Gemini 3的超预期表现拿到了本该GPT-5应该有的评价，为了换回注意力，OpenAI刚刚紧急发布了GPT-5.1 Codex Max，这是其新一代前沿智能编码。该模型在开发周期的每个阶段都表现出更快的速度、更高的智能水平和更好的令牌效率，又一次将AI编程推向了新高度。
它在SWE-Bench（编程）测试中取得77.9%准确率，比谷歌发布的Gemini 3 Pro（76.2%）高出1.7个百分点。在 Terminal-Bench 2.0 测试中，58.1% 对 54.2%，优势更明显。更关键的是，它首次实现了持续24小时的项目级开发，包括多步骤重构、测试驱动迭代和自主调试。
主要更新：自动压缩与扩展推理
GPT-5.1 Codex Max引入了两项关键改进：
自动压缩（Compaction）：模型现在能够自主管理其上下文窗口，通过压缩技术，扩展可处理的代码项目规模，并延长完成任务所需的工作时长。这是首个原生训练支持跨多个上下文窗口操作的模型，能够在单个任务中连贯处理数百万个令牌。
扩展推理能力（xhigh reasoning effort）：模型现在可以“思考更长时间”，输出令牌数量相比之前的“高”推理模式翻倍，以实现更优的结果。在非延迟敏感任务中，这一改进尤为显著。
有网友提到，旧版的压缩功能在总结上下文时会丢失关键信息，导致性能大幅下降。但新版模型通过端到端的强化学习训练，压缩效果预计会更好。不过，也有用户对实际编码任务中的表现持观望态度，希望看到更多真实案例。
一位用户分享了自己的体验：“如果能在Windows环境下运行Codex而不需要每个提示都批准15个操作，且工具调用不再频繁失败，那就太棒了。”目前，GPT-5.1 Codex Max已支持Windows环境，并优化了在Codex CLI中的协作能力。
性能与成本优化
在效率方面，GPT-5.1 Codex Max显示出显著的令牌效率提升。在SWE-bench Verified测试中，使用“中等”推理努力时，该模型在达到相同性能的同时，比GPT-5.1 Codex少用了30%的思考令牌。
可用性与未来展望
GPT-5.1 Codex Max现已通过Codex在CLI、IDE扩展、云环境和代码评审中使用，API访问即将开放。这一更新为大规模项目重构、深度调试会话和多小时智能循环任务提供了可能。
尽管模型在上下文窗口管理上有所突破，但有用户指出，当使用超过50%的上下文时，模型性能仍会下降。自动压缩的触发时机是否能由用户自定义，也成为后续关注的焦点。
