Loading market data...

OpenAI lancerer GPT-5.3-Codex-Spark på Cerebras-hardware

OpenAI lancerer GPT-5.3-Codex-Spark på Cerebras-hardware

OpenAI har lanceret en ny kunstig intelligens-model, GPT-5.3-Codex-Spark, designet til at hjælpe udviklere med at skrive og fejlfinde kode. Modellen kører på hardware fra Cerebras Systems, chipproducenten kendt for deres wafer-skala processorer. Det er den første offentlige udgivelse fra OpenAI, der bruger Cerebras-chips.

En kodefokuseret model

\n

GPT-5.3-Codex-Spark er den seneste i OpenAIs serie af kodegenereringsmodeller, der bygger videre på den tidligere Codex-serie. Den er trænet til at forstå og generere kildekode på tværs af flere programmeringssprog. Navnet antyder et fokus på hastighed – "Spark" – og versionsnummeret peger på trinvise forbedringer i forhold til tidligere GPT-5-afledninger. Præcise benchmark-resultater eller præstationsdata er ikke offentliggjort.

Hvorfor Cerebras-hardware er vigtig

\n

Cerebras designer CS-2-systemet, en enkelt wafer-skala chip med hundredtusindvis af processorkerner. At køre GPT-5.3-Codex-Spark på denne hardware kan betyde lavere latenstid og højere gennemløb for kodegenerering sammenlignet med traditionelle GPU-klynger. Cerebras har tidligere samarbejdet med andre AI-laboratorier om at accelerere store sprogmodeller, men dette er et bemærkelsesværdigt partnerskab for begge virksomheder. Om modellen kører på Cerebras' cloud-tjeneste eller on-premise-systemer er ikke oplyst.

Hardwarelandskabet

\n

Aftalen fremhæver konkurrencen blandt chipproducenter om at drive AI-arbejdsbelastninger. Nvidia dominerer markedet med sine GPU'er, men Cerebras, sammen med virksomheder som Graphcore og AMD, presser på med alternativer. For OpenAI kan brug af Cerebras-hardware reducere afhængigheden af Nvidia og potentielt sænke omkostningerne. Hvor stor en del af modellens ydeevne der afhænger af Cerebras' unikke arkitektur, er endnu ikke klart.

GPT-5.3-Codex-Spark er tilgængelig via OpenAIs API. Priserne følger eksisterende API-niveauer, og der er ikke annonceret separate hastighedsbegrænsninger.

Der er endnu ikke offentliggjort nogen eksterne evalueringer af modellen. Udviklere, der begynder at bruge den, vil sandsynligvis dele deres egne resultater i de kommende uger.