Jika Anda baru-baru ini menggunakan Codex di ChatGPT Pro, Anda mungkin melihat opsi baru bernama Codex-Spark dengan kecepatan respons yang terasa hampir tidak masuk akal.
Ini bukan hasil penyesuaian parameter — perangkat keras dasarnya telah berubah.
Berjalan di chip apa
GPT-5.3-Codex-Spark berjalan di Cerebras WSE-3 (Wafer Scale Engine 3), bukan GPU Nvidia.
Ini adalah pertama kalinya OpenAI menyebarkan model tingkat produksi formal pada perangkat keras inferensi di luar Nvidia.
WSE-3 adalah wafer silikon seukuran piring makan, mengintegrasikan lebih dari 4 triliun transistor dengan memori on-chip yang sangat besar, dirancang untuk menghilangkan hambatan latensi yang disebabkan oleh perpindahan data.
Hasil nyata: lebih dari 1.000 token per detik.
GPT-5.3-Codex standar berjalan sekitar 65 token per detik. Codex-Spark sekitar 15 kali lebih cepat.
Skala kontrak OpenAI dan Cerebras
OpenAI menandatangani kontrak multi-tahun dengan Cerebras pada Januari tahun ini. Komitmen: penyebaran bertahap 750 megawatt daya komputasi Cerebras pada tahun 2028, dengan total nilai kontrak melebihi 10 miliar dolar AS.
Tapi Sam Altman juga tidak mengabaikan Nvidia, pernyataannya adalah "Nvidia membuat chip terbaik di dunia" dan kemitraan jangka panjang tetap tidak berubah. Strategi OpenAI saat ini adalah multi-vendor: Nvidia sebagai andalan pelatihan, Cerebras untuk inferensi latensi rendah, AMD dengan perjanjian 6 GW, dan chip kustom Broadcom juga sedang dikembangkan.
Dari sisi Cerebras, Sachin Katti mengatakan: "Membawa komputasi skala wafer ke lingkungan produksi memberi kita cara baru untuk menjaga Codex tetap responsif dalam tugas-tugas yang sensitif terhadap latensi."
Untuk apa Codex-Spark bisa digunakan
OpenAI memposisikannya sebagai "alat produktivitas harian untuk pengembang" — bukan untuk penalaran kompleks yang mendalam, tetapi untuk pekerjaan yang membutuhkan iterasi cepat dan umpan balik instan:
- Pengeditan kode cepat dan refaktorisasi lokal
- Debugging real-time dan lokalisasi kesalahan
- Menulis PRD, dokumen riset pengguna, metrik pemantauan
- Mengelola pengujian dan melacak kemajuan tugas
Nilai intinya adalah tidak perlu menunggu. Memodifikasi fungsi, mengajukan pertanyaan, menguji logika — respons hampir instan.
Ini mendukung alur kerja yang dapat "disela" — Anda dapat menginterupsi eksekusi AI kapan saja dan menyesuaikan arah, daripada menunggu hingga blok panjang selesai untuk melihat hasilnya.
Data tolok ukur
| Metrik | GPT-5.2-Codex | GPT-5.3-Codex-Spark |
|---|---|---|
| Terminal-Bench 2.0 | 64% | 77,3% |
| Kecepatan inferensi | ~65 token/dtk | 1000+ token/dtk |
| Kecepatan output relatif | Dasar | Sekitar 25% lebih cepat |
| Konsumsi token (beberapa tugas) | Dasar | Sekitar 50% lebih sedikit |
Skor tolok ukur meningkat sementara kecepatan naik 15 kali — dua hal yang jarang terjadi bersamaan.
Makna yang lebih besar dari langkah ini
Saat ini, Codex-Spark hanya tersedia untuk pengguna berbayar ChatGPT. Akses API masih dalam perjalanan, tanpa harga terpisah yang diumumkan.
OpenAI mengungkapkan bahwa Codex sekarang memiliki lebih dari 1 juta pengguna aktif mingguan. Pada skala ini, latensi inferensi secara langsung menentukan pengalaman produk — ini bukan hanya angka di lembar spesifikasi.
Sinyal yang lebih penting adalah: ketika Cerebras berubah dari "secara teoritis dapat menggantikan Nvidia" menjadi "perangkat keras non-Nvidia pertama yang digunakan OpenAI dalam produksi," perubahan ini memiliki bobot konkret di industri chip.
Mengenai apakah Nvidia akan terpengaruh — di sisi pelatihan, tidak ada yang bisa menantang mereka dalam jangka pendek. Tapi di pasar inferensi, celah ini sudah terbuka. Dan yang membukanya adalah OpenAI.
Sumber referensi: OpenAI launches GPT-5.3-Codex-Spark on Cerebras chips — marks AI giant's first production deployment away from Nvidia (Tom's Hardware); Introducing OpenAI GPT-5.3-Codex-Spark Powered (Cerebras AI Blog); CocoLoop; OpenAI's rapid GPT-5.3-Codex model moves beyond simple coding tasks (SiliconANGLE)