。智谱这边GLM-5在2026年1月初有“将很快推出”的对外信息但截至2026年2月6日尚未看到完整官方发布页落地。如果做一个阶段性预估国内大模型在2026年上半年很可能出现“旗舰扎堆发布 价格快速调整 Agent 场景落地提速”的三连动。另外阿里在千问上已经开始打通生活圈包括电商、导航、旅游、支付甚至是政务民生要成为一个大帝国。这个能力恐怕全球独一份了AI Agent 智能体正在加速进化AI Agent 对所有人的影响已经从“可选工具”变成“基础能力差距”。对程序员来说变化是工作重心迁移。你写的纯代码会减少但你定义任务、拆解需求、设计验证、管理上下文的能力会成为新核心。对产品和运营来说变化是执行方式重构。过去要多人协作一周的内容整理、数据分析、方案迭代未来可能由“人定方向 Agent 连续执行”在一天内完成。对企业管理者来说变化是组织效率和组织结构。很多岗位不会消失但“人机协作比”会快速变化团队将从按岗位分工转向按任务闭环分工。对普通用户来说变化是信息处理门槛被拉平。未来的差距不再是“会不会用某个软件”而是“会不会把目标描述清楚并持续驱动 Agent 直到拿到可用结果”。未来 6 到 12 个月最现实的预估是Agent 会先在高重复、可验证、可审计的场景里规模化。跨系统自动执行会增加但权限治理和审计会成为刚需。个人生产力差距会被进一步放大会“定义任务和验收结果”的人会显著领先。小结从2026年2月这轮更新看AI 编码竞争的核心已经非常清晰谁能更稳定地完成复杂任务谁就能拿到下一阶段的话语权。Codex 5.3 与 Opus 4.6 的同日升级加上文心 5、Qwen3-Max-Thinking、DeepSeek V4、GLM-5 的连续动作说明2026年的主线不是“模型会不会写代码”而是“模型能不能作为可控的工程执行者进入真实生产”。
Codex 5.3 与 Opus 4.6 同日升级，AI 编码竞争从“会写”转向“能闭环”
penAI 发布 GPT-5.3-Codex定位是更强的 agentic coding 模型覆盖 Codex App、CLI、IDE 扩展与 Web。同一天Anthropic 发布 Claude Opus 4.6重点强调长任务、长上下文与工程稳定性。同日升级这件事本身就是信号头部厂商已经把“开发者工作流”当成最核心战场。有什么提升和改变这一部分按官方披露口径展开。先看 OpenAI。官方给了比较明确的性能描述和对比数据在 Codex 使用场景中GPT-5.3-Codex相比GPT-5-Codex官方称整体速度约提升 25%。在SWE-Bench Pro上GPT-5.3-Codex为 56.8GPT-5-Codex为 56.4属于小幅提升。在Terminal-Bench 2.0上GPT-5.3-Codex为 77.3GPT-5-Codex为 64.0提升更明显。在OSWorld Verified上GPT-5.3-Codex为 64.7GPT-5-Codex为 38.2跨任务执行能力的提升幅度非常大。指标GPT-5.3-CodexGPT-5-Codex变化解读Codex 场景整体速度25%官方口径基线交互和长任务执行节奏更快SWE-Bench Pro56.856.4小幅提升说明基础修复能力继续优化Terminal-Bench 2.077.364.0大幅提升终端多步任务更稳OSWorld Verified64.738.2显著提升跨工具/跨环境任务能力加强换句话说OpenAI 这次最关键的升级点不是“写一段代码更优雅”而是“在多步骤、多工具、多文件任务里更稳”。再看 Anthropic。Opus 4.6 的官方叙事重点有三点首次把 Opus 系列推进到1M上下文窗口测试能力直接服务长文档和长链路任务。在官方展示中Terminal-Bench 2.0达到 65.4OSWorld达到 72.7继续强化端到端任务执行能力。价格口径保持不变意图很明确在不提高使用门槛的前提下拉高复杂任务成功率。所以这轮变化可以总结成一句话模型厂商正在把“代码生成工具”升级为“软件工程执行代理”。国内模型的最近动作国内阵营这段时间也很密集而且都在往“工程化可用”方向卷。百度这边2026年1月22日发布文心大模型 5.0。官方披露的关键词是“原生多模态、超大参数规模、综合能力升级”并强调在多项公开基准上的竞争力。对企业用户来说这意味着百度正在把文心从通用对话进一步推向多场景生产。阿里云通义这边2026年1月23日版本号qwen3-max-2026-01-23已在模型服务侧上线思考模式标识为Qwen3-Max-Thinking。官方描述重点放在更强推理、更强 Agent 任务处理和工具调用能力定位是可直接进入业务工作流的旗舰模型。DeepSeek 据说马上要发布DeepSeek V4主打编码能力。截至2026年2月6日官方仍未给出 V4 正式发布公告。智谱这边GLM-5在2026年1月初有“将很快推出”的对外信息但截至2026年2月6日尚未看到完整官方发布页落地。如果做一个阶段性预估国内大模型在2026年上半年很可能出现“旗舰扎堆发布 价格快速调整 Agent 场景落地提速”的三连动。另外阿里在千问上已经开始打通生活圈包括电商、导航、旅游、支付甚至是政务民生要成为一个大帝国。这个能力恐怕全球独一份了AI Agent 智能体正在加速进化AI Agent 对所有人的影响已经从“可选工具”变成“基础能力差距”。对程序员来说变化是工作重心迁移。你写的纯代码会减少但你定义任务、拆解需求、设计验证、管理上下文的能力会成为新核心。对产品和运营来说变化是执行方式重构。过去要多人协作一周的内容整理、数据分析、方案迭代未来可能由“人定方向 Agent 连续执行”在一天内完成。对企业管理者来说变化是组织效率和组织结构。很多岗位不会消失但“人机协作比”会快速变化团队将从按岗位分工转向按任务闭环分工。对普通用户来说变化是信息处理门槛被拉平。未来的差距不再是“会不会用某个软件”而是“会不会把目标描述清楚并持续驱动 Agent 直到拿到可用结果”。未来 6 到 12 个月最现实的预估是Agent 会先在高重复、可验证、可审计的场景里规模化。跨系统自动执行会增加但权限治理和审计会成为刚需。个人生产力差距会被进一步放大会“定义任务和验收结果”的人会显著领先。小结从2026年2月这轮更新看AI 编码竞争的核心已经非常清晰谁能更稳定地完成复杂任务谁就能拿到下一阶段的话语权。Codex 5.3 与 Opus 4.6 的同日升级加上文心 5、Qwen3-Max-Thinking、DeepSeek V4、GLM-5 的连续动作说明2026年的主线不是“模型会不会写代码”而是“模型能不能作为可控的工程执行者进入真实生产”。
