GPT-5.3-Codex-Spark（Codex Spark）は、OpenAIが2026年2月12日に研究プレビューとして公開した、Codexでのリアルタイムなコーディング向けの小型モデルです。Cerebrasの専用チップ上で毎秒1,000トークンを超える速さで応答し、ChatGPT Proの利用者だけが選べました。Sparkは2026年9月14日に廃止され、今はCodexのアプリ・CLI・IDE拡張のどれからも使えません。この記事では、Sparkの仕様と性能をGPT-5.3-CodexやGPT-5.4 mini・GPT-5.5と並べて記録し、廃止後に設定をどう直すか、速さが欲しいときに何を選ぶかを2026年11月時点の公式ドキュメントで整理します。
まとめ：GPT-5.3-Codex-Sparkの要点と廃止後の選び方
- 正体：GPT-5.3-Codexの小型版。OpenAIが「リアルタイムのコーディング向けに設計した最初のモデル」と位置づけ、Cerebras WSE-3上で毎秒1,000トークン超を出した
- 仕様：コンテキスト128k・テキスト専用。ChatGPT Pro限定の研究プレビューで、通常のCodexとは別枠の利用上限
- 性能：推論レベルxhighでSWE-Bench Pro 51.5%・Terminal-Bench 2.0 58.4%。GPT-5.3-Codex（56.8%・77.3%）にもGPT-5.4 mini（54.4%・60.0%）にも届かない代わりに、SWE-Bench Proの推定所要時間はGPT-5.3-Codexの約7分の1（2.29分対16.29分）
- 廃止：2026年9月14日。廃止3日前にはCodex担当者がXで予告し、理由として利用の減少と、より優れたモデルの存在を挙げた
- 今やること：
gpt-5.3-codex-sparkを指定した設定・カスタムエージェント・スクリプトを書き換える。残っているとCLIはエラーで止まり、終了コード1を返す - 速さの代わり：ChatGPTサインインならFast mode（利用枠を2.5倍消費）、Pro $500ならUltrafast（GPT-6 AstraとGPT-6.1 Sol・8倍消費）、APIなら
service_tier: "ultrafast"（通常の6倍の単価）
GPT-5.3-Codex-Sparkの仕様と提供条件（2026年2月の公開時）
Sparkは、長時間かけて自律的に作業する上位モデルとは逆の用途を狙ったモデルです。OpenAIの発表文は、狙いの編集を入れる、ロジックを組み替える、画面の見た目を詰めるといった作業を、結果をすぐ見ながら進めるためのモデルと説明しています。作業の途中で割り込んで指示を変えられる点も売りの1つでした。
| 項目 | 公開時の仕様 |
|---|---|
| 公開日 | 2026年2月12日（研究プレビュー） |
| モデルID | gpt-5.3-codex-spark |
| 位置づけ | GPT-5.3-Codexの小型版 |
| 生成速度 | 毎秒1,000トークン超 |
| 推論基盤 | Cerebras Wafer Scale Engine 3 |
| コンテキスト | 128k（テキスト専用） |
| 対象プラン | ChatGPT Pro のみ |
| 使えた場所 | Codexアプリ・CLI・IDE拡張 |
| 利用上限 | Spark専用（通常のCodex上限に数えない） |
| API | 公開時は提供なし（一部のデザインパートナーのみ） |
速さを優先した結果、作業のしかたも軽めに調整されていました。発表文によると、Sparkは最小限の的を絞った編集だけを行い、頼まない限りテストを実行しません。上位モデルのつもりで「直して」とだけ頼むと、テストを通さないままの変更が返ってきます。研究プレビュー中は、需要が高いときにアクセスが遅くなったり順番待ちになったりすることがあるとも明記されていました。
Sparkを「蒸留モデル」と書く解説がありますが、OpenAIの発表文とCodexの変更履歴が使っている言葉は「smaller version（小型版）」です。作り方は公表されていないので、本記事では小型版と書きます。
GPT-5.3-Codex-Sparkの性能：GPT-5.3-Codex・GPT-5.4 mini・GPT-5.5との比較
GPT-5.3-Codexとの精度と所要時間の差
OpenAIはSparkの性能を、SWE-Bench ProとTerminal-Bench 2.0の2つで示しました。発表文には数値の表がなく、精度と1タスクの推定所要時間を両軸にとった図だけです。両モデルの推論レベルをxhighにそろえた図のデータラベルの値は、Sparkが SWE-Bench Pro 51.5%（2.29分）・Terminal-Bench 2.0 58.4%、GPT-5.3-Codexが 56.8%（16.29分）・77.3% です。
SWE-Bench Proの図には推論レベルごとに複数の点があります。Cerebrasのブログに転載された同じ図を目で読み取ると、Sparkの最高値（51.5%）は、GPT-5.3-Codexの所要時間が最も短い点（推定約3分・約51%）とほぼ同じで、精度をそろえると所要時間の差は約2.3分対約3分まで縮まります。差が大きいのはTerminal-Bench 2.0で、ターミナルで何段階もコマンドを実行する作業では約19ポイント離れています。所要時間は生成・読み込み・ツール実行・通信を足した推定値で、体感速度そのものではありません。
GPT-5.4 mini・GPT-5.5・GPT-5.6との比較
「Spark vs GPT-5.5」のような比較は、各モデルの発表文がxhighで公表した値を並べると次のとおりです。
| モデル（xhigh） | SWE-Bench Pro | Terminal-Bench 2.0 | 提供状況（2026年11月） |
|---|---|---|---|
| GPT-5.3-Codex-Spark | 51.5% | 58.4% | 2026年9月14日に廃止 |
| GPT-5.3-Codex | 56.8% | 77.3% | APIは2027年4月1日に終了予定 |
| GPT-5.4 mini | 54.4% | 60.0% | Codex（ChatGPTサインイン）から8月31日に退役 |
| GPT-5.5 | 58.6% | 82.7% | Codex（ChatGPTサインイン）から10月14日に退役 |
同じ「速くて小さいモデル」でも、2026年3月のGPT-5.4 miniはSWE-Bench ProでSparkを約3ポイント上回り、Terminal-Bench 2.0はほぼ同じ（60.0%対58.4%）です。GPT-5.5はTerminal-Bench 2.0で82.7%と、Sparkより24ポイント高くなります。ただし公表の時期と測定環境がモデルごとに違うため、小さなスコア差だけで性能の優劣を断定することはできません。実際、GPT-5.6の発表文ではGPT-5.5のSWE-Bench Proが59.4%と測り直されていて、Terminal-Benchも2.1に変わっています。同じ表のGPT-5.6 LunaはSWE-Bench Pro 62.7%で、小さい側のモデルでもSparkより約11ポイント高い値です。GPT-5.3-CodexのAPIは、非推奨モデル一覧で2027年4月1日の終了と、移行先 gpt-6-sol が告知されています。
Sparkの速さを支えた仕組み：Cerebras WSE-3と常時接続のWebSocket
OpenAIは2026年1月14日にCerebrasとの提携を発表し、低レイテンシの推論能力を2028年まで段階的に自社の推論基盤へ組み込むと説明しました。Sparkはその最初の成果です。会社としてのCerebrasはセレブラスとは？Cerebras Systemsは何の会社か・WSEとCS-4・上場後の決算と株価で扱っています。
速さはチップだけで出していたわけではありません。OpenAIはSparkの開発中に、応答までの経路全体を作り直しました。常時接続のWebSocketを導入し、Responses APIの内部にも手を入れた結果、往復ごとのオーバーヘッドが80%、トークンごとのオーバーヘッドが30%、最初のトークンが出るまでの時間が50%減ったと発表されています。この経路はSparkの廃止後も残り、いまのAPIのUltrafastガイドも、ツール呼び出しが多いエージェントには常時接続のWebSocketを使うよう強く勧めています。
提供当時の使い方と、今指定したときのエラー
提供されていた当時は、CLIなら codex --model gpt-5.3-codex-spark で新しいスレッドを始めるか、会話中に /model で切り替えました。IDE拡張とCodexアプリでは、入力欄の下のモデル選択でGPT-5.3-Codex-Sparkを選びます。
今、ChatGPTでサインインしたCodex CLI（0.167.1）で同じ指定をすると、次のように止まります（2026年11月11日に実行）。
$ codex exec -m gpt-5.3-codex-spark --skip-git-repo-check "say hi"
warning: Model metadata for `gpt-5.3-codex-spark` not found. Defaulting to fallback metadata; this can degrade performance and cause issues.
ERROR: The 'gpt-5.3-codex-spark' model is not supported when using Codex with a ChatGPT account.
$ echo $?
1ほかのモデルへ自動で切り替わることはありません。最初の警告は、CLIがもうSparkのモデル情報を持っていないという意味です。2026年10月6日に0.153.4で試したときは同じ文言がHTTP 400のJSONで出ていたので、エラー文の形でログを監視している場合は、版によって一致しなくなる点に注意してください。
直すときは、モデル名が残っている場所をまとめて探します。廃止のお知らせが置き換えを求めているのは、保存した設定・カスタムエージェント・スクリプトの3つです。
# 既定の設定場所と、よく使うディレクトリを検索する（独自の置き場所は追加する）
grep -rn "gpt-5.3-codex-spark" ~/.codex .codex .github scripts 2>/dev/null
# ~/.codex/config.toml の既定モデルを置き換える例
model = "gpt-6.1-sol" # 複雑な作業・長く回す作業
# model = "gpt-6-luna" # 決まった形の作業を大量に回す場合カスタムエージェント（.codex/agents/ 以下のTOML）でSparkを担当モデルにしていた場合も同じように書き換えます。定義の書き方はCodexカスタムエージェントの作り方、CLIのオプション全体はCodex CLIのプロキシ設定・承認モード・オプション一覧にまとめています。
2026年9月14日の廃止：経緯と影響範囲
OpenAIでCodexを担当するTibo（@thsottiaux）氏が2026年9月11日、X（旧Twitter）への投稿で翌週の廃止を告知しました。理由は「利用が減っていること」と「今はかなり優れたモデルがあること」の2つです。予告どおり9月14日にCodexの変更履歴へ廃止が載り、ChatGPTデスクトップアプリ・Codex CLI・IDE拡張のいずれでも選べなくなりました。
- 2026年2月12日：研究プレビューとして公開（ChatGPT Pro）
- 2026年4月7日：GPT-5.2-Codexなど旧モデルがモデル選択から外れたときも、ProはSparkを引き続き選べた
- 2026年9月11日：Codex担当者がXで翌週の廃止を告知
- 2026年9月14日：廃止。変更履歴は推奨モデルへの切り替えと、速さが欲しい場合のFast modeを案内
公式の告知が対象としているのは、ChatGPTサインインで使うCodexです。APIの非推奨モデル一覧にSparkは載っておらず、API向けのモデル個別ページもありません。公開資料で確認できる範囲では、APIは一部のデザインパートナーへの試験提供にとどまったまま、一般提供されずに終わりました。
Spark廃止後に速さを取る方法：Fast mode・Ultrafast・API
2026年11月時点で、速さを取る方法は次の3つです（CodexのSpeedとAPIのUltrafast modeガイドによる）。
| 方法 | 対象 | 対応モデル | 利用枠・料金 |
|---|---|---|---|
| Fast mode | ChatGPTサインインのCodex | GPT-6.1 Sol・Terra、GPT-6 Astra・Sol・Luna | 枠を2.5倍消費（クレジットは2倍） |
| Ultrafast（Codex） | Pro $500・対象のEnterprise/Edu | GPT-6 Astra・GPT-6.1 Sol | 枠を8倍消費（クレジットは6倍） |
| Ultrafast（API） | 全APIユーザー | GPT-6 Astra・GPT-6.1 Sol | Standardの6倍の単価 |
ChatGPTサインインで使うFast mode
CLIでは /fast で切り替え、既定にしたい場合は config.toml に service_tier = "fast" と、[features] セクション内の fast_mode = true を書きます。設定リファレンスによると、fast はリクエスト上は priority として送られます（APIのPriority処理は2026年7月30日にFast modeへ改称）。2026年10月26日にCodexへ加わったGPT-6.1 Terraも対象です。Sparkと大きく違うのは、別枠ではない点です。Sparkは研究プレビューのあいだ専用の上限で動きましたが、Fast modeは通常の利用枠をStandardの2.5倍の速さで減らします。速さの倍率をSpeedのページが数字で示しているのはGPT-5.6の1.5倍だけで、GPT-6系は書かれていません（CLIの変更履歴では、0.153.2でGPT-6 AstraのFastの説明を「2x speed」に直しています）。
Pro $500とEnterpriseで使うUltrafast
Codexで一番速いのはUltrafastです。GPT-6 AstraのUltrafastは通常のAstraより最大8倍速くトークンを生成し、2026年10月8日にはGPT-6.1 SolのUltrafastも加わりました。使えるのはPro $500と対象のEnterprise・Eduで、ほかの個人向けプランはクレジットを買っても使えません。Pro $500では含まれる利用枠を8倍の速さで使い、尽きるとクレジットに移ります。Enterpriseでは既定で無効で、ワークスペースの所有者が有効にします。推論処理の地域は、GPT-6.1 Solが米国と欧州（EEA＋スイス）、GPT-6 Astraが米国だけです。
ここがSparkの直系です。OpenAIは2026年8月13日にUltrafastのプレビューを発表し、Cerebras上でGPT-5.6 Solを通常の最大14倍、毎秒750出力トークンで動かすと説明しました。Sparkは賢さを削って毎秒1,000トークンを出していましたが、Ultrafastは上位モデルをSparkに近い速さで動かします。
APIのUltrafastの単価とレート制限
APIでは、リクエストの service_tier に ultrafast を指定します。GPT-6 AstraとGPT-6.1 Solは全APIユーザーが使え、レート制限はStandardやFastとは別枠です。料金表の100万トークンあたりの単価（272K以下の入力）は次のとおりで、どちらもStandardのちょうど6倍、Fast（旧Priority）の3倍です。
| モデル | Standard 入力／出力 | Ultrafast 入力／出力 | Ultrafast 既定のTPM（Build／Launch／Grow） |
|---|---|---|---|
| gpt-6.1-sol | $2／$10 | $12／$60 | 100万／400万／4,000万 |
| gpt-6-astra | $10／$50 | $60／$300 | 50万／100万／500万 |
GPT-6.1 SolのUltrafastは米国・EUのデータレジデンシーとグローバル処理に対応し、GPT-6 Astraは米国とグローバル処理だけです。EUのリージョン処理が必須のシステムで速さが要るなら、選べるのはGPT-6.1 Solになります。
Sparkの移行先モデルの選定基準と速度比較
Sparkの代わりは1つに決まっていません。廃止のお知らせは「推奨モデルへ切り替え、速さが欲しければFast mode」と書くだけで、後継モデルを名指ししていないからです。Sparkを何のために選んでいたかで行き先が分かれます。
- 小さな編集を待たずに回したかった：GPT-6.1 Solに
/fast。Codexのドキュメントは、コストを気にしながら繰り返し・長く回す作業にGPT-6.1 Solを勧めています - 抽出・変換など形の決まった作業を安く回したかった：GPT-6 Luna。ドキュメントは良い結果の形がはっきりした大量の作業にLunaを勧め、推論レベルはHighから始めるよう案内しています
- 画面を見ながらUIを詰めたかった：GPT-6.1 Terra。Codexのドキュメントは、画像や画面の読み取りと日常の作業にTerraを勧めています（詳しくはGPT-6.1 Terraとは？）
置き換えた後に確かめたいのは、毎秒のトークン数ではなく「正しい結果が出るまでの時間」です。Sparkはテストを自動では回さない作り、後継の候補は128kより広いコンテキスト（GPT-6.1 SolはCodexで既定50万トークン）を前提にしています。同じ依頼でも返ってくる変更の大きさや確認の手間が変わるので、Sparkで回していた依頼を5〜10件残しておき、候補のモデルで同じ依頼を流して、直しが要った回数と終わるまでの時間を並べます。
CLIなら、モデルとFast modeの有無を引数で切り替えて同じ依頼を流せます。下は、素数判定の関数を1つ書かせるだけの依頼を、各設定3回ずつ実行した例です（2026年11月11日・Codex CLI 0.167.1・ChatGPT Proでサインイン・読み取り専用サンドボックス）。手元の設定を引き継がないよう、Standard側は service_tier="default" を明示しています（下の表のStandardの値は、設定ファイルに service_tier を書いていない状態で、この指定を付けずに測ったもの）。
P='Pythonで整数が素数かを判定する関数 is_prime(n) を書き、コードブロックだけを返してください。ファイルは作らず、コマンドも実行しないでください。'
# GPT-6.1 Sol（Standard）
time codex exec --skip-git-repo-check --ephemeral -s read-only -m gpt-6.1-sol -c 'service_tier="default"' "$P"
# GPT-6.1 Sol＋Fast mode
time codex exec --skip-git-repo-check --ephemeral -s read-only -m gpt-6.1-sol \
-c 'service_tier="fast"' -c features.fast_mode=true "$P"
# GPT-6 Luna（Standard）
time codex exec --skip-git-repo-check --ephemeral -s read-only -m gpt-6-luna -c 'service_tier="default"' "$P"| 設定 | 1回目 | 2回目 | 3回目 | 中央値 |
|---|---|---|---|---|
| GPT-6.1 Sol（Standard） | 9.05秒 | 11.15秒 | 7.55秒 | 9.05秒 |
| GPT-6.1 Sol＋Fast mode | 5.90秒 | 5.79秒 | 5.94秒 | 5.90秒 |
| GPT-6 Luna（Standard） | 9.15秒 | 29.07秒 | 7.55秒 | 9.15秒 |
時間はCLIの起動から終了までの壁時計時間です。この小さな依頼では、Fast modeを指定したGPT-6.1 Solが3回とも6秒を切り、Standardより中央値で約35%短くなりました。GPT-6 LunaはStandardのSolと変わらず、1回は29秒かかっています。小さいモデルを選べば待ち時間が縮むとは限りません。ただし、CLIの出力には適用されたサービス層が表示されないため、短縮がFast modeによるものかまでは断定できません。同じマシンで別の処理も動いており、依頼も1種類だけです。手元の依頼で測り直してから決め、Fast modeは利用枠を2.5倍の速さで減らす点も合わせて見てください。
Sparkの7か月から見る、速度特化モデルを業務に組み込む判断
Sparkが7か月で消えたことからわかるのは、速さの出し方が「小さいモデルを作る」から「上位モデルを速い基盤で動かす」に移ったことです。2026年2月のSparkでは、GPT-5.3-Codexより小さいモデルを専用基盤で動かし、毎秒1,000トークン超の生成速度を実現しました。8月には同じCerebrasの上でフロンティアモデルが毎秒750トークンで動き、10月にはUltrafastという名前でGPT-6 AstraとGPT-6.1 Solに広がっています（この2モデルの実行基盤は公表されていません）。
廃止までの猶予も、研究プレビューと一般提供のモデルで大きく違いました。GPT-5.4とGPT-5.4 miniのCodexからの退役は7月31日の告知から31日後、GPT-5.5は9月14日の告知から30日後です。Sparkは告知から3日で、変更履歴に載ったのは廃止当日でした。APIの非推奨ポリシーも、安全性・コンプライアンス上の例外を除き、一般提供モデルには6か月以上、Codex派生モデルには3か月以上の予告期間を設ける一方、プレビューのモデルは2週間ほどの短い告知で終わることがあると明記しています。だから、研究プレビューの速度特化モデルを次の形で使うのは避けるべきです。
- CIや定期実行のジョブにモデル名を直接書く：3日では気づく前に止まります。CLIは自動で切り替わらず、終了コード1で止まります
- 別枠の上限を前提に作業量を見積もる：Sparkの専用上限はプレビュー期間だけの条件でした。後継のFast modeやUltrafastは、通常の枠を2.5〜8倍の速さで消費します
- テストを回さないモデルにマージ前の作業を任せる：Sparkは指示がない限りテストを実行しないため、テストの実行と結果の確認を毎回指示する必要がありました
反対に、IDEで画面を見ながら1行ずつ直す使い方なら、手元のピッカーで選ぶだけなので、廃止されても選び直せば済みます。チームの手順には一般提供のモデルを選び、モデル名を設定ファイル1か所で切り替えられるようにしておきます。Codexを社内の開発工程へ組み込む設計から相談したい場合は、生成AI導入支援でも受け付けています。
よくある質問
Codex Sparkは今も使えますか？
使えません。2026年9月14日に廃止され、ChatGPTデスクトップアプリ・Codex CLI・IDE拡張のいずれのモデル選択にも出てきません。CLIで -m gpt-5.3-codex-spark を指定すると、ChatGPTアカウントでは使えないというエラーで止まります。
GPT-5.3-Codex-Sparkの利用上限はどうなっていましたか？
研究プレビューのあいだは、Spark専用の利用上限があり、通常のCodexの上限には数えない仕組みでした。専用のハードウェアで動くため、需要が高いときは遅くなったり順番待ちになったりすることがあると案内されていました。
ChatGPT Plusでも使えましたか？
使えませんでした。OpenAIの発表とCodexの変更履歴は、提供対象をChatGPT Proの利用者に限っていました。APIも一部のデザインパートナーへの試験提供にとどまり、一般には公開されていません。
GPT-5.3-Codex-SparkとGPT-5.5・GPT-5.4 miniはどちらが高性能ですか？
公表値ではどちらもSparkより上です。xhighのSWE-Bench ProはSpark 51.5%・GPT-5.4 mini 54.4%・GPT-5.5 58.6%、Terminal-Bench 2.0は58.4%・60.0%・82.7%です。Sparkの強みは速さで、両モデルをxhighにしたSWE-Bench Proの推定所要時間は、GPT-5.3-Codexの約7分の1でした。GPT-5.3-Codex本体についてはGPT-5.3-Codexとは？性能・API料金と2027年4月の提供終了、移行先の選び方で解説しています。
Sparkの代わりにどのモデルを選べばよいですか？
ChatGPTサインインのCodexなら、複雑な作業や長く回す作業は gpt-6.1-sol、決まった形の作業を繰り返すなら gpt-6-luna が出発点です。応答の速さを求めるなら、そのうえでFast mode（/fast）をオンにします。Codex全体のモデルと料金の関係はCodexとは？OpenAIのAIコーディングエージェントの使い方・料金・モデルと商用利用を参照してください。
