OpenAI Meningkatkan Codex dengan GPT 5, Secanggih Apa Peningkatan Ini?

Sumber: unsplah BoliviaIntelegentia
Sumber: unsplah BoliviaIntelegentia

BANGUN IDE – Pada hari Senin OpenAI mengumumkan perilisan versi baru GPT 5 untuk coding agent mereka yakni Codex. Perusahaan ini mengatakan bahwa GPT 5 Codex menghabiskan lebih banyak waktu untuk berpikir secara dinamis dibandingkan model-model sebelumnya.

OpenAI mengeluarkan peningkatan Codex dengan integrasi GPT 5, berdasarkan agentic coding benchmarks model ini memiliki performa yang lebih baik daripada model sebelumnya.

Mdoel baru ini sudah dapat diakses melalui produk Codex, seperti terminal, IDE, GitHub, atau ChatGPT. Untuk ChatGPT model ini bisa diakses bagi pengguna Plus, Pro, Business, Edu, dan Enterprise.

Update ini merupakan bagian dari usaha OpenAI agar Codex dapat bersaing dengan produk coding AI yang lain. Belum lagi pasar dari AI coding tools sedang mengalami kenaikan permintaan, Cursor sendiri berhasil menembus $500 juta dollar pada awal tahun 2025.

OpenAI mengatakan bahwa GPT 5 Codex berhasil melampaui performa GPT 5 dalam SWE bench verified, performa ini diukur berdasarkan kemampuan AI dalam menyelesaikan tugas besar dan established repositories.

Perusahaan juga mengungkapkan bahwa mereka telah melatih GPT-5-Codex untuk melakukan tinjauan kode, dengan melibatkan insinyur perangkat lunak berpengalaman guna mengevaluasi komentar yang dihasilkan model.

Hasilnya, para insinyur menemukan bahwa GPT-5-Codex cenderung memberikan lebih sedikit komentar yang keliru, sekaligus menambahkan lebih banyak catatan yang dianggap “berdampak tinggi.”

Dalam sebuah pemaparan, Alexander Embiricos selaku pimpinan produk Codex di OpenAI menjelaskan bahwa peningkatan performa ini banyak dipengaruhi oleh kemampuan dinamis GPT-5-Codex dalam “berpikir.”

Ia mencontohkan, pengguna mungkin sudah familiar dengan sistem router GPT-5 di ChatGPT, yang mengarahkan pertanyaan ke model berbeda sesuai kompleksitas tugas. Namun, GPT-5-Codex bekerja tanpa router, melainkan mampu menyesuaikan durasi pemrosesan tugas secara real time. (ALF)***