OpenAI 18 декабря 2025 года опубликовала дополнение к системной карте GPT-5.2, посвящённое новой модели GPT-5.2-Codex. Это специализированная версия GPT-5.2 для программирования, работы с большими кодовыми базами и задач кибербезопасности внутри Codex.
Если коротко: OpenAI выпустила не просто «ещё одну модель для чата», а агентную coding-модель, рассчитанную на долгие инженерные задачи — рефакторинг, миграции, исправление багов, работу в терминале, анализ репозиториев и помощь специалистам по defensive security.
Что произошло
OpenAI представила GPT-5.2-Codex — новую модель семейства GPT-5.2, оптимизированную под Codex. Codex — это среда, где ИИ может работать как программный агент: читать код, запускать команды, редактировать файлы, проверять результат и повторять попытки, пока задача не будет решена.
Главный акцент релиза — не на генерации отдельных фрагментов кода, а на «длинной работе» с проектом. То есть модель должна лучше справляться с задачами, где нужно держать в голове архитектуру, историю изменений, ошибки предыдущих попыток и ограничения конкретного репозитория.
OpenAI отдельно подчёркивает несколько направлений улучшений:
- более надёжная работа с большими проектами;
- улучшенная context compaction — сжатие контекста без потери важных деталей;
- более сильные результаты в рефакторингах и миграциях;
- лучшая работа в Windows-окружениях;
- усиленные возможности в кибербезопасности;
- дополнительные меры безопасности против вредоносного использования.
Важно: опубликованный материал — это именно system card addendum, то есть документ о безопасности и оценках модели. Он объясняет, какие риски OpenAI видит в GPT-5.2-Codex и какие ограничения встроены на уровне модели и продукта.
Что такое GPT-5.2-Codex простыми словами
GPT-5.2-Codex — это версия GPT-5.2, дообученная и настроенная под программирование в агентном режиме.
Обычная языковая модель может ответить на вопрос, написать функцию или объяснить ошибку. Агентная coding-модель идёт дальше: она может работать с проектом как младший или средний разработчик под присмотром человека. Например:
- открыть репозиторий;
- найти связанные файлы;
- понять, где находится баг;
- внести правки;
- запустить тесты;
- увидеть ошибку;
- исправить её;
- подготовить патч.
В реальной разработке это важнее, чем просто «написать красивый код по промпту». Большинство инженерных задач messy: старый код, странные зависимости, неполная документация, падающие тесты, неожиданные edge cases. OpenAI как раз позиционирует GPT-5.2-Codex как модель для таких условий.
Что изменилось по сравнению с GPT-5.1-Codex-Max
Предыдущая заметная версия в этой линейке — GPT-5.1-Codex-Max. Она уже была сильной агентной моделью для работы с терминалом и кодом. GPT-5.2-Codex развивает эту линию.
Ключевые отличия:
-
Лучше длинные задачи
GPT-5.2-Codex должна стабильнее вести долгие сессии: не терять план, помнить важные ограничения проекта и продолжать работу после неудачных попыток. Для разработчиков это критично, потому что рефакторинг или миграция редко укладываются в один идеальный ответ.
-
Улучшенное сжатие контекста
Context compaction позволяет модели дольше работать с большим объёмом информации. Проще говоря, она должна лучше «упаковывать» важные детали из длинной истории работы, чтобы не забывать, что уже было сделано.
-
Сильнее на проектных задачах
OpenAI отдельно говорит о refactors и migrations. Это задачи, где нужно менять не один файл, а целые участки проекта: обновить API, перенести код на новую библиотеку, заменить архитектурный паттерн, привести типы в порядок.
-
Лучше Windows
Для многих AI coding tools Linux и macOS долго были более естественной средой. GPT-5.2-Codex получила улучшения для нативной работы в Windows-окружениях. Это важно для корпоративных команд, .NET-разработчиков, десктопных проектов и компаний, где Windows остаётся основной платформой.
-
Сильнее кибербезопасность
OpenAI прямо пишет, что GPT-5.2-Codex — самая сильная из выпущенных ими моделей в cybersecurity-домене. При этом компания утверждает, что модель пока не достигает уровня High по кибербезопасности в их Preparedness Framework.
Почему OpenAI так много говорит о безопасности
Coding-модель с доступом к терминалу — это мощный инструмент. Она может помочь разработчику ускорить работу, но те же возможности потенциально полезны и злоумышленникам.
Например, защитнику ИИ помогает:
- искать уязвимости в своём коде;
- воспроизводить баги;
- писать тесты безопасности;
- анализировать патчи;
- проверять конфигурации;
- проводить authorized red teaming.
Но похожие техники могут использоваться и для вредных целей:
- поиска уязвимостей в чужих системах;
- автоматизации атак;
- создания вредоносного кода;
- кражи учётных данных;
- обхода защитных механизмов.
Именно поэтому system card уделяет много внимания cyber safety. OpenAI говорит, что модель обучали помогать в образовательных и защитных сценариях, но отказывать или снижать детализацию там, где запрос похож на вредоносную эксплуатацию: malware, credential theft, chained exploitation и другие опасные сценарии.
Что значит «не достигла High cyber capability»
OpenAI оценивает модели по Preparedness Framework. Для кибербезопасности уровень High означает, что модель способна снимать реальные ограничения масштабирования атак: например, автоматизировать end-to-end операции против защищённых целей или находить и эксплуатировать практически значимые уязвимости на высоком уровне автономности.
По заявлению OpenAI, GPT-5.2-Codex стала заметно сильнее в кибербезопасности, но до этого порога не дошла. При этом компания ожидает, что будущие модели могут пересечь такой уровень в ближайшем будущем.
Это важная формулировка. OpenAI фактически говорит: текущая модель уже достаточно мощная, чтобы требовать серьёзных ограничений, а следующие поколения могут стать ещё более чувствительными с точки зрения риска.
Защита от опасных действий с данными
Один из интересных пунктов системной карты — защита от разрушительных действий.
Coding-агент может выполнять команды вроде:
rm -rf;git reset --hard;git clean -xfd;git push --force;- массовое удаление файлов;
- перезапись пользовательских изменений.
Даже если пользователь написал безобидное «почисти проект» или «сбрось изменения», модель может интерпретировать это слишком агрессивно. OpenAI пишет, что GPT-5.2-Codex специально обучали не затирать пользовательские изменения и избегать действий, которые могут привести к потере данных.
Это важное практическое улучшение. Главный страх при использовании coding-агентов — не то, что они напишут плохой код, а то, что они сломают рабочую директорию, удалят незакоммиченные правки или сделают разрушительный git-оператор без достаточного подтверждения.
Песочницы и сетевой доступ
OpenAI описывает два уровня защиты: на уровне модели и на уровне продукта.
В Codex Cloud агент запускается в изолированном контейнере OpenAI. Это отдельная среда, которая по умолчанию не имеет сетевого доступа. Такой подход снижает риск prompt injection, утечки данных и случайного обращения к вредным внешним ресурсам.
В локальном Codex модель работает в sandbox-режиме:
- на macOS используется Seatbelt;
- на Linux — seccomp и landlock;
- на Windows — нативная песочница или Linux sandbox через WSL.
По умолчанию сетевой доступ отключён или ограничен. Пользователь может расширить права, например разрешить доступ к конкретным доменам, если агенту нужно установить зависимости или обратиться к документации. Но OpenAI подчёркивает: чем больше доступа к сети, тем выше риск prompt injection, утечки секретов и использования нежелательного кода.
Для кого это важно
GPT-5.2-Codex в первую очередь интересна не массовому пользователю ChatGPT, а тем, кто реально пишет и поддерживает код.
Больше всего пользы модель может дать:
- backend- и frontend-разработчикам;
- DevOps-инженерам;
- техническим лидам;
- командам, которые проводят миграции;
- специалистам по кибербезопасности;
- open-source maintainers;
- компаниям с большими legacy-кодовыми базами.
Для одиночных задач вроде «напиши функцию сортировки» разница может быть не такой заметной. Но на больших задачах — миграция версии фреймворка, переписывание модуля, устранение flaky-тестов, анализ уязвимости — улучшения должны ощущаться сильнее.
Реальный пример: поиск уязвимостей
OpenAI в сопутствующем материале приводит пример из экосистемы React. Исследователь безопасности использовал GPT-5.1-Codex-Max вместе с Codex CLI для изучения уязвимостей в React Server Components. В процессе работы Codex помог выявить неожиданные поведения, которые затем привели к обнаружению ранее неизвестных проблем.
Этот пример важен не потому, что «ИИ сам нашёл уязвимость магическим образом». Скорее он показывает новый рабочий процесс: специалист задаёт направление, строит гипотезы, запускает проверки, а модель ускоряет рутину — анализ патчей, подготовку окружения, fuzzing, проверку вариантов.
GPT-5.2-Codex должна быть сильнее именно в таких сценариях: когда есть опытный человек, сложная система и много итераций.
Что это значит для рынка AI coding tools
Релиз GPT-5.2-Codex продолжает общий тренд: AI-инструменты для разработки смещаются от «генераторов кода» к автономным инженерным помощникам.
Раньше основной сценарий выглядел так: пользователь просит написать кусок кода, копирует его в проект и сам разбирается с ошибками. Теперь сценарий другой: агент получает задачу, работает в репозитории, запускает проверки и приносит готовый diff.
Это меняет требования к моделям. Им уже недостаточно хорошо писать на Python или JavaScript. Нужны:
- устойчивость в долгой задаче;
- понимание структуры проекта;
- аккуратная работа с файловой системой;
- дисциплина при git-операциях;
- умение не ломать пользовательские изменения;
- осторожность с сетью и секретами;
- способность объяснить, что было сделано.
GPT-5.2-Codex — шаг именно в эту сторону.
Ограничения и риски
Несмотря на сильное позиционирование, GPT-5.2-Codex не стоит воспринимать как замену разработчику или специалисту по безопасности.
У модели остаются типичные риски:
- она может ошибаться в архитектурных решениях;
- может неверно интерпретировать требования;
- может предложить рабочий, но небезопасный патч;
- может не заметить edge case;
- может уверенно объяснять неверную причину ошибки;
- при расширенных правах может выполнить нежелательные действия.
Поэтому лучший сценарий использования — supervised agent: человек ставит задачу, ограничивает доступ, проверяет diff, запускает тесты и принимает финальное решение.
Особенно осторожно стоит относиться к задачам безопасности. Модель может помогать в defensive use-cases, но любые действия против чужой инфраструктуры без разрешения остаются незаконными и опасными.
Как попробовать
GPT-5.2-Codex доступна во всех поверхностях Codex для платных пользователей ChatGPT. То есть попробовать модель можно через Codex, если у вас есть подходящая подписка OpenAI.
Базовый способ начать работу с Codex CLI:
npm i -g @openai/codex
После установки можно запускать Codex в проекте и давать ему инженерные задачи: исправить тест, объяснить архитектуру, подготовить миграцию, найти причину ошибки, сделать refactor.
API-доступ к GPT-5.2-Codex, по заявлению OpenAI, должен появиться позже: компания пишет, что работает над безопасным включением модели для API-пользователей в ближайшие недели после релиза.
Если вы покупаете зарубежные AI-подписки через маркетплейсы, доступ к ChatGPT Plus/Pro иногда можно найти на plati.market. Но здесь стоит быть аккуратным: проверяйте рейтинг продавца, условия доступа и риски передачи аккаунта. Безопаснее всего оформлять подписку напрямую у OpenAI, если такая возможность есть.
Главное
GPT-5.2-Codex — это новая специализированная модель OpenAI для серьёзной разработки и defensive cybersecurity. Она лучше подходит для долгих задач в больших репозиториях, сильнее работает с контекстом, увереннее чувствует себя в Windows и получила дополнительные ограничения против вредных или разрушительных действий.
Для разработчиков это означает более полезного coding-агента, который может не только написать функцию, но и провести сложную работу в проекте. Для специалистов по безопасности — более мощный инструмент анализа и воспроизведения проблем, но с заметными ограничениями и акцентом на легитимное defensive-применение.
Главный вывод: OpenAI продолжает двигать Codex в сторону полноценного инженерного помощника. Но чем сильнее такие модели становятся, тем важнее песочницы, контроль прав, ревью изменений и человеческий надзор.