ModellerPriserVirksomhed
500+ AI Model API, Alt I Én API. Kun I CometAPI
Modeller API
Udvikler
Hurtig StartDokumentationAPI Dashboard
Virksomhed
Om osVirksomhed
Ressourcer
AI-modellerBlogÆndringslogSupport
ServicevilkårPrivatlivspolitik
© 2026 CometAPI · All rights reserved
Home/Models/OpenAI/GPT 5.1 Codex Max
O

GPT 5.1 Codex Max

Indtast:$1/M
Output:$8/M
Kontekst:400K
Maks Output:128K
GPT-5.1-Codex-Max er OpenAIs specialdesignede agentbaserede kodemodel i GPT-5.1-familien, optimeret til at udføre langvarige softwareudviklingsarbejdsgange (refaktoreringer, agentsløjfer over flere timer, terminalautomatisering, testkørsler og kodegennemgang) med højere pålidelighed og token-effektivitet end sine forgængere.
Ny
Kommersiel brug
Playground
Oversigt
Funktioner
Priser
API

Hvad er GPT-5.1-Codex-Max?

GPT-5.1-Codex-Max er en model i Codex-familien, der er tunet og specialbygget til agentiske kodningsworkflows — dvs. autonome ingeniøropgaver i flere trin såsom repo-skala-refaktoreringer, lange debug-sessioner, multi-time agent-løkker, kodegennemgang og programmatisk brug af værktøjer. Den er beregnet til udviklerworkflows, hvor modellen skal kunne:

  • Bevare tilstand på tværs af mange redigeringer og interaktioner;
  • Betjene værktøjer og terminaler (køre tests, kompilere, installere, udføre git-kommandoer) som del af en automatiseret kæde;
  • Producere patches, køre tests og levere sporbare logs og referencer til output

Hovedfunktioner

  • Kompaktering og kontekst med flere vinduer: Trænet direkte til at kompaktere historik og arbejde sammenhængende på tværs af flere kontekstvinduer, hvilket muliggør kontinuitet i projekter i stor skala.
  • Agentisk værktøjsbrug (terminal + værktøjer): Forbedret evne til at køre terminalsekvenser, installere/bygge/teste og reagere på programoutput.
  • Højere tokeneffektivitet: Designet til at allokere tokens mere effektivt til små opgaver, samtidig med at den bruger længere ræsonnementforløb til komplekse opgaver.
  • Refaktorering og store redigeringer: Bedre til refaktorering på tværs af filer, migreringer og patches på repositorieniveau (OpenAI interne evalueringer).
  • Ræsonnementsniveauer: Nye niveauer for ræsonnementindsats til længere, beregningstunge ræsonnementer (f.eks. Extra High / xhigh til opgaver, der ikke er følsomme over for latenstid).

Tekniske kapaciteter (hvad den er god til)

  • Langsigtet refaktorering og iterative løkker: kan opretholde projektomfattende refaktoreringer og debug-sessioner i mange timer (OpenAI rapporterer >24 timer i interne demoer) ved at iterere, køre tests, opsummere fejl og opdatere kode.
  • Fejlretning i virkelige miljøer: stærk ydeevne på benchmarks for patching af rigtige repositorier (SWE-Bench Verified: OpenAI rapporterer 77.9% for Codex-Max i xhigh/extra-effort-indstillinger).
  • Terminal-/værktøjskompetence: læser logs, kalder compilere/tests, redigerer filer, opretter PR’er — dvs. fungerer som en terminal-native agent med eksplicitte, inspicerbare værktøjskald.
  • Accepterede input: standard tekstprompter plus kodestykker, repository-snapshots (via værktøjs-/IDE-integrationer), skærmbilleder/vinduer i Codex-flader hvor vision er aktiveret, og anmodninger om værktøjskald (f.eks. kør npm test, åbn fil, opret PR).
  • Producerede output: kodepatches (diffs eller PR’er), testrapporter, trin-for-trin kørselslogs, forklaringer i naturligt sprog og annoterede kommentarer til kodegennemgang. Når den bruges som agent, kan den udsende strukturerede værktøjskald og opfølgende handlinger.

Benchmark-ydeevne (udvalgte resultater og kontekst)

  • SWE-bench Verified (n=500) — GPT-5.1-Codex (high): 73.7%; GPT-5.1-Codex-Max (xhigh): 77.9%. Denne måling evaluerer virkelige ingeniøropgaver hentet fra GitHub / open source-problemstillinger.
  • SWE-Lancer IC SWE: GPT-5.1-Codex: 66.3% → GPT-5.1-Codex-Max: 79.9% (OpenAI rapporterede forbedringer på visse leaderboards).
  • Terminal-Bench 2.0: GPT-5.1-Codex: 52.8% → GPT-5.1-Codex-Max: 58.1% (forbedringer i evalueringer af interaktiv terminal-/værktøjsbrug).

Begrænsninger og fejltilstande

  1. Dobbelt anvendelse / cybersikkerhedsrisiko: Den forbedrede evne til at betjene terminaler og køre værktøjer medfører bekymringer om dobbelt anvendelse (modellen kan hjælpe med både defensivt og offensivt sikkerhedsarbejde); OpenAI understreger trinvise adgangskontroller og overvågning.
  2. Ikke perfekt deterministisk eller korrekt: Selv med stærkere ydeevne på ingeniøropgaver kan modellen foreslå forkerte patches eller overse subtil kode-semantik (falske positive/negative i fejldetektion), så menneskelig gennemgang og CI-testning er fortsat afgørende.
  3. Afvejninger mellem omkostninger og latenstid: Høj-indsats-tilstande (xhigh) bruger mere compute/tid; lange agent-løkker over mange timer bruger credits eller budget. Planlæg efter omkostninger og rate limits. ([OpenAI开发者][2])
  4. Kontekstgarantier vs. effektiv kontinuitet: Kompaktering muliggør projektkontinuitet, men præcise garantier for hvilke tokens der bevares, og hvordan kompaktering påvirker sjældne hjørnetilfælde, kan ikke erstatte versionsstyrede repo-snapshots og reproducerbare pipelines. Brug kompaktering som en assistent, ikke som den eneste sandhedskilde.

Sammenligning med Claude Opus 4.5 og Gemini 3 Pro (overordnet)

  • Anthropic — Claude Opus 4.5: Community- og pressebenchmarks placerer generelt Opus 4.5 en smule foran Codex-Max på rå korrekthed i fejlretning (SWE-Bench), med styrker inden for videnskabelig orkestrering og meget concise, tokeneffektive output. Opus er ofte dyrere pr. token, men kan i praksis være mere tokeneffektiv. Codex-Max’ fordel er langsigtet kompaktering, integration med terminalværktøjer og omkostningseffektivitet til lange agentforløb.
  • Google Gemini-familien (3 Pro osv.): Gemini-varianter er fortsat stærke på multimodale og generelle ræsonnementsbenchmarks; inden for kodning varierer resultaterne efter harness. Codex-Max er specialbygget til agentisk kodning og integreres med DevTool-workflows på måder, som generalistmodeller ikke gør som standard.

Sådan får du adgang til og bruger GPT-5.1 Codex Max API

Trin 1: Tilmeld dig for at få en API-nøgle

Log ind på cometapi.com. Hvis du endnu ikke er bruger hos os, skal du først registrere dig. Log ind på din CometAPI-konsol. Hent adgangsoplysningerne i form af API-nøglen til interfacet. Klik på “Add Token” under API-token i det personlige center, hent tokennøglen: sk-xxxxx, og indsend.

Trin 2: Send anmodninger til GPT-5.1-Codex-Max API

Vælg endpointet “ gpt-5.1-codex-max” for at sende API-anmodningen og angiv request body. Anmodningsmetoden og request body hentes fra API-dokumentationen på vores website. Vores website tilbyder også Apifox-test for nemheds skyld. Erstat <YOUR_API_KEY> med din faktiske CometAPI-nøgle fra din konto. Udviklere kalder disse via Responses API / Chat endpoints.

Indsæt dit spørgsmål eller din anmodning i content-feltet — det er dette, modellen vil svare på. Behandl API-responsen for at få det genererede svar.

Trin 3: Hent og verificer resultater

Behandl API-responsen for at få det genererede svar. Efter behandling svarer API’et med opgavestatus og outputdata.

Priser for GPT 5.1 Codex Max

Udforsk konkurrencedygtige priser for GPT 5.1 Codex Max, designet til at passe til forskellige budgetter og brugsbehov. Vores fleksible planer sikrer, at du kun betaler for det, du bruger, hvilket gør det nemt at skalere, efterhånden som dine krav vokser. Opdag hvordan GPT 5.1 Codex Max kan forbedre dine projekter, mens omkostningerne holdes håndterbare.
Comet-pris (USD / M Tokens)Officiel Pris (USD / M Tokens)Rabat
Indtast:$1/M
Output:$8/M
Indtast:$1.25/M
Output:$10/M
-20%

Eksempelkode og API til GPT 5.1 Codex Max

GPT-5.1-Codex-Max er OpenAI’s formålsbyggede agentiske kodningsmodel i GPT-5.1-familien, optimeret til at udføre langvarige software engineering-arbejdsgange (refaktoreringer, fler-timers agentløkker, terminalautomatisering, testkørsler og kodegennemgang) med højere pålidelighed og tokeneffektivitet end sine forgængere.
POST
/v1/responses
Python
JavaScript
Curl
from openai import OpenAI
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)
response = client.responses.create(
    model="gpt-5.1-codex-max", input="Tell me a three sentence bedtime story about a unicorn."
)

print(response)

Python Code Example

from openai import OpenAI
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)
response = client.responses.create(
    model="gpt-5.1-codex-max", input="Tell me a three sentence bedtime story about a unicorn."
)

print(response)

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY;
const base_url = "https://api.cometapi.com/v1";

const openai = new OpenAI({
  apiKey: api_key,
  baseURL: base_url,
});

const response = await openai.responses.create({
  model: "gpt-5.1-codex-max",
  input: "Tell me a three sentence bedtime story about a unicorn.",
});

console.log(response);

Curl Code Example

curl https://api.cometapi.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "gpt-5.1-codex-max",
    "input": "Tell me a three sentence bedtime story about a unicorn."
  }'