OpenAI静默发布GPT-5.1 Pro与GPT-5.1-Codex-Max，AI编程模型效率再突破

人工智能领域的更新速度日新月异，几乎每天都有新进展，让人应接不暇。

前些天，先是Grok 4.1和Gemini 3 Pro相继亮相，如今OpenAI的GPT-5.1 Pro也悄然面世！

官方没有发布长篇博文，仅仅用两句话简单宣布。

众所周知，GPT-5.1专注于提升“情商”与“智商”，而Pro版本则将这两大优势发挥到更高水平。

同日，OpenAI全新的王牌代码模型GPT-5.1-Codex-Max，也已在Codex平台正式上线！

从名称可以看出，它基于GPT-5.1构建，并在软件工程、数学研究等智能体任务上进行了专门训练。

因此，GPT-5.1-Codex-Max能力更强大、响应更迅速，同时使用起来更节省token。

新模型专为“长时间、高强度”的开发工作而设计。

简单来说，它能连续自主运行超过24小时，一次性处理数百万token，并直接交付成果。

这恰好验证了Scaling Law仍在持续生效。

这是因为GPT-5.1-Codex-Max是OpenAI首个“原生支持压缩”机制的模型，能够跨越多个上下文工作。

这样一来，像项目重构、深度调试、长时间智能体循环等任务，它都能轻松应对。

目前，GPT-5.1 Pro已向所有Pro订阅用户开放。

GPT-5.1-Codex-Max已在Codex中支持CLI、IDE扩展、云端和代码审查使用，API接口也即将推出。

2025年接近尾声，AI终极对决即将爆发，GPT-5.1 Pro与Gemini 3 Pro之间，谁将脱颖而出？

OpenAI最强编程模型

这次的GPT-5.1-Codex-Max，是在“真实场景”中磨练出来的！

在PR创建、代码审查、前端开发、问答等工程师常见任务上，都进行了专项训练。

在多项前沿编码评估中，它都轻松超越了OpenAI之前的所有模型。

在SWE-bench Verified的评估结果中，GPT-5.1-Codex-Max获得了77.9%的高分。

GPT-5.1-Codex-Max不仅评分高，实际体验也大幅提升！

它是OpenAI首个可以在Windows环境中运行的模型，训练中还针对Codex CLI协作场景做了优化，更加易用。

思考token大幅降低30%

不仅如此，GPT-5.1-Codex-Max使用成本也更低。

在同样“中等”推理强度下，它不仅表现优于GPT-5.1-Codex，而且思考过程所用的token量减少了约30%。

对于对延迟不敏感的任务，新增的“超高”推理强度，可以花费更多时间获得更优质答案。

不过，日常使用中，OpenAI仍推荐中等强度。

token的节省意味着在实际开发中，成本可以显著降低，这对开发者来说是一大福音。

下面的演示中，清晰展示了GPT-5.1-Codex-Max和GPT-5.1-Codex在token使用上的差异。即使token减少，前者在前端设计中的功能和美观度都不逊色。

例如，让它们生成一个浏览器应用——一个可交互的CartPole强化学习沙盒，需要包括小型策略梯度控制器、指标面板，以及一个SVG网络可视化器。

上：GPT-5.1-Codex-Max；下：GPT-5.1-Codex

GPT-5.1-Codex-Max仅用27k思考token就完成了任务，而且代码更加简洁。

这个演示要求创建一个太阳系引力井沙盒，需要可视化物体在2D引力势场中的运动，并支持拖动平移视图、环绕观察场景。

上：GPT-5.1-Codex-Max；下：GPT-5.1-Codex

GPT-5.1-Codex-Max同样使用了更少的token和更精炼的代码完成了任务。

GPT-5.1-Codex-Max之所以如此强大，是因为采用了一套全新机制。

连续运行一天，全靠“压缩”机制

“压缩”机制让GPT-5.1-Codex-Max突破限制，处理那些因上下文过长而原本无法完成的任务。

例如，复杂重构和长时间智能体循环。

它会自动整理历史内容，筛选保留最关键的上下文，从而实现在长时间跨度内的连贯性。

在Codex中，当接近上下文上限时，GPT-5.1-Codex-Max会自动执行会话压缩，刷新上下文，并多次重复这一过程直到任务完成。

下面这个案例中，GPT-5.1-Codex-Max正在自主重构Codex CLI的开源仓库。

可以看到，当上下文快满时，它会自动压缩释放空间，从而在不丢失进度的情况下完成任务。

视频已经过剪辑和加速处理，以便更清楚地展示过程

内部测试显示，GPT-5.1-Codex-Max能连续自主工作超过24小时。

在此期间，它可以不断迭代实现、修复测试失败，并最终交付可用成果。

这种长时间、连贯的任务能力，是迈向更通用、更可靠AI系统的关键基石。

在METR评估中，GPT-5.1-Codex-Max的长程任务能力，成为了新的SOTA。

在OpenAI内部，已有95%的工程师每周都在使用Codex，自从引入之后，团队的Pull Request数量提升了约70%。

现在，GPT-5.1-Codex-Max搭配着持续升级的CLI、IDE扩展、云集成与代码审查工具，编程效率直接飙升。

一些网友试用的第一手感受，瞬间让人惊艳。

GPT-5.1 Pro上线，首批评测出炉

至于GPT-5.1 Pro，正如开篇所说，OpenAI只是在版本更新日志里写了两段介绍。

虽然官方没有单独发布博客，但提前拿到内测资格的专业人士，都非常兴奋地在第一时间分享了体验感受。

对于GPT-5.1迭代后的性能，Epoch AI第三方评估后称，几乎与GPT-5实力相当。

它们在“高”推理模式下，能力指数（ECI）得分均为151。

杰克森实验室教授、人类免疫学家Derya Unutmaz表示，性能相比之前显著提升的GPT-5.1 Pro，是他目前最喜爱的模型。

在下面的例子中，他分别向5.0和5.1 Pro询问了免疫学领域最重要的未解之谜，并要求这两个模型深入浅出地剖析每个问题，以便让没有免疫学学位的人也能理解其重要性。

其中，前两个回复来自GPT-5.1 Pro，接下来的两个较短回复来自GPT-5.0。

可以看到，GPT-5.1 Pro明显更胜一筹，因为它能让没有免疫学背景的人更轻松地理解这些解释，并且清晰地阐明了这些问题的重要性和潜在价值。

对比而言，GPT-5.1 Pro在清晰度和洞察力方面都有质的飞跃。它的回答在保持深度的同时，内容更完整自洽、更形象生动、也更易于理解。

虽然GPT-5.0的回复在内容上也同样出色，但剖析得不够透彻。

GPT-5.1 Pro

GPT-5.0

HyperWrite AI的CEO Matt Shumer也在一篇详细的体验报告中表示：GPT-5.1 Pro是目前最好的“大脑”，虽然响应较慢，但思考深入。

对于大多数日常工作，Gemini 3更佳；毕竟在一个独立界面中等待10分钟才能得到答案并不理想。

但对于任何需要深入思考、规划和研究的任务，以及任何必须一次性做对的事情，GPT-5.1 Pro更优。

长文地址：https://shumer.dev/gpt51proreview

反应较慢，但聪明得离谱

它不仅比大多数人类更擅长推理，而且在处理真正棘手的难题时，也比其他任何模型都要聪明。

预计几天内，就会出现它解决了一些人们认为当今AI系统力所不及的问题的例子。

指令遵循能力是最大的亮点

它真的会严格执行你的要求，而不会跑偏。

对于严肃的编码任务，它给人的感觉不那么像一个“助手”，而更像是一个依据规格说明书工作的外包工程师（哪怕你的规格说明书有点模糊）。

前端和用户体验设计，以及写作，都是弱项

不管是创意写作，还是设计漂亮的UI，Gemini 3都要更胜一筹。

但最大的弱点还是界面

它只能在ChatGPT中使用，无法集成到IDE里，也无法连接到其他工具链中。这一点与GPT-5 Pro如出一辙。

参考资料：

https://x.com/OpenAI/status/1991266192905179613?s=20

https://x.com/OpenAIDevs/status/1991217488550359066?s=20