對話OpenAI

GPT-5.2 Codex AI 聊天助手

GPT-5.2 Codex 是 Rivya 的分析型 AI 編碼助理,適合架構審閱、長週期重構、系統思考,以及大型程式碼庫中的高難度除錯。

輸入
提示詞 + 可選圖片
輸出
AI 聊天助手
點數
按次使用付費 — 點數依使用量計算
最適合
架構審閱和系統設計取捨
範例輸出

範例輸出

適合回歸規劃、內容檢查與發布準備。

Responses

線上試用

使用 GPT-5.2 Codex

輸入設定

準備這次執行

預估點數: 4+

對話控制

選擇 Rivya 何時可以搜尋網頁、應使用多高的推理強度,以及所選模型支援時是否包含模型思考內容。

網頁搜尋

允許支援的模型在回覆時擷取即時網頁結果。

推理強度

使用模型預設值,或在可用時要求更強或更輕的推理層級。

開始一段對話,把規劃、提示詞和創意方向整理成一條可重用的脈絡。

提示詞起步

用驗證過的提示詞開始使用 GPT-5.2 Codex

不想從空白提示開始時,可使用已映射到 GPT-5.2 Codex 的模板,讓第一次執行更穩。

模型證明

看看 GPT-5.2 Codex 的輸出長什麼樣

先使用上方線上試用,再對照這些範例結果判斷完成度、節奏和任務適配度,之後再決定是否在 Studio 消耗更多點數。

聊天串

請 Rivya 協助規劃、提示詞、分析或程式碼工作。

Codex 測試計畫提示詞的聊天預覽。

輸出

適合回歸規劃、內容檢查與發布準備。

主要範例

適合回歸規劃、內容檢查與發布準備。

Codex 測試計畫提示詞的聊天預覽。

輸入

提示詞 + 可選圖片

觀察重點

Codex 測試計畫提示詞的聊天預覽。

每次使用點數

按次使用付費 — 點數依使用量計算

為什麼這個模型有效

為什麼這個模型有效

複雜工程推理能力更強

最適合系統設計和架構

12K output tokens,支援完整程式碼生成

最適合的任務

最適合的任務

架構審閱和系統設計取捨具備相依性意識的大型重構跨多層的高難度除錯從既有程式碼撰寫技術規格

模型證明

聊天串

請 Rivya 協助規劃、提示詞、分析或程式碼工作。

發布回滾計畫的對話預覽。

根據發布筆記建立回滾計畫,包含切換點、資料風險、負責人與驗證命令。

發布回滾計畫的對話預覽。

聊天串

請 Rivya 協助規劃、提示詞、分析或程式碼工作。

效能回歸排查對話的對話預覽。

把效能症狀整理成可能原因、測量計畫、安全實驗和回滾觸發條件。

效能回歸排查對話的對話預覽。

聊天串

請 Rivya 協助規劃、提示詞、分析或程式碼工作。

無障礙回歸檢查對話的對話預覽。

檢查 UI diff 中的焦點順序、目標尺寸、減少動態效果、標籤和行動版文字溢出。

無障礙回歸檢查對話的對話預覽。

聊天串

請 Rivya 協助規劃、提示詞、分析或程式碼工作。

整合測試設計對話提示詞的對話預覽。

根據使用者路徑、資料邊界、失敗模式和驗證目標設計整合測試。

整合測試設計對話提示詞的對話預覽。

聊天串

請 Rivya 協助規劃、提示詞、分析或程式碼工作。

支付 Webhook 稽核對話的對話預覽。

稽核支付 webhook 路徑中的冪等性、重放安全、點數寫入,以及客戶可見的失敗處理。

支付 Webhook 稽核對話的對話預覽。

聊天串

請 Rivya 協助規劃、提示詞、分析或程式碼工作。

發布回滾計畫的對話預覽。

根據發布筆記建立回滾計畫,包含切換點、資料風險、負責人與驗證命令。

發布回滾計畫的對話預覽。

聊天串

請 Rivya 協助規劃、提示詞、分析或程式碼工作。

效能回歸排查對話的對話預覽。

把效能症狀整理成可能原因、測量計畫、安全實驗和回滾觸發條件。

效能回歸排查對話的對話預覽。

聊天串

請 Rivya 協助規劃、提示詞、分析或程式碼工作。

無障礙回歸檢查對話的對話預覽。

檢查 UI diff 中的焦點順序、目標尺寸、減少動態效果、標籤和行動版文字溢出。

無障礙回歸檢查對話的對話預覽。

聊天串

請 Rivya 協助規劃、提示詞、分析或程式碼工作。

整合測試設計對話提示詞的對話預覽。

根據使用者路徑、資料邊界、失敗模式和驗證目標設計整合測試。

整合測試設計對話提示詞的對話預覽。

聊天串

請 Rivya 協助規劃、提示詞、分析或程式碼工作。

支付 Webhook 稽核對話的對話預覽。

稽核支付 webhook 路徑中的冪等性、重放安全、點數寫入,以及客戶可見的失敗處理。

支付 Webhook 稽核對話的對話預覽。

決策適配

什麼情況下適合選這個模型

決策適配

適配訊號

複雜工程推理能力更強
最適合系統設計和架構
12K output tokens,支援完整程式碼生成
支援技術圖表的視覺輸入
分析深度高於 GPT-5.1 Codex

最適合的任務

任務接近這些情境時使用

架構審閱和系統設計取捨具備相依性意識的大型重構跨多層的高難度除錯從既有程式碼撰寫技術規格規劃代理式工程任務

安靜事實

確認輸入、輸出和點數

提供方

OpenAI

類別

對話

能力

Responses

點數模式

按次使用付費 — 點數依使用量計算

輸入路徑

提示詞 + 可選圖片

提示設定

最多 20,000 個字元

開發者存取

可透過 API 使用

確認模型欄位、參考媒體規則和點數行為後,可透過 Public API v1 呼叫 GPT-5.2 Codex。

常見問題

GPT-5.2 Codex 常見問題

比較替代模型

接下來可以考慮的其他模型

對話

GPT-5.5

OpenAI 在 Rivya 上的進階 GPT 對話模型,適合在任務簡報需要更多推理空間時處理複雜推理、圖像輔助分析、研究統整和結構化寫作。

為什麼考慮它

如果點數說明適合下一次執行,可以考慮它:按量付費 - 依使用量消耗點數。

輸入提示詞 + 可選圖片
點數按量付費 - 依使用量消耗點數
最適合跨越冗長或零散來源資料的研究統整
對話

GPT-5.4

OpenAI 在 Rivya 上更高階的 AI 對話模型,具備更強的結構化輸入處理、推理控制和工具導向對話專案能力,適合更複雜的分析與寫作任務。

為什麼考慮它

如果任務適配度接近這個方向,可以考慮它:長篇策略 brief 和決策備忘錄。

輸入提示詞 + 可選圖片
點數按次使用付費 — 點數依使用量計算
最適合長篇策略 brief 和決策備忘錄
對話

GPT-5.4 Codex

OpenAI 在 Rivya 上更高階的 Codex 模型,為要求較高的 repo 級開發專案提供更強的程式碼能力、結構化推理和工具導向協作。

為什麼考慮它

如果點數說明適合下一次執行,可以考慮它:按量付費 — 依使用量消耗點數。

輸入提示詞 + 可選圖片
點數按量付費 — 依使用量消耗點數
最適合Repo 級除錯和架構審查