GPT-5.3-Codex-Spark ist einen Versuch wert
Categories:
Wer mit LLM-Evaluierungen vertraut ist, weiß, dass Opus in verschiedenen Benchmark-Rankings GPT oft übertrifft, aber bei der tatsächlichen Nutzung ist GPTs Problemlösungsfähigkeit unübertroffen. Zum Zeitpunkt des Postings umfassten die neuesten Hauptmodelle der GPT-5-Serie gpt-5.2-mini, gpt-5.2, gpt-5.3-codex, gpt-5.3-codex-spark usw. Die Nicht-Codex-Modelle sind Allzweckmodelle mit starker Logik, aber sehr langsamer Geschwindigkeit. Codex ist ein speziell für Codierung optimiertes Modell. Bei gpt-5.2-codex und früheren Codex-Modellen hatte ich in der Praxis eine Verschlechterung der Logikfähigkeit festgestellt, weshalb ich weiterhin gpt-5.2 verwendete, obwohl dessen Geschwindigkeit unerträglich langsam war. Als gpt-5.3-codex erschien, testete ich es umgehend und stellte fest, dass es sehr gut funktionierte. Es ist schwer zu sagen, ob gpt-5.3-codex logisch schwächer als gpt-5.2 ist, aber in der Geschwindigkeit übertrifft es gpt-5.2 deutlich und wurde zu meinem Haupt-Codierungsmodell. Kürzlich wurde gpt-5.3-codex-spark veröffentlicht. Anfangs hieß es, es sei extrem schnell, aber seine Benchmark-Werte seien niedriger, weshalb ich es eine Weile ignorierte. Als ich jedoch sah, dass es in Cursor kostenlos nutzbar ist, gab ich ihm eine Chance. In der Praxis funktionierte es sehr gut und war nicht dumm. Nach meinen Informationen ist die Logik von 5.3-codex-spark etwas schwächer als die von 5.3-codex, und der Kontext beträgt nur 128K, was für die meisten Anforderungen ausreicht. Das Hauptmerkmal des Codex-Spark-Modells ist seine „Faulheit“ – es bewegt sich nur ein kleines Stück, wenn man es antreibt. Zuallererst eignet es sich nicht als Treibermodell für Agenten; tatsächlich sind seine Agent-Bewertungen ebenfalls niedrig. Es nimmt keine Ergänzungen vor, die nicht in der Anweisung stehen, einschließlich Lint-Korrekturen, Testausführungen, nicht erwähnter Funktionen und Todos. Im Gegensatz zu Modellen wie Opus/Sonnet, die auf den ersten Blick beeindruckend wirken, ständig Fallen graben, sofort refactoren und endlosen Ärger hinterlassen, halte ich Codex Spark für ein modell, das erfahrenen Programmierern entgegenkommt. Es fügt nichts Unnötiges hinzu, folgt dem Prinzip minimaler Änderungen. Wenn Sie bereits eine klare Produktfunktionsplanung haben, können Sie Codex Spark ausprobieren. Meine bescheidenen Überlegungen, Diskussion willkommen. Vibe Coding ist atmosphärisches Coden, manche nennen es flow-fördernd, aber ich denke, die Erwähnenden kennen die genaue Definition von Flow nicht. Ein wichtiger Aspekt, um in den Flow zu kommen, ist, dass das eigene Denken des Entwicklers nicht unterbrochen werden darf. Das Modell muss erstens nicht ablenken, zweitens zielgerichtet sein und drittens schnell reagieren. Bisher konnte kein Modell das, aber Codex Spark könnte nun das Modell sein, das Entwickler beim Eintritt in den Flow unterstützt.
