GPT-5.3-Codex-Spark 下线怎么办？迁移与替代方案

GPT-5.3-Codex-Spark 将于下周退役，Codex 负责人 Tibo 在 9 月 14 日公布了这一消息。答案先给出来：对绝大多数用户来说不需要提前做什么，Codex 客户端的默认模型会自动切换；只有在自己代码里写死了 gpt-5.3-codex-spark 模型名的 API 调用，才需要在下线前手动换成 5.6 代的模型，否则会收到模型不存在的报错。

先确认：你会不会受这次下线影响

对号入座一下：

1. 用 Codex CLI、Codex IDE 插件或 ChatGPT 里 Codex 入口的用户：不受影响，模型列表会自动更新，无需操作。
2. 在自己项目里通过 API 调用、且模型名硬编码为 gpt-5.3-codex-spark 的开发者：受影响，下线后调用会直接报模型不存在，需要在下周前改配置。
3. 用第三方中转或代理服务且底层接了 Spark 的：受影响，等中转服务商自行切换，或换直连官方。
4. 把 Spark 写进评测脚本、CI 回归用例、成本对比文档的团队：受影响程度最容易被低估，代码能跑、文档和基线却会集体失效，建议一并清理。

官方口径：为什么退役，怎么说

官方的理由很直白：Spark 的使用量持续下降，而 OpenAI 手里已经有明显更强的模型，Tibo 的原话是「该给未来腾地方了」。他还在同一条动态里自嘲了一句：「我到现在都不相信我们真的上线过一个名字这么长的模型。」

值得注意的是措辞：官方给的是「下周退役」，没有精确到某一天。所以行动建议按最保守的方式排，也就是把迁移做完的时间点压在消息发布后一周内。官方模型支持口径见 OpenAI 帮助中心，模型代际说明以 OpenAI 官方文档为准。

Spark 是什么，为什么只活了 7 个月

Spark 今年 2 月 12 日发布，主打一个字：快。最高约 1200 tokens/s 的输出速度，128k 上下文，官方发布口径还包括往返成本降低约 80%、首 token 延迟降低约 50%。它还是 OpenAI 第一个跑在 NVIDIA 技术栈之外的生产模型，底层算力来自 Cerebras 的晶圆级芯片 WSE-3，同时也是那份 750 兆瓦、总价超过 200 亿美元算力订单的首次交付（详见 AIbase 的报道）。

但它的问题也很典型：为了塞进单颗晶圆，它本质上是个为极致速度妥协的蒸馏小模型。三个公开数据可以说明问题：

开发者普遍反馈它会编造不存在的 API 端点、JSON 输出格式不稳定。培训机构 Turing College 的点评传得很广：「没有智能的速度，只是失败得更快。」

压垮它的最后一根稻草是 8 月 13 日 Cerebras 推出的 Ultrafast 模式：不再用缩水小模型，而是把旗舰 GPT-5.6 Sol 按层切分、铺在多颗 CS-3 节点上形成流水线跑出 750 tokens/s，智力与标准版相当。官方对比数据是：同一任务在标准版平均耗时 7.7 分钟，Ultrafast 只用 83 秒，端到端提速 5.6 倍。Cerebras CEO Andrew Feldman 的说法是「速度和智能不再是二选一」。专门的「快模型」从此失去了存在的理由。

怎么迁移：按你的使用场景三选一

具体操作只有三步：

1. 全局搜索代码和配置文件里的 gpt-5.3-codex-spark，替换为 5.6 代模型名。
2. 跑一遍冒烟测试，重点看之前 Spark 场景的响应速度是否可接受。
3. 下线日之后观察日志，确认没有残留调用在报错。

迁移时最容易踩的四个坑

1. 只搜了主模型名，漏掉带后缀的变体：把 spark 作为关键词做一次不带连字符的模糊搜索，顺手把注释、README、示例代码和 .env.example 一起改掉。
2. 只看速度不看准确率天花板：Spark 在 SWE-Bench Pro 上的准确率长期卡在 47% 到 51% 区间，迁移时先确认你的场景原本有没有依赖它的速度来换质量，不要默认「换个更聪明的模型就万事大吉」。
3. 忘了中转和代理层：如果你是通过第三方网关调用的，模型名可能同时写在网关配置里，直连侧改完了照样报模型不存在。
4. 没有把模型名配置化：过去三个月 OpenAI 已经清掉三批旧模型，把模型名硬编码在业务代码里，等于每次下线潮都要重新做一遍今天这个动作。这次顺手改成「从配置中心读模型名」，下次改一行配置就行。

顺带检查：OpenAI 的模型下线节奏在加快

这不是孤立事件。过去三个月的清理时间线如下：

Codex 正在进入 Sol、Terra、Luna、Astra 的全新命名时代。对开发者来说，这轮下线的真正启示不是「哪个模型被砍了」，而是「模型名不能再当常量用」。如果你的工程里到处是硬编码模型名，这次一并治理。

计划把编码模型换成国产方案的话，可以参考这篇 GLM-5.3 深度评测，里面有与 Claude/GPT 的实测对比；

Codex 用得多的话，Codex 额度规则详解和重连 5 次报错的排查方法也建议收藏，想弄清 5.6 代里 Sol 这条线的定位可以看 GPT-5.6 Sol 解读。