在 2025 年 11 月 19–20 日，OpenAI 发布了两个相关但不同的升级：GPT-5.1-Codex-Max，一个面向 Codex 的新型代理型编码模型，强调长时程编码、Token 效率与“压缩”，以支撑多窗口会话；以及 GPT-5.1 Pro，一款面向复杂专业工作的 Pro 级 ChatGPT 模型，经过调优以提供更清晰、更强大的回答。
什么是 GPT-5.1-Codex-Max，它要解决什么问题？
GPT-5.1-Codex-Max 是 OpenAI 推出的专门 Codex 模型，针对需要“持续、长时程推理与执行”的编码工作流进行了调优。普通模型在极长上下文中容易出错——例如跨多文件重构、复杂代理循环或持续的 CI/CD 任务——而 Codex-Max 旨在在多个上下文窗口间自动压缩并管理会话状态，使其在单个项目跨越成千上万（甚至更多）Token 时仍能连贯地工作。OpenAI 将 Codex-Max 定位为让具备编码能力的代理真正适用于长时间工程工作的下一步。
什么是 GPT-5.1-Codex-Max，它要解决什么问题？
GPT-5.1-Codex-Max 是 OpenAI 推出的专门 Codex 模型，针对需要“持续、长时程推理与执行”的编码工作流进行了调优。普通模型在极长上下文中容易出错——例如跨多文件重构、复杂代理循环或持续的 CI/CD 任务——而 Codex-Max 旨在在多个上下文窗口间自动压缩并管理会话状态，使其在单个项目跨越成千上万（甚至更多）Token 时仍能连贯地工作。
OpenAI 将其描述为“在开发周期的每个阶段都更快、更智能、且 Token 更高效”，并明确意在取代 GPT-5.1-Codex，成为 Codex 界面的默认模型。
功能速览
- 面向多窗口连续性的压缩： 修剪并保留关键上下文，在数百万 Token 与数小时的跨度内连贯工作。0
- 相较 GPT-5.1-Codex 的 Token 效率改进： 在部分代码基准上，以相近推理强度实现约 30% 更少的思考 Token。
- 长时程代理耐久性： 内部观测可维持数小时/数天的代理循环（OpenAI 记录了超过 24 小时的内部运行）。
- 平台集成： 今日已可在 Codex CLI、IDE 扩展、云端与代码评审工具中使用；API 访问即将推出。
- Windows 环境支持： OpenAI 特别指出 Codex 工作流首次支持 Windows，扩大真实世界开发者覆盖面。
与竞品（如 GitHub Copilot、其他编码 AI）相比如何？
与按次请求的补全工具相比，GPT-5.1-Codex-Max 被定位为更自主、长时程的协作者。尽管 Copilot 等助手在编辑器内的短期补全上表现出色，Codex-Max 的强项在于编排多步骤任务、跨会话维持连贯状态，以及处理需要规划、测试与迭代的工作流。话虽如此，多数团队的最佳实践将是混合：用 Codex-Max 处理复杂自动化与持续代理任务，用更轻量的助手完成行级补全。
GPT-5.1-Codex-Max 如何工作？
什么是“压缩”，它如何支持长时间运行的工作？
核心技术进步是压缩——一种内部机制，在保留要点上下文的同时修剪会话历史，从而让模型能在“多个”上下文窗口之间持续连贯地工作。实际上，这意味着当 Codex 会话接近其上下文上限时，会进行压缩（较旧或价值较低的 Token 被总结/保留），从而为代理提供新的窗口，反复迭代直至任务完成。OpenAI 报告了超过 24 小时的连续运行内部案例。
自适应推理与 Token 效率
GPT-5.1-Codex-Max 采用改进的推理策略以提升 Token 效率：在 OpenAI 报告的内部基准中，Max 模型在与 GPT-5.1-Codex 相当的推理强度下，使用显著更少的“思考”Token 即可达到相近或更好的表现——OpenAI 称在 SWE-bench Verified 上思考 Token 减少约30%。该模型还引入了“Extra High (xhigh)”推理强度模式，用于非延迟敏感任务，使其能投入更多内部推理以获得更高质量输出。
系统集成与代理工具链
Codex-Max 正在 Codex 工作流（CLI、IDE 扩展、云端与代码评审界面）中分发，以便与实际开发者工具链交互。早期集成包括 Codex CLI 与 IDE 代理（VS Code、JetBrains 等），API 访问计划随后提供。其设计目标不只是更聪明的代码合成，更是能运行多步骤工作流的 AI：打开文件、运行测试、修复失败、重构并再次运行。
GPT-5.1-Codex-Max 在基准与实际工作中的表现如何？
持续推理与长时程任务
评估显示在持续推理与长时程任务上有可衡量改进：
- OpenAI 内部评估： Codex-Max 在内部实验中可在“超过 24 小时”的时间里工作，并且将 Codex 与开发者工具链集成后，内部工程生产力指标（如使用率与 Pull Request 吞吐等）有所提升。这些是 OpenAI 的内部声明，指向真实世界生产力在任务层面的改进。
- 独立评估（METR）： METR 的独立报告测得 GPT-5.1-Codex-Max 的观察到的 50% 时间视界（表示模型连贯地维持长任务的中位时长）约为2 小时 40 分钟（置信区间较宽），在可比测量中高于 GPT-5 的 2 小时 17 分钟——这是在持续连贯性上的有意义改进。METR 的方法与 CI 强调可变性，但该结果支持 Codex-Max 提升实际长时程表现的叙述。
代码基准
OpenAI 报告在前沿编码评测上有所提升，尤其是 SWE-bench Verified 上，GPT-5.1-Codex-Max 在 Token 效率更高的情况下胜过 GPT-5.1-Codex。公司强调在相同“medium”推理强度下，Max 模型在使用约少 30% 的思考 Token 的同时产出更好的结果；对允许更长内部推理的用户，xhigh 模式可在牺牲延迟的情况下进一步提升答案质量。
| GPT‑5.1-Codex (high) | GPT‑5.1-Codex-Max (xhigh) | |
| SWE-bench Verified (n=500) | 73.7% | 77.9% |
| SWE-Lancer IC SWE | 66.3% | 79.9% |
| Terminal-Bench 2.0 | 52.8% | 58.1% |
GPT-5.1-Codex-Max 与 GPT-5.1-Codex 有何不同？
表现与目的差异
- 范围： GPT-5.1-Codex 是 GPT-5.1 系列的高性能编码变体；而 Codex-Max 明确是面向长时程代理的继任者，旨在成为 Codex 及类 Codex 环境的推荐默认模型。
- Token 效率： Codex-Max 在 SWE-bench 与内部使用中显示出显著 Token 效率提升（OpenAI 声称思考 Token 减少约 30%）。
- 上下文管理： Codex-Max 引入压缩与原生多窗口处理，以支撑超出单个上下文窗口的任务；Codex 未在同等规模上原生提供此能力。
- 工具链就绪度： Codex-Max 作为默认 Codex 模型在 CLI、IDE 与代码评审界面中发布，标志着生产级开发工作流的迁移。
何时使用哪种模型？
- 使用 GPT-5.1-Codex： 用于交互式编码辅助、快速修改、小型重构，以及所有相关上下文轻松容纳于单个窗口、对延迟更敏感的场景。
- 使用 GPT-5.1-Codex-Max： 用于跨多文件的重构、需要多轮迭代的自动化代理任务、类 CI/CD 的工作流，或需要模型在多次交互中保持项目级视角的情形。
实用提示词模式与最佳实践示例？
有效的提示模式
- 明确目标与约束： “重构 X，保留公共 API，保持函数名不变，并确保测试 A、B、C 通过。”
- 提供最小可复现上下文： 链接到失败测试，包含堆栈跟踪与相关文件片段，而非倾倒整个仓库。Codex-Max 会在需要时压缩历史。
- 对复杂任务使用分步指令： 将大任务拆分为子任务序列，让 Codex-Max 按步骤迭代（例如，“1) run tests 2) fix top 3 failing tests 3) run linter 4) summarize changes”）。
- 请求解释与 diff： 同时请求补丁与简短理由，便于人工审阅者快速评估安全性与意图。
示例提示模板
重构任务
“Refactor the
payment/module to extract payment processing intopayment/processor.py. Keep public function signatures stable for existing callers. Create unit tests forprocess_payment()that cover success, network failure, and invalid card. Run the test suite and return failing tests and a patch in unified diff format.”
缺陷修复 + 测试
“A test
tests/test_user_auth.py::test_token_refreshfails with traceback . Investigate root cause, propose a fix with minimal changes, and add a unit test to prevent regression. Apply patch and run tests.”
迭代生成 PR
“Implement feature X: add endpoint
POST /api/exportwhich streams export results and is authenticated. Create the endpoint, add docs, create tests, and open a PR with summary and checklist of manual items.”
对于大多数任务，从 medium 强度开始；当需要模型在多文件与多次测试迭代间进行更深入推理时切换到 xhigh。
如何访问 GPT-5.1-Codex-Max
今日可用范围
OpenAI 已将 GPT-5.1-Codex-Max 集成进 Codex 工具链：Codex CLI、IDE 扩展、云端与代码评审流程默认使用 Codex-Max（你可以选择 Codex-Mini）。API 访问尚在准备中；GitHub Copilot 有包含 GPT-5.1 与 Codex 系列模型的公开预览。
开发者可通过 CometAPI 访问 GPT-5.1-Codex-Max 与 GPT-5.1-Codex API。开始之前，先在 CometAPI 的 Playground 中探索模型能力，并查阅 API 指南获取详细说明。访问前请确保已登录 CometAPI 并获取 API key。CometAPI 提供远低于官方价格的定价，帮助你完成集成。
准备好了吗？→ Sign up for CometAPI today！
若想获取更多技巧、指南与最新动态，关注我们的 VK、X 与 Discord。
快速开始（实用分步）
- 确认你具备访问权限： 确认你的 ChatGPT/Codex 产品计划（Plus、Pro、Business、Edu、Enterprise）或开发者 API 计划支持 GPT-5.1/Codex 系列模型。
- 安装 Codex CLI 或 IDE 扩展： 如需在本地运行代码任务，安装适用于 VS Code/JetBrains/Xcode 的 Codex CLI 或 Codex IDE 扩展。在受支持的环境中，工具将默认使用 GPT-5.1-Codex-Max。
- 选择推理强度： 大多数任务从 medium 开始。对深度调试、复杂重构或不关心响应延迟、希望模型思考更充分的情况，切换到 high 或 xhigh。对小修小改，low 即可。
- 提供仓库上下文： 给出清晰的起点——仓库 URL 或一组文件以及简短说明（例如，“refactor the payment module to use async I/O and add unit tests, keep function-level contracts”）。当接近上下文上限时，Codex-Max 会压缩历史并继续工作。
- 结合测试迭代： 在模型产出补丁后运行测试套件，并将失败反馈到持续会话中。压缩与多窗口连续性使 Codex-Max 能保留关键的失败测试上下文并持续迭代。
结论：
GPT-5.1-Codex-Max 朝着能在复杂、长时间工程任务中保持可持续性的代理型编码助手迈出了重要一步，并带来更高的效率与推理能力。其技术进步（压缩、推理强度模式、Windows 环境训练）使其非常适合现代工程组织——前提是团队配以保守的运营控制、清晰的人在环策略与健壮的监控。对谨慎采用的团队而言，Codex-Max 有潜力改变软件的设计、测试与维护方式——将重复的“苦活”转化为人与模型之间更高价值的协作。