Terminal-Bench 2.0
77,3
%
Du travail réel en ligne de commande, dans un conteneur, du début à la fin.
Source
GPT-5.3-Codex
ActifOpenAI · Gamme Codex · sorti le 24 février 2026
The most capable agentic coding model to date.
Les faits
Ce qu'il coûte, ce qu'il tient
Fenêtre de contexte
400K jetons
Ce qu’il peut avoir sous les yeux en une seule fois, question et réponse comprises.
Prix d’entrée
1,75 $ / M jetons
Ce que coûte le texte qu’on lui envoie.
Prix de sortie
14 $ / M jetons
Ce que coûte le texte qu’il produit, toujours plus cher que l’entrée.
Sortie maximale
128K jetons
La plus longue réponse qu’il peut produire d’un seul tenant.
Connaissances arrêtées à
août 2025
Il ne sait rien de ce qui s’est passé après cette date, sauf si on le lui fournit.
Cycle de vie
D'aujourd'hui à sa fin de service
Sortie
24 février 2026
Dépréciation
Non annoncée
Retrait
Non annoncé
Capacités
Ce qu'il sait faire
Raisonnement
Le modèle peut réfléchir avant de répondre, en produisant des jetons de raisonnement facturés comme la sortie. La profondeur se règle par un niveau d'effort.
Réponse au fil de l'eau
La réponse arrive mot à mot pendant qu'elle s'écrit, au lieu d'attendre qu'elle soit finie.
Sortie structurée
Le modèle rend une réponse au format demandé, exploitable par un programme sans relecture.
Appel de fonctions
Le modèle peut demander l'exécution d'une fonction du programme qui l'appelle et se servir du résultat.
Lecture d'images
Le modèle voit les images qu'on lui soumet et peut répondre à leur sujet.
Recherche sur le web
Le modèle peut consulter le web pendant qu'il répond, ce qui lui donne accès à des faits postérieurs à son entraînement.
Mise en cache des requêtes
Une partie de requête déjà envoyée est facturée moins cher si elle est réutilisée peu après.
Terminal hébergé
Le modèle dispose d'un terminal pour lancer des commandes.
Compétences
Des marches à suivre préparées peuvent être chargées à la demande pour une tâche donnée.
La lignée Codex
Toute la lignée
Les autres versions
Benchmarks expliqués
Ce qu'il vaut, avec les conditions
8 tests relevés pour ce modèle, regroupés par ce qu'ils mesurent. Chaque chiffre est annoncé par le laboratoire, avec sa source et ses conditions ; une jauge n'est dessinée que quand l'échelle du test a un maximum connu.
Code et ingénierie logicielle
Le modèle reçoit un dépôt et un problème, et doit produire un correctif qui passe les tests, sans intervention humaine.
SWE-bench Pro
56,8
%
Le même exercice, sur des dépôts encore maintenus et des correctifs qui touchent plusieurs fichiers.
Public
SourceConnaissances et raisonnement scientifique
Des questions à réponse unique, du niveau lycée au niveau doctorat, où seule la justesse compte.
GPQA Diamond
92,6
%
Des questions de niveau doctorat en biologie, physique et chimie, écrites par des spécialistes.
SourcePilotage d'un ordinateur
Le modèle agit à la souris et au clavier sur une machine réelle, comme le ferait une personne.
OSWorld-Verified
74
%
Accomplir des tâches courantes sur une machine Ubuntu réelle, à la souris et au clavier.
SourceTravail professionnel réel
Des livrables de métier : dossiers juridiques, flux d'entreprise, enchaînements d'outils, documents de travail.
BrowseComp
77,3
%
Trouver sur le web une information difficile à dénicher, en naviguant soi-même.
SourceGDPval
70,9
%
Produire un vrai livrable de travail dans l'une de quarante-quatre professions, à partir d'une commande détaillée.
wins or ties
SourceOfficeQA
65,1
%
Répondre à des questions en s'appuyant sur un grand corpus de documents d'entreprise.
SourceToolathlon Verified
51,9
%
108 tâches d'outillage réel : bureautique, commerce en ligne, analyse de données, recherche web.
Source
Pour les développeurs
Intégrer ce modèle
L'appeler
Identifiant d’API
gpt-5.3-codex
Le nom exact à écrire dans le code pour appeler ce modèle.
Alias
gpt-5.3-codex Les autres noms du même modèle, selon la plateforme qui le revend.
Ce qu'il accepte
Entrées acceptées
texteimage
Sorties produites
texte
Facturation détaillée par million de jetons
Lecture depuis le cache0,18 $Mettre en mémoire un début de requête réutilisé d’un appel à l’autre : 1,25 fois le prix d’entrée.