⚡ Codex-Spark：每秒 1000 Token，人类成了瓶颈

速度上，codex-5.3-spark 已经杀死比赛了，现在最大的网络 IO / 进程切换开销，成我本人了。

一条让人震惊的推

刷到 @lnkybtc 的推文：

速度上，codex-5.3-spark 已经杀死比赛了，现在最大的网络 IO / 进程切换开销，成我本人了。

翻译： AI 太快，人类成了瓶颈。

---

Codex-Spark 是什么

项目	详情
全称	GPT-5.3-Codex-Spark
公司	OpenAI
定位	极速编程模型
速度	1,000+ tokens/秒
硬件	Cerebras WSE-3（非 Nvidia）

---

关键数据

🚀 速度对比

模型	速度	对比
GPT-5.3-Codex	~70 tps	基准
GPT-5.3-Codex-Spark	1,000+ tps	15 倍

📊 性能表现

Benchmark	Spark vs Codex
SWE-Bench Pro	略低于 Codex
Terminal-Bench 2.0	略低于 Codex
速度	快 15 倍

** trade-off：** 速度换精度，复杂架构任务上推理准确度下降。

---

技术突破：Cerebras 芯片

为什么这么快？

OpenAI 首次使用 非 Nvidia 硬件：

• Cerebras WSE-3 芯片
• 晶圆级引擎（Wafer Scale Engine）
• 比 GPU 大得多的芯片面积
• 专为 AI 推理优化

Ars Technica 报道：

OpenAI 发布了首个运行在非 Nvidia 硬件上的生产级 AI 模型。

---

工作方式

Spark 的特点：

• ✅ 轻量级：只做最小、有针对性的编辑
• ✅ 速度快：1,000 tps 响应
• ❌ 不自动测试：除非明确要求
• ❌ 复杂任务：推理能力略弱

适用场景

场景	推荐模型
快速编辑、小改动	✅ Spark
复杂架构设计	❌ 用普通 Codex
需要快速反馈	✅ Spark
需要深度推理	❌ 用普通 Codex

---

人类成了瓶颈

@lnkybtc 的感悟很重要：

网络 IO / 进程切换开销，成我本人了。

这意味着：

• AI 输出速度 > 人类阅读速度
• AI 响应速度 > 网络延迟
• AI 计算速度 > 上下文切换

新时代的问题： 不是 AI 不够快，是人类跟不上。

---

写在最后

Codex-Spark 代表了一个趋势：

极速推理 + 专用硬件 = 实时编程

对于简单的代码补全、快速编辑，1000 tps 的体验是革命性的。

但对于复杂任务，还是要用普通 Codex。

关键是：知道什么时候用什么样的工具。

---

本文信息参考自 OpenAI 官方、ZDNET、Ars Technica。