OpenAI深夜“炸场”：每秒千字的AI代码打印机来了，程序员的手速还够用吗？

TL;DR：

OpenAI 突然发布 GPT-5.3-Codex-Spark，每秒 1000 Token 的生成速度让代码不再是“写”出来的，而是“炸”出来的。联手硬件怪兽 Cerebras，这波是直接开了“物理外挂”，目标直指实时编程和丝滑协作。

OpenAI 又在深夜搞突袭了，这次不谈情怀，不画大饼，只讲一个字：快。

如果说以前的模型写代码像是在健身房慢跑，那刚发布的 GPT-5.3-Codex-Spark 简直就是在跑百米冲刺。每秒 1000 个 token 的生成速度，意味着你刚敲完回车，整段业务逻辑已经整整齐齐地躺在编辑器里了。这种体感，与其说是工具升级，不如说是 OpenAI 给你的 IDE 装了一台“加特林”。

技术大揭秘：这玩意儿到底怎么跑这么快的？

很多同学可能会问，每秒 1000 个 token 到底是什么概念？简单来说，就是你眨一下眼的功夫，它已经吐出了几百行代码。为了实现这种“暴力美学”，OpenAI 这次找了个强力外援——AI 芯片巨头 Cerebras。¹

这次 Spark 模型并不是跑在传统的 GPU 堆叠上，而是跑在 Cerebras 的 Wafer Scale Engine 3 (WSE-3) 上。这玩意儿可不是普通的显卡，它是整块晶圆级芯片，长得像餐盘一样大，拥有 4 兆个电晶体。²

调侃点评： 以前模型推理要在成百上千块显卡间“击鼓传花”，延迟全在路上；现在 Spark 在一块大芯片上“自撸”，物理层面的沟通成本几乎归零，这简直是开了物理外挂。

除了硬件给力，OpenAI 还在软件栈上动了大手术。他们引入了持久的 WebSocket 连接，把客户端和服务器之间的往返开销降低了 80%，首个字符出现的速度提升了 50%。² 以前你还得盯着那个转圈圈的加载条发呆，现在它连发呆的机会都不给你。

实时协作新范式：程序员会被“卷”死吗？

虽然 Spark 是 GPT-5.3 家族里的“闪电侠”，但为了速度，它也做了一点小小的取舍。它是 Codex 的精简版，在处理极其复杂的软件工程任务（比如 SWE-Bench Pro 测试）时，表现略逊于完整版的 GPT-5.3-Codex。²

但这并不妨碍它成为目前最强的“结对编程”队友。它的应用场景非常明确：实时互动。³

• 瞬时重构： 你想改个接口逻辑，它秒速完成全量替换。
• 交互式打断： 你可以一边看它写，一边随时打断：“哎，这里用异步实现。”它能立刻调转船头。
• 低延迟 CLI： 在终端里敲命令，AI 的响应就像本地脚本一样丝滑。⁴

这种感觉不像是在用一个迟钝的机器人，更像是在和一个手速 600 的顶级极客一起工作。OpenAI 的野心很明显：未来的编程将分化为两种模式。一种是交给大模型去搞数天的“深度思考”；另一种就是像 Spark 这样，和你火花四溅地“实时对线”。²

巨头们的“宫斗剧”：NVIDIA 的墙角被撬了？

在这场技术狂欢背后，还藏着一个耐人寻味的商业信号。这次 Spark 模型是 OpenAI 首款明确确认在 Cerebras 芯片上运行的模型。²

业内人士都知道，OpenAI 长期以来一直是 NVIDIA 的“超级大甲方”，但老黄的卡不仅贵，还要排队。这次 OpenAI 转头和 Cerebras 深度捆绑（据说还有百亿美金的合作协议），摆明了是在搞“备胎计划”。² 加上最近 OpenAI 和 AMD、博通的各种传闻，可以看出山姆·奥特曼正在努力实现“算力自由”，不想在 NVIDIA 这一棵树上吊死。²

目前，ChatGPT Pro 用户已经可以在 Codex App、CLI 甚至是 VS Code 插件里尝鲜这个“火花”了。⁵ 128k 的上下文窗口，纯文本输入，虽然还不支持多模态，但对于写代码来说已经绰绰有余。²

所以，程序员们，既然 AI 已经进化到每秒千字了，我们要担心的可能不是失业，而是——我们的思维速度，还跟得上它的打印速度吗？

引用

• OpenAI
• GPT-5.3
• 实时编程
• Cerebras
• 物理外挂
• 程序员