GPT-5.2-Codexが主要ツールで解禁　「Windows最適化」×「長時間エージェント」で実用性が向上

SWE-Bench Pro（左）とTerminal-Bench 2.0（右）におけるGPT-5.2-Codexの評価結果（OpenAI公式発表より引用）SWE-Bench Proでは、GPT-5.2-Codexが56.4％の精度（正解率）で、GPT-5.2（55.6％）とGPT-5.1（50.8％）を上回った。Terminal-Bench 2.0でもGPT-5.2-Codexが64.0％でGPT-5.2（62.2％）とGPT-5.1-Codex-Max（58.1％）を上回っている。いずれも「実際のコードベースの修正」や「ターミナルでの操作を伴う作業」を想定したベンチマークであり、Codexが長時間のエージェント型作業（反復作業）に強いことを示す材料となる。