2026年2月12日（周四），OpenAI 正式推出 GPT-5.3-Codex-Spark，这是继本月初完整版 GPT-5.3-Codex 之后推出的轻量化版本。作为专为实时编程场景打造的“精简版”模型，Spark 将推理速度推向极致，标志着 OpenAI 在 AI 基础设施多元化上的关键一步。

为什么需要“Spark”？从“聪明”到“快到飞起”

传统大模型在交互式开发中最大的痛点是延迟：你改一行代码、问个问题，可能要等几秒甚至十几秒才能看到 AI 的回应。这在实时 pair programming、快速原型迭代、debug 调试、UI 调优等场景下极其影响效率。

GPT-5.3-Codex-Spark 正是为此而生。它不是追求参数规模或更强的长程推理能力，而是把“响应速度”放在首位：

• 推理速度超过 1000 tokens/s（部分场景甚至更高）
• 相比前代实现约 15倍 的速度提升
• 往返延迟降低约 80%，首 token 时间缩短 50% 以上

这意味着 AI 真正能像人类搭档一样“秒回”你的意图：你刚敲完回车，代码补全、重构建议、错误修复就几乎瞬间出现。

图1-2：Cerebras WSE-3 晶圆级引擎实物照——这块“饭桌大小”的硅片集成了 4 万亿个晶体管，是目前已知最大、最强大的单芯片 AI 加速器，与 NVIDIA B200 等传统 GPU 形成鲜明对比。

硬件突破：首次大规模采用 Cerebras WSE-3

Spark 的速度奇迹离不开 OpenAI 与 Cerebras 的深度合作。双方在2026年1月宣布的多年度协议（价值超 100亿美元）终于落地，Spark 成为首个公开里程碑。

核心算力来自 Cerebras 第三代 Wafer-Scale Engine 3（WSE-3）：

• 单芯片面积 46,225 mm²（相当于 57 个 NVIDIA H100）
• 4 万亿 个晶体管
• 900,000 个 AI 优化核心
• 125 petaFLOPS 的 AI 计算能力
• 44GB on-chip SRAM + 超高内存带宽（21 PB/s）

传统 GPU 集群需要不断在芯片间搬运数据，而 WSE-3 把所有计算、内存、互联都集成在单块晶圆上，几乎消除了数据移动开销。这正是 Spark 能实现超低延迟推理的关键。

OpenAI 官方强调：Spark 被集成到与现有 GPU 集群相同的生产服务栈中，形成“双轨制”——延迟敏感任务走 Cerebras，低延迟优先；重度 agentic 任务仍走 GPU 集群。这种混合架构是 OpenAI 降低对单一供应商依赖、提升整体弹性的战略布局。

图3-4：WSE-3 与 NVIDIA GPU 的尺寸对比，以及 Cerebras CS-3 系统实拍——单机柜就能提供海量算力，未来可扩展到超大规模集群。

模型规格与适用场景

• 上下文窗口：128k tokens（纯文本输入输出）
• 定位：轻量级、实时专用（非通用多模态）
• 可用渠道：ChatGPT Pro 用户的研究预览版，已在 Codex app、CLI、VS Code 插件中上线；API 正在逐步向设计伙伴开放

特别适合的场景包括：

• 实时 pair programming / live coding
• 快速原型、hackathon、exploratory coding
• 即时重构、逻辑调整、UI 迭代
• 任何“边想边改”、对延迟极度敏感的开发流程

在 SWE-Bench Pro、Terminal-Bench 2.0 等软件工程基准上，Spark 在保持超越早期 mini 模型能力的同时，完成时间大幅缩短，性价比突出。

前瞻：实时 AI 编程新时代的起点

OpenAI CEO Sam Altman 在预热推文中曾表示：“今天晚些时候，我们将为 Codex Pro 用户上线一个特别产品，它确实让我感到怦然心动。”

Cerebras CTO Sean Lie 也评论道：“极速推理将开启全新的交互模式与应用场景，从根本上重塑模型体验。这次预览只是开始。”

OpenAI CEO Sam Altman says social media feels “fake”, here's why

图5：OpenAI CEO Sam Altman——他对 Codex 系列的未来充满期待，认为到2026年底，软件开发方式将彻底改变。

随着 Cerebras 基础设施的持续扩展，未来更大规模的 frontier 模型也有望获得同等低延迟加持。Spark 的推出，不仅是技术产品迭代，更是 AI 基础设施多元化和“速度即生产力”理念的落地。

你已经体验过 Spark 了吗？欢迎在评论区分享你的实时编码感受～