GPT‑5.1‑Codex‑Max 登場，我們全新推出前沿編碼代理模型，現已在 Codex 上線。GPT‑5.1‑Codex‑Max 的底層推理模型已升級，該模型經過軟體工程、數學、研究等多元代理任務的訓練。GPT‑5.1‑Codex‑Max 在開發週期的每個階段都具備更高速度、更強推理能力與更佳的 Token 使用效率，成為你寫程式時更可靠的搭檔。
GPT‑5.1‑Codex‑Max 專為長時間且細節繁多的工作流程所打造。這是我們首款原生訓練、能透過壓縮處理流程 (compaction) 跨越多個上下文視窗運作的模型，可在單一任務中協調處理數百萬個 Token。這項能力讓模型能執行專案層級重構、進行深入的除錯流程，並持續運作長達數小時的代理循環。
GPT‑5.1‑Codex‑Max 現已可在 Codex 中使用，支援 CLI、IDE 擴充套件、雲端與程式碼審查，API 存取亦即將推出。
GPT‑5.1‑Codex‑Max 的訓練內容來自真實的軟體工程任務，例如 PR 建立、程式碼審查、前端編碼和問答等，在多項前沿編碼評測中超越我們以往的模型。基準測試的提升也反映在實際應用上：GPT‑5.1‑Codex‑Max 是我們首款能在 Windows 環境運作的模型，且訓練內容已納入提升模型在 Codex CLI 中協作表現的相關任務。
* 所有評估皆啟用壓縮並以「Extra High」推理強度運行
* Terminal-Bench 2.0 則是在 Laude Institute Harbor harness(在新視窗中開啟) 中，以 Codex CLI 執行
GPT‑5.1‑Codex‑Max 的推理更有效率，Token 使用效率因此隨之大幅提升。在 SWE-Bench Verified 測試集中，GPT‑5.1‑Codex‑Max 在「medium」推理強度下的表現優於 GPT‑5.1‑Codex。在相同推理強度下，思考 Token 的使用量減少 30%。對於非延遲敏感的任務，我們也推出全新的 Extra High（「xhigh」）推理強度，能進行更長時間的思考，提供更佳答案。我們仍建議大多數任務平常都選擇「medium」推理強度。
Token 使用效率提升後，開發者的成本支出應該會有感減少。
例如：GPT‑5.1‑Codex‑Max 能產出具備相似功能與美感的高品質前端設計，但成本遠低於 GPT‑5.1‑Codex。
提示詞：Generate a single self-contained browser app that renders an interactive CartPole RL sandbox with canvas graphics, a tiny policy-gradient controller, metrics, and an SVG network visualizer.
功能
Must be able to actually train a policy to make model better at cart poleVisualizer for the activations/weights when the model is training or at inferenceSteps in the episode, rewards this episodeLast survival time and best survival time in steps
Save to index.html
壓縮處理流程使 GPT‑5.1‑Codex‑Max 能完成過去因上下文視窗限制而失敗的任務，例如複雜重構與長時間代理循環。它會修剪歷程紀錄，同時保留長期推理所需的關鍵上下文。在 Codex 應用程式中，GPT‑5.1‑Codex‑Max 會在工作階段接近上下文視窗上限時自動執行壓縮，取得新的上下文視窗並繼續處理任務。這個流程會持續重複，直到任務完成。
在打造更通用、更可靠的 AI 系統過程中，長時間維持連貫運作正是關鍵能力。GPT‑5.1‑Codex‑Max 能獨立運作長達數小時。在內部評估中，我們觀察到 GPT‑5.1‑Codex‑Max 可持續處理任務超過 24 小時。它會不斷改進實作、修正測試錯誤，最終成功達成任務。
在此範例中，GPT‑5.1‑Codex‑Max 正在獨立重構 Codex CLI 開源儲存庫。
當工作階段接近模型的上下文視窗上限時，系統會自動壓縮工作階段來釋放空間，讓任務得以持續進行，不會丟失進度。
影片已經過剪輯並加速，使內容更清楚呈現。
GPT‑5.1‑Codex‑Max 在需要長時間、持續推理的各項評測中成果特別亮眼。模型能透過壓縮在多個上下文視窗中保持連貫運作，因此在長期編碼與資安等領域的挑戰中表現更佳。我們在 GPT‑5.1‑Codex‑Max 的系統說明卡中，分析了模型在第一方與第三方評估中的表現結果。
在我們的整備架構下，GPT‑5.1‑Codex‑Max 在資安領域尚未達到「高能力」標準，但已是我們迄今部署過最強的資安模型，且代理型資安能力正快速提升。因此，我們正著手為更高階的資安能力做好準備，並持續加強在資安領域的防護措施。同時，我們也努力確保防禦方能透過 Aardvark 等計畫，實際運用這些更強大的能力。
推出 GPT‑5‑Codex 時，我們部署了專門的資安監控機制，用來偵測並阻斷惡意活動。目前雖然尚未觀察到大規模濫用明顯增加，但我們已在準備因應更高階模型能力的額外防範措施。我們的團隊也曾成功阻斷企圖濫用模型的網路行動，而可疑活動則會透過政策監管系統進行審查。
Codex 預設在安全沙盒中運行：檔案寫入僅限於其工作區，且除非開發者手動啟用，否則網路存取會保持關閉。我們建議將 Codex 維持在這種受限的運作模式，因為啟用網路或網頁搜尋，可能會招致來自不可信內容的提示詞注入風險。
隨著 Codex 更能處理長時間任務，開發者在進行變更或部署到生產環境前，更需要先檢查代理程式的輸出。為了協助審查，Codex 會輸出終端機日誌，並附上工具呼叫與測試結果。雖然 Codex 的程式碼審查能降低將模型或人為錯誤部署到生產環境的風險，但模型仍只是審查輔助，無法完全取代人工審查。
資安能力既可用於防禦也可能用於攻擊，因此我們採取循序式部署方式：從實際使用中持續學習、更新防護措施，並保留自動化漏洞掃描與修補協助等重要防禦工具。
GPT‑5.1‑Codex‑Max 現已可在 Codex 中使用，適用於 ChatGPT Plus、Pro、Business、Edu 與 Enterprise 方案。若要了解各方案的使用限制，請參閱我們的說明文件(在新視窗中開啟)。
我們預計很快會在 API 中提供 GPT‑5.1‑Codex‑Max，適用於透過 API 金鑰使用 Codex CLI 的開發者。
即日起，GPT‑5.1‑Codex‑Max 取代原本的 GPT‑5.1‑Codex，成為 Codex 介面的預設模型。GPT‑5.1 屬於通用模型；相較之下，我們建議僅將 GPT‑5.1‑Codex‑Max 與 Codex 系列模型用於 Codex 或類似環境中的代理型編碼任務。
GPT‑5.1‑Codex‑Max 展現了模型在長期編碼任務、複雜流程管理，以及以更少 Token 生成高品質實作等面向的明顯進步。模型與持續升級的 CLI、IDE 擴充套件、雲端整合以及程式碼審查工具相結合後，工程生產力激增。OpenAI 內部有 95% 的工程師每週使用 Codex，自從導入 Codex 後，他們提交的 PR 數量增加了約 70%。隨著我們持續挑戰代理程式的能力極限，也很期待看到開發者運用代理程式所交付的成果。
GPT‑5.1‑Codex (high) | GPT‑5.1‑Codex‑Max (xhigh) | |
SWE-bench Verified 測試集 (n=500) | 73.7% | 77.9% |
SWE-Lancer IC SWE | 66.3% | 79.9% |
Terminal-Bench 2.0 | 52.8% | 58.1% |
