AI‑kapprustningen trappas upp med GPT‑5.3

I början av 2026 har det blivit svårare att hänga med i AI‑lanseringar: uppdateringar kommer så ofta att rubrikerna kan kännas inaktuella inom några dagar. Ena dagen är fokus “starkare resonemang,” nästa är det hastighet och lägre latens, och strax därefter är det en AI som skriver kod mer som en lagkamrat. Lagom till helgen publicerar en konkurrent ett nytt systemkort, och samtalet skiftar snabbt till benchmarktester och diskussioner om vad som räknas som “verkliga” framsteg.

OpenAI:s senaste drag i detta snabbföränderliga lopp är GPT‑5.3‑Codex — en modell inriktad på agentiskt kodande, vilket betyder att den kan planera, använda verktyg och ta sig igenom flerstegsuppgifter med mindre handhållning. OpenAI beskriver den som en kombination av topprestanda i kodning från tidigare Codex‑versioner med starkare resonemang och professionell kunskap från GPT‑5‑familjen och att den kör 25% snabbare för Codex‑användare.

Låt oss reda ut vad GPT‑5.3‑Codex förändrar, varför det spelar roll och hur de stora aktörerna reagerar.

Varför GPT‑5.3 är en stor sak

Först, en liten men viktig detalj: när folk säger “GPT‑5.3,” syftar den publika versionen just nu på GPT‑5.3‑Codex, en Codex‑modell avsedd för att bygga programvara och utföra datorbaserat arbete. Den är utformad för att hantera långa uppgifter som innefattar research, verktygsanvändning och komplex exekvering mer som en kollega du kan styra än en enkel chatbot du ställer frågor till.

OpenAI gör också ett uttalande som låter som science fiction, men det står svart på vitt: GPT‑5.3‑Codex var “avgörande för att skapa sig själv.” Codex‑teamet använde tidiga versioner för att felsöka träningen, hantera driftsättning och diagnostisera testresultat — vilket betyder att modellen hjälpte till att snabba upp sin egen utvecklingscykel.

Det spelar roll av en anledning: återkopplingsslingor. När AI‑verktyg hjälper till att bygga nästa AI‑verktyg snabbare kan takten i lanseringar öka igen. Om AI‑framstegen redan kändes snabba är det här delen där den tar på sig rullskridskor.

GPT‑5.3‑Codex: lanseringsdatum, nyckelfunktioner och pris

OpenAI presenterade GPT‑5.3‑Codex den 5 februari 2026 och beskrev den som sin mest kapabla modell för agentiskt kodande hittills, med betoning på en hastighetsökning (25% snabbare) samt starkare resultat på kodnings‑ och agent‑benchmarks.

Vad GPT‑5.3‑Codex är byggd för

OpenAI betonar långkörande arbete: uppgifter som kan ta timmar, involverar verktyg och kräver många steg.

Det rapporterar också stark prestanda på benchmarks som används för att testa verklig mjukvaruingenjörskonst och agentbeteende, inklusive SWE‑Bench Pro och Terminal‑Bench, och nämner resultat på OSWorld och GDPval (benchmarks som syftar till att mäta verkliga, verktygsanvändande förmågor).

Säkerhetshållningen hörs tydligare än tidigare

Systemkortet innehåller en tydlig formulering: OpenAI behandlar detta som sin första lansering under en High‑capability cybersecurity‑etikett, med skyddsåtgärder aktiverade.

Det är en viktig signal i “kapprustningen.” Företag tävlar i rå kapacitet, men de tävlar också i säkerhetsramverk, övervakning och trovärdighet.

Prissättning (OpenAI API) för GPT‑5.3‑Codex

För nivån Standard listas GPT‑5.3‑Codex som:

$1.75 input / 1M tokens
$0.175 cached input / 1M tokens
$14.00 output / 1M tokens

För nivån Priority listas den som:

$3.50 input / 1M tokens
$0.35 cached input / 1M tokens
$28.00 output / 1M tokens

Hastighet blir ett vapen: GPT‑5.3‑Codex‑Spark och latenstävlingen

En vecka efter huvudlanseringen av GPT‑5.3‑Codex introducerade OpenAI GPT‑5.3‑Codex‑Spark (12 februari 2026) och kallade den en forskningsförhandsversion och sin första modell utformad för kodning i realtid.

OpenAI säger att Codex‑Spark är optimerad för hårdvara med ultralåg latens och kan leverera mer än 1000 tokens per sekund, med målet att ge en nästintill omedelbar upplevelse.

Vid lansering anger OpenAI:

128k kontextfönster
endast text
rullas ut som en forskningsförhandsversion för ChatGPT Pro‑användare, med separata hastighetsgränser under förhandsperioden

OpenAI säger att Codex‑Spark körs på Cerebras Wafer Scale Engine 3 och beskriver detta som en milstolpe i sitt partnerskap med Cerebras.

OpenAI beskriver till och med backend‑arbete för att minska latensen i hela kedjan, och nämner minskningar som 80% mindre overhead per rundresa och 50% förbättring i time‑to‑first‑token genom förändringar som persistenta anslutningar och optimeringar i inferensstacken.

Oberoende bevakning pekar också på den strategiska vinkeln: att använda Cerebras för denna driftsättning belyser ansträngningar att diversifiera inferenshårdvara bortom en typiskt Nvidia‑tung stack.

Enkelt uttryckt: loppet omfattar nu chip, nätverk och “time‑to‑first‑token.” Vilket är en mycket modern mening, och också lite roligt om du minns när “laddar …” var normalt.

GPT‑5.3 vs Claude Opus 4.6 vs Gemini 3.1 Pro: jämförelse i AI‑kapprustningen

OpenAI släppte inte GPT‑5.3‑Codex i en tom arena. Samma månad levererade stora konkurrenter också stora uppgraderingar — ofta med egna systemkort, benchmarkpåståenden och säkerhetsnotiser.

Anthropic: Claude Opus 4.6 fokuserar på starkt resonemang och säkerhetstester

Anthropic tillkännagav Claude Opus 4.6 den 5 februari 2026 — samma dag som GPT‑5.3‑Codex — och hänvisade läsare till ett systemkort med detaljerade kapacitets‑ och säkerhetsutvärderingar.

Anthropic betonar också att kapacitetsökningar inte sker på bekostnad av anpassning, och säger att Opus 4.6 uppvisar låg frekvens av felinriktade beteenden (inklusive vilseledning och fjäsk) i sin automatiserade beteenderevision, och nämner utökade säkerhetsutvärderingar och nya skyddsåtgärder.

Ett anmärkningsvärt tema är cybersäkerhet: Anthropic säger att Opus 4.6 uppvisar förbättrade cybersäkerhetsförmågor och att man har utvecklat sex nya cybersäkerhetsonder för att spåra missbruksmönster.

Så, medan OpenAI flaggar cybersäkerhetskapacitet inom sitt Preparedness Framework, lyfter Anthropic fram ny cybersäkerhetstestning och sonder. Olika angreppssätt, samma budskap: dessa modeller är så kraftfulla att cyberrisk nu är en standarddel av lanseringsberättelsen.

Google: Gemini 3.1 Pro driver resonemang och multimodal styrka

Google introducerade Gemini 3.1 Pro i förhandsversion och säger att den rullas ut i konsument‑ och utvecklarprodukter.

Google lyfter fram benchmarkframsteg, inklusive en verifierad poäng på 77,1% på ARC‑AGI‑2, och beskriver det som mer än dubbelt så bra resonemangsprestanda jämfört med Gemini 3 Pro.

I kapprustningen verkar Googles strategi vara: resonemang + multimodalt + bred produktdistribution (Gemini‑appen, NotebookLM, utvecklarverktyg, företagskanaler).

Meta: Llama 4 håller trycket uppe med öppenviktsmodeller på marknaden

Metas Llama 4‑familj (släppt i april 2025) spelar fortfarande en viktig roll 2026, eftersom öppenviktsmodeller tvingar alla andra att röra sig snabbare och prissätta smartare. Meta introducerade Llama 4 Scout och Maverick som nativt multimodala AI‑modeller.

Mediebevakning noterar också att Llama 4‑modeller driver Meta AI i produkter som WhatsApp och Instagram, och lyfter fram detaljer som Scouts extremt stora kontextfönster (rapporterat som 10 miljoner tokens i en rapport).

Den mörkare sidan av kapprustningen: strider om distillering, datafångster och rättsprocesser

När en marknad blir så här värdefull börjar folk bråka om reglerna, särskilt reglerna kring data.

Ett stort exempel dök upp i februari 2026: Anthropic sade att flera kinesiska AI‑företag använde Claude‑utdata för att förbättra sina egna modeller genom “distillering,” och beskrev storskaligt missbruk med omkring 24 000 falska konton och över 16 miljoner interaktioner, i strid med villkor och åtkomstbegränsningar.

Distillering kan vara en normal teknik inom maskininlärning. Men när den använder ett annat företags slutna modellutdata utan tillstånd blir det snabbt en konflikt om immateriella rättigheter och säkerhet. Sedan finns rättssalsstriderna. Den 24 februari 2026 rapporterade Reuters att en amerikansk domare avslog (för tillfället) xAI:s stämning som anklagar OpenAI för att ha tillskansat sig företagshemligheter, samtidigt som xAI fick tid att ändra sin stämningsansökan.

Vad detta betyder för utvecklare och företag (och för icke‑specialister)

Om du bygger programvara pekar GPT‑5.3‑Codex och Codex‑Spark mot en framtid där:

Du tilldelar en uppgift, inte en enstaka prompt (“undersök den här buggen, föreslå åtgärder, kör tester, öppna en PR”)
AI:n arbetar längre, behåller kontext och använder verktyg mer tillförlitligt
Hastighet blir en daglig produktivitetsfaktor

Om du leder ett team förändras frågan också. Den handlar mindre om “Ska vi använda AI?” och mer om:

Vilken modell passar vår risknivå (särskilt för kod, säkerhet och känsliga data)?
Hur testar vi utdata och förhindrar tysta fel?
Vad är den verkliga kostnaden när tokens och användning skalar upp?

Om du försöker se till att din roll inte gradvis förskjuts mot att bara granska AI‑genererat arbete kan en praktisk regel hjälpa:

Välj modeller utifrån uppgifter.

Behöver du djupt agentiskt kodande? GPT‑5.3‑Codex är positionerad för det.
Behöver du snabba interaktiva ändringar? Codex‑Spark är byggd för iteration med låg latens.
Behöver du brett resonemang + multimodala indata? Gemini 3.1 Pro marknadsförs starkt i den riktningen.
Behöver du säkerhetstung dokumentation och starkt företagsbudskap? Claude Opus 4.6 sätter systemkort och granskningar i förgrunden.

Slutsats: GPT‑5.3 skruvar upp volymen

GPT‑5.3‑Codex är ett steg mot agentiskt arbete på datorer, med hastighetsförbättringar, stark benchmarkpositionering och en säkerhetshållning som öppet flaggar för cybersäkerhetskapacitet.

Sedan lägger Codex‑Spark till ett andra budskap: nästa strid handlar inte bara om intelligens utan också om latens — vem kan få AI att kännas verkligt i realtid inne i de verktyg människor redan använder.

Samtidigt visar Claude Opus 4.6 och Gemini 3.1 Pro att konkurrenterna inte väntar artigt på sin tur. De levererar snabbt, publicerar systemkort och driver på resonemang och multimodala förmågor hårt.

AI‑kapprustningen hettar till. Den något ironiska delen är att vinnarna kan avgöras av sådant som låter tråkigt — tokenpriser, säkerhetssonder, hastighetsgränser och time‑to‑first‑token. Men 2026 är det ofta i det “tråkiga” som framtiden gömmer sig.