我們正在修正模型中的一個錯誤，這個錯誤使最近的50%時間範圍膨脹了10-20%（並減少了80%時間範圍）。我們不當地懲罰了任務長度→成功曲線擬合的陡峭度。這對於最舊和最新的模型影響最大，因為它們的擬合受到的數據約束較少。

自2025年初以來，我們一直在研究AI工具對開發人員生產力的影響。之前，我們發現生產力減慢了20%。這一發現現在已經過時。現在似乎有可能加速，但開發人員行為的變化使我們的新結果不可靠。我們正在努力解決這個問題。

我們估計，GPT-5.3-Codex 在推理努力為 `high`（而非 `xhigh`）的情況下，對我們的軟體任務套件的 50% 時間範圍約為 6.5 小時（95% 置信區間為 3 小時到 17 小時）。OpenAI 提供了 API 訪問以進行此評估。