OpenAI下周下线GPT-5.3-Codex-Spark
Codex负责人Tibo Sottiaux宣布，下周将退役GPT-5.3-Codex-Spark，理由是用量持续下滑，且公司已有明显更强的模型，需要给后续产品腾出位置。
该模型于2月12日作为研究预览上线，定位为GPT-5.3-Codex的更小版本，专攻实时编码。它是OpenAI与Cerebras合作的首个里程碑，在晶圆级芯片上追求近乎即时的反馈，官方称推理速度超过每秒1000个token，较旗舰编码模型快一个数量级。
上线时只对ChatGPT Pro用户开放，覆盖Codex应用、命令行和VS Code扩展，上下文窗口12.8万token，且为纯文本。预览期用量单独限额，不占用常规Codex额度；高峰时可能排队。5月清理机群时，Tibo曾明确说当时不下线Spark，只先撤掉GPT-5.2和GPT-5.3-Codex在ChatGPT登录路径上的入口。
后续编码主线已切向更大上下文与更高能力档位，包括GPT-5.5默认、GPT-6 Astra等。Spark的速度优势仍在，但开发者把长任务和代理工作流集中到更新模型后，这款专为低延迟交互设计的小模型用量下降，机群管理优先于保留实验档。
Tibo同时负责Codex与ChatGPT核心产品平台，对外高频发布额度重置与模型下线。Codex命令行以Rust编写并开源，内部已把编码代理用进代码评审、维护和系统重构；产品策略是把ChatGPT与Codex合并到同一套工作流，而不是长期并列多代编码模型。
市场机制上，这是算力再配置而非需求消失：买方从Pro用户的即时改代码场景，转向能跑长任务的新旗舰；卖方是OpenAI把Cerebras低延迟机位和GPU集群从低使用率检查点收回。事件驱动来自产品线简化，资金与芯片时段流向Astra等更高需求模型。受益的是新模型训练与推理配额，承压的是依赖Spark手感做快速迭代的工作流，以及Cerebras这条“非英伟达实时编码”展示位。
Cerebras合作把Spark做成首个完全跑在非英伟达硬件上的生产编码模型，强调GPU与晶圆芯片可混部同一工作负载。随着旗舰上下文扩到百万token量级，128k、纯文本、Pro限定的预览档失去默认入口位置。
来源：公开信息
ABAB AI 解读
Tibo Sottiaux不是客服号，而是把Codex从研究预览做成公司内部默认工程栈的产品负责人。他对外最出名的动作是额度硬重置，对内则把Rust命令行开源、把编码代理嵌进评审与重构。Spark的诞生对应1月宣布的Cerebras合作，四星期后就交出每秒千token的实时档，逻辑是用专用硬件换交互时延，而不是再堆一套GPU上的同构大模型。
资本与资源调动很直接：低延迟机位、独立限额和Pro入口被用来验证“写代码能不能像打字一样快”。用量下滑后，这些资源立刻回收到GPT-6 Astra和更高默认档。动机是机群利用率——编码产品线已经从多检查点并存，改成少数旗舰加API留存旧模型。5月先砍5.2和5.3-Codex登录入口、当时特意留下Spark，说明Spark不是能力不够，而是后来连“快”也竞争不过新产品的默认体验。
类似路径出现在GitHub Copilot多代模型轮换、Anthropic把Claude编码档快速迭代、Google把Gemini编码端点合并进统一工作室。行业处在编码代理从“模型菜单”进入“默认工作台”的阶段：用户不再为速度单独留一个检查点，而是要上下文、工具调用和仓库级任务一次完成。Spark证明了实时档能做出来，但没能成为默认生产力层。
结构判断属于技术替代：当新模型在可接受时延内覆盖旧模型的交互场景，专用加速档就从产品变成过渡芯片合同。机制是注意力和配额都有上限——开发者只愿记住一两个默认模型，平台只愿为有规模用量的检查点保留专用硬件；速度一旦不再构成独立工作流，合作伙伴展示位也会被下一轮旗舰挤出产品选择器。
ABAB News · 认知定律
快不是护城河，默认才是
预览产品的寿命，由下一款旗舰的时延决定
机群不养回忆，只养用量