OpenAI 发布 GPT-5.1-Codex-Max

背景

编程模型的能力，从「补全一行代码」逐渐转向常说的代理式编程（agentic coding）：人给出一个目标，模型自己一步步往下做——读文件、改代码、运行命令、查看结果，而不是对一个请求给出一次答案就结束。任务一旦拉长，两件事会同时吃紧：模型能在多长的任务里不丢掉目标，以及每一步要消耗多少 token（模型读写文本的计量单位）。

发布

2025年11月19日，OpenAI 发布 GPT-5.1-Codex-Max，将其定位为代理式编程模型^[1]。同一天，公司发布 GPT-5.1 Pro，取代 GPT-5 Pro^[1]。

GPT-5.1-Codex-Max 成为 OpenAI 的 Codex 智能体中的一个可选模型，而 Codex 正是这家公司的编程模型执行任务的环境^[1]。

关键细节

OpenAI 表示，这个模型建立在其基础推理模型的一次更新之上，在开发周期的每个阶段都更快、更聪明，也更省 token^[3]。省 token 对代理式任务尤其重要：一个长任务会反复读写大量文本，如果单步开销降下来，同样的额度就能覆盖更多工作。

模型的训练素材是真实软件工程任务，包括创建拉取请求（pull request）、代码审查、前端编程和代码问答^[3]。这些都是软件团队日常在做的事，而不是孤立的题目：拉取请求是开发者提交给他人阅读和评论的改动，代码审查就是阅读并评论这些改动，前端编程写的是用户看得见、会操作的那部分产品，代码问答则是围绕一份已有代码库回答问题。

据 VentureBeat 报道，在内部测试中，这个模型曾在一个任务上连续工作了 24 小时^[2]。能连续工作这么久，和快速给出一段答案不是一回事：任务越长，模型越需要把目标稳稳维持在整条链路上，也越需要让每一个中间步骤与前面的步骤保持一致。

OpenAI 还为 Codex 系列划出了使用边界：建议只在 Codex 或类似环境中、只用于代理式编程任务，而不像通用型的 GPT-5.1 那样面向广泛请求^[3]。这条区分说的是模型被安排在什么场合使用。通用模型要应对各式各样的请求；而在工程任务上训练过的编程模型，被指向的是一个更窄的场景——身边有编程环境里的工具和文件。

影响

这次发布把两条线并排摆在了同一天：GPT-5.1-Codex-Max 作为编程工作的模型选项进入 Codex 智能体，GPT-5.1 Pro 则接替了 GPT-5 Pro 的位置^[1]。编程模型受训的任务清单——拉取请求、代码审查、前端、代码问答——描述的是日常工程流程中的若干环节，而不是某一项孤立的测试题^[3]。

另一个信号是时间尺度。一个在内部测试中被报道在单个任务上花了 24 小时的模型，衡量它的标准是能把一件工作推进多远，而不只是单个答案有多好^[2]。OpenAI 建议 Codex 系列只在 Codex 或类似环境中使用，从另一面说明了同一件事：公司把这类模型定位为特定场合的工具，而不是通用助手的直接替代品^[3]。