
OpenAIコードAIは「最強」より「分業」で勝つ
OpenAIのコードAIは、どれが最強かを比べる段階から、仕事を分解して最適な層に流す段階へ移りました。gpt-5.4、gpt-5.3-codex、mini、nanoの役割差を押さえるだけで、開発速度もコストも、運用の崩れにくさもかなり変わります。
本稿は、モデル比較を 制御回路 と 接続回路 の問題へ読み替える傍流記事である。
「最強の一体」を探すのではなく、役割分担された実行器をどう流し、どう止め、どう隔離するかという視点で、本流の設計論を補強している。
本流では、#3 停止・承認・再開 と #5 接続面設計 に接続して読むとよい。
性能比較だけで見ていると外す
いまのOpenAIの案内を丁寧に読むと、中心に置かれているのは「最強の専用コーディングモデル」ではありません。
gpt-5.4 が、一般業務とコード生成をまたぐ主系統のモデルとして置かれています。APIの最新ガイドでは gpt-5.4 が「最も重要な仕事のデフォルト」と整理され、Codexでも gpt-5.4 が新しい中核として扱われています。しかもこのモデルは、1Mコンテキスト、built-in computer use、native compaction を備え、長い実行軌跡を保ったまま build-run-verify-fix のループを回しやすくなっています。
これは単なる精度向上ではなく、長く走る開発エージェントの土台 が変わったという話です。
ここで見落としやすいのは、Codex系の価値が消えたわけではないことです。
Codex models の案内では、gpt-5.3-codex の coding capabilities が gpt-5.4 にも入っていると読めます。境界が薄くなってきた、という表現のほうが近い。以前は「汎用モデル」と「コーディング専用モデル」を並べて考えやすかったのですが、いまは Codex 側で磨かれた実装力が mainline に取り込まれ、主系統のモデルがそのままコーディングの中心にもなり始めています。
ここから先の論点は、どのモデルが一番賢いかではなく、どの仕事をどの層に流すか です。
gpt-5.3-codex は主役交代ではなく役割変化
gpt-5.3-codex 自体は、2026年2月5日にCodexの各サーフェス向けに発表され、その時点で GPT-5.2-Codex より 25%高速化されていました。2月24日には Responses API にも追加されています。ベンチマークでも、SWE-Bench Pro 56.8%、Terminal-Bench 2.0 77.3%、OSWorld-Verified 64.7%、GDPval 70.9%と強い数字を出しており、単なるコード補完ではなく、調査、ツール利用、複雑な実行を伴う長めの作業に向くモデルとして位置付けられています。価格は 1Mトークンあたり入力 1.75ドル、出力 14ドルです。安くはありませんが、その代わりに深いタスクを完遂しやすい帯域にいます。
ただし、ここを「gpt-5.3-codex が今でも常にコード最強」と読むとずれます。
最新ガイドでは、gpt-5.3-codex は Codex のような coding environment 向けの専用モデルで、ソフトウェア開発に加えて計画、文章化、業務判断までまたぐワークフローでは gpt-5.4 のほうが既定の選択肢だと整理されています。言い換えると、gpt-5.3-codex は消えたのではなく、深い実行器 として立ち位置がはっきりした、ということです。
既存の Responses API ハーネスが Codex 系前提で組まれているなら、今でも十分に価値があります。しかもこのモデルは、OpenAI が High cybersecurity capability として扱う最初のモデルでもあります。
実装力が強いモデルは、性能の話だけでなく、安全フックや隔離実行、承認設計まで含めて扱う必要がある段階に入った、と受け取るべきです。
さらに重要なのは、状態の持ち方 です。
gpt-5.3-codex では phase の扱いを落とすと性能劣化が起こりうると明示されています。中間更新を commentary、最終回答を final_answer として保持し、次ターンに戻すことが前提になる。
これはモデルが賢くなったぶん、会話の状態管理が雑だと歩留まりが落ちることを意味します。
モデル名だけ置き換えても再現性が出ないのは、この層の設計が抜けるからです。