OpenAI: GPT-5.2-Codex

GPT-5.2-Codex è un modello OpenAI della famiglia GPT-5.2, rilasciato dal provider il 14 gennaio 2026. È una versione aggiornata di GPT-5.1-Codex, ottimizzata per l'ingegneria del software e i flussi di lavoro di programmazione. È progettato per servire sia sessioni di sviluppo interattive sia l'esecuzione lunga e indipendente di attività di ingegneria complesse. Si colloca nella categoria testo, e il suo focus è il codice piuttosto che la conversazione generale, il che influenza il resto di ciò che fa bene.

Il modello accetta testo e immagini come input e restituisce testo come output. La sua finestra di contesto è di 400.000 token, e l'output massimo è di 128.000 token. L'input di immagini è utile quando il materiale su cui si ragiona è uno screenshot, un diagramma o un rendering di un'interfaccia anziché testo sorgente. La combinazione di una grande finestra di contesto e di un ampio budget di output significa che puoi affidargli un'intera porzione di repository, una specifica lunga o uno stack trace prolungato e ottenere comunque una risposta sostanziosa in una sola chiamata.

Queste capacità indicano un insieme di utilizzi piuttosto specifico. L'esecuzione lunga e indipendente di attività di ingegneria complesse lo rende un candidato per lavori multi-step come leggere una codebase, pianificare una modifica e realizzarla su molti file. Le sessioni interattive lo rendono adatto a flussi di lavoro in stile pair programming, refactoring, generazione di test e debugging da uno stack trace o da uno screenshot di una build fallita. Gli output strutturati e il supporto agli strumenti lo rendono utilizzabile come nucleo di ragionamento di un agente che legge file, esegue comandi o chiama altri servizi. L'input di immagini estende questo a compiti in cui l'artefatto rilevante è visivo, per esempio trasformare un mockup di design o un diagramma in codice.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello "openai/gpt-5.2-codex", quindi gli SDK e i client OpenAI esistenti funzionano con il solo cambio di base URL e chiave. I parametri di richiesta supportati sono include_reasoning, max_completion_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools e verbosity. In pratica, reasoning_effort e verbosity ti permettono di scambiare deliberazione e lunghezza della risposta con la latenza, max_completion_tokens limita l'output, response_format e structured_outputs vincolano la forma della risposta, e tools con tool_choice collegano il modello al function calling. Seed è utile quando vuoi un campionamento ripetibile.

Poiché è ottimizzato per la programmazione, un modello di chat generico può adattarsi meglio a compiti senza componente ingegneristica, come testi di marketing o conversazione aperta. La qualità della risposta e la latenza dipendono anche da come imposti reasoning_effort e verbosity, quindi vale la pena confrontare queste impostazioni con i tuoi carichi di lavoro prima di impegnarti. Non c'è alcuna restrizione dichiarata sulle modalità di input o sui parametri oltre a quanto elencato qui.