OpenAIは2026年2月、コーディングに特化した新たなAIモデル「GPT-5.3-Codex-Spark（以下、Codex-Spark）」を発表した。これは、同社がこれまでにリリースしてきた大規模言語モデルの系譜とは一線を画す、圧倒的な「速度」と「インタラクティブ性」に軸をおいたプロダクトである。Cerebras Systems（以下、Cerebras）との提携によって実現したこの新モデルは、推論速度が1秒間に1,000トークンを超えるという、従来の常識を覆すパフォーマンスを叩き出している。

これまでAIによるコーディング支援は、複雑な指示を与えて数分待機し、生成されたコードを確認するという「非同期型」のワークフローが中心であった。しかし、Codex-Sparkの登場により、開発者はAIの思考プロセスにリアルタイムで介入し、修正や指示の転換を即座に行うことが可能になる。これは単なるツールの高速化ではなく、人間とAIの協調作業における「遅延」という最大の壁を取り払う試みだ。

AD

100億ドル規模の提携が結実した「Cerebras」による垂直統合

Codex-Sparkの圧倒的なパフォーマンスを支えるのは、OpenAIが2026年1月に発表したCerebrasとの戦略的パートナーシップである。この提携は総額100億ドル以上にのぼるマルチイヤー契約であり、OpenAIの物理的インフラストラクチャにおける新たな統合レベルを示している。

Codex-Sparkは、Cerebrasの第3世代ウェハースケール・エンジン「WSE-3」上で動作する。WSE-3は4兆個のトランジスタを搭載した世界最大級のAI専用チップであり、特に低遅延が要求される推論ワークロードにおいて、従来のGPUを凌駕する性能を発揮する。OpenAIはこのCerebrasのハードウェアを、自社のプロダクション・スタックに直接組み込むことで、超低遅延のサービング層を構築した。

Cerebras SystemsのWSE-3 (Credit: Cerebras Systems)

これまで、AIモデルの学習や推論にはNVIDIAを筆頭とするGPUが主役を担ってきた。OpenAIも、GPUが依然としてトレーニングや広範な推論におけるコスト効率の面で基盤であることは認めている。しかし、Codex-Sparkのような「リアルタイムの反応性」が求められるワークフローにおいては、GPUの限界を超え、極限まで遅延を削ぎ落とせるCerebrasのような専用アーキテクチャが必要不可欠であったといえる。

精度を速度に変換する戦略的トレードオフ

Codex-Sparkの設計思想は、先行してリリースされているフラッグシップモデル「GPT-5.3-Codex」とは対照的だ。GPT-5.3-Codexが、数分から数時間をかけて自律的に複雑なタスクを完遂する「自律性」と「深い推論」を重視しているのに対し、Codex-Sparkは「インタラクティブな作業」に最適化されている。

この最適化の過程で、OpenAIはあえて精度と速度のトレードオフを選択した。ベンチマーク結果からは、その鮮明な差異が見て取れる。

モデル名Terminal-Bench 2.0 (精度)特徴
GPT-5.3-Codex77.3%高精度、長時間タスク、自律実行
GPT-5.3-Codex-Spark58.4%超高速、リアルタイム共同作業
GPT-5.1-Codex-mini46.1%過去の軽量モデル

数値だけを見れば、Codex-Sparkの精度はフラッグシップモデルに及ばない。しかし、ソフトウェアエンジニアリング能力を評価する「SWE-Bench Pro」において、Codex-Sparkはフラッグシップモデルが15〜17分かかるタスクをわずか2〜3分で、かつ同等に近い精度で完了させている。

この結果が意味するのは、開発者がAIの出力を待つ「待機時間」の劇的な短縮である。Codex-Sparkは、一度に大規模なコードベースを書き換えるのではなく、最小限で的を絞った修正を行う傾向がある。これにより、開発者はAIが生成するコードを逐次確認しながら、必要に応じて即座に介入（インターラプト）し、方向性を修正できる。1秒間に1,000トークンという速度は、人間が読むスピードを遥かに超えており、あたかもAIが自分の思考と同期してコードを書き連ねているかのような体験をもたらす。

AD

推論スタックの全面刷新とネットワークの最適化

驚異的なレスポンスを実現するために、OpenAIはモデルそのものの軽量化だけでなく、システム全体にわたる「レイテンシの徹底排除」を敢行した。Codex-Sparkのトレーニング過程で、モデルの計算速度だけではリアルタイム性を担保できないことが判明したためである。

OpenAIは以下の領域において、推論スタックの書き換えを含む大幅な改善を実施した。

  • WebSocket接続の導入: クライアントとサーバー間の持続的なWebSocket接続を採用し、リクエストごとのオーバーヘッドを80%削減した。
  • セッション初期化の高速化: セッションの開始プロセスを再設計し、最初のトークンが表示されるまでの時間（Time-To-First-Token）を50%短縮した。
  • ストリーミングの効率化: クライアントとサーバー間のレスポンスストリーミングを合理化し、トークンごとのオーバーヘッドを30%削減した。

これらのインフラレベルの改善は、まずはCodex-Sparkにデフォルトで適用されるが、将来的にはOpenAIのすべてのモデルに展開される予定だ。これは、将来的にすべてのAIモデルが「会話」や「作業」の即時性を高めるための重要な布石といえる。

開発ワークフローの変貌：リサーチプレビューの詳細

Codex-Sparkは現在、ChatGPT Proユーザーを対象としたリサーチプレビューとして提供されている。利用可能なプラットフォームは、Codexアプリ、CLI（コマンドラインインターフェース）、およびVS Code拡張機能だ。

このモデルは、ユーザーがアイデアを即座に形にするための「デイリー・プロダクティビティ・ドライバー」として位置づけられている。主な特徴と制限事項は以下の通りである。

  • コンテキストウィンドウ: 128kトークン。
  • 入力形式: テキストのみ（現時点ではマルチモーダル非対応）。
  • 動作特性: デフォルトでは最小限かつ的を絞った編集を行い、明示的な指示がない限り自動テストは実行しない。
  • 利用制限: Cerebrasの専用ハードウェアを使用するため、通常のレート制限とは別の枠組みが適用される。需要が高い時期にはキューイングが発生する可能性がある。

また、OpenAIは一部の設計パートナー向けにAPIアクセスも開放しており、サードパーティ製ツールへの統合を通じたフィードバックの収集を進めている。

AD

二極化するAIモードの統合と将来展望

OpenAIの長期的なビジョンは、Codexを「2つの補完的なモード」を備えたツールへと進化させることにある。

  1. リアルタイム・コラボレーション・モード: Codex-Sparkが担う、即時性の高い反復作業やプロトタイピングのためのモード。
  2. 推論・実行モード: GPT-5.3-Codexのような、深い思考と長時間の自律実行を必要とするモード。

OpenAIは、将来的にはこれら2つのモードをシームレスに融合させる計画だ。開発者がAIと高速にやり取りをしながら、その背後でAIの「サブエージェント」が複雑な長時間タスクやテスト、並列処理を実行するような世界である。ユーザーは作業開始時にモードを選択する必要はなく、AIがタスクの性質に応じて、Cerebrasのような低遅延ハードウェアと、GPUのような高効率ハードウェアを適切に使い分ける「ハイブリッド推論」の実現を目指している。

Codex-Sparkは、単なる「速いAI」ではない。それは、人間がプログラミングという知的活動を行う際のリズムを損なわない、真の意味での「思考のパートナー」へ近づくための、OpenAIとCerebrasによる重要な一歩である。推論速度の向上がユーザー体験にどのような質的変化をもたらすのか、開発者コミュニティからのフィードバックが、次世代の「ultra-fast」モデルの姿を形作ることになるだろう。

Sources