GPT-5.3-Codex-Spark值得一试
LLM評価に詳しい方はご存知の通り、opusは各評価ランキングでgptを常に圧倒することが多いが、実際に使ってみるとgptの問題解決能力は敵なしである。 投稿時点では、gpt5シリーズの最新主要モデルにはgpt-5.2-mini、gpt-5.2、gpt-5.3-codex、gpt-5.3-codex-sparkなどがある。 そのうちcodex以外は汎用モデルで、論理能力は強力だが、速度が非常に遅い。codexはコーディング特化モデルであり、gpt5.2codex以前のcodexモデルは、私が実測したところ論理能力が劣化していたため、ずっとgpt5.2を使っていた。その速度の遅さは言語道断である。gpt-5.3-codexが登場してすぐにテストしたところ、実測効果は非常に良く、gpt-5.3-codexが論理的にgpt5.2より弱いかどうかはもはや言い難いが、速度ではgpt5.2を圧倒し、私の主力コーディングモデルとなった。 最近新たにgpt-5.3-codex-sparkが登場し、当初は速度が極めて速いと言われていたが、各ランキングのスコアは低く、しばらく相手にしていなかった。しかしcursorで無料利用できるのを見て、一度試してみることにした。実測では効果が非常に良く、馬鹿ではなかった。 私が得た情報によると、5.3-codex-sparkの論理能力は5.3-codexよりやや劣り、コンテキストは128Kのみだが、大多数のニーズには十分である。codex-sparkモデルの最大の特徴は「怠慢」であり、鞭で叩かれてわずかに動く程度である。まず第一に、agentの駆動モデルにはなれず、実際にそのagentスコアも低い。指示外の補足、lintの修正、テストの実行、言及されていない機能やtodoなどは一切行わない。 opus/sonnetのように一見華やかで、穴を多数掘り、いきなりリファクタリングを始めて後患無窮なモデルとは異なり、codex sparkはベテランプログラマーに優しいモデルだと考えている。それは余計なことをせず、最小限の変更を守る。もし明確な製品機能計画があれば、codex sparkを試してみてほしい。 私の浅い考察であり、議論歓迎。vibe codingは雰囲気コーディングと呼ばれるが、心流（フロー）に入れると言う人もいるが、私は言及者は心流の正確な定義を理解していない可能性があると思う。心流に入るには、開発者自身の思考が中断されてはならないことが非常に重要であり、モデルには第一に発散思考をしないこと、第二に目標集中であること、第三に即時応答であることが必要だ。これまでそのようなモデルは存在しなかったが、今やcodex sparkがこの開発者の心流を補助するモデルとなり得るかもしれない。
