Full text · 原文
1,789 字
闻乐 发自 凹非寺<br>
量子位 | 公众号 QbitAI<br>
Gemini 3力压全场，OpenAI坐不住了。<br>
发布Codex新版本——GPT-5.1-Codex-Max，突破上下文窗口限制，实现跨越数百万token的长时间连续工作，最长超过24小时的那种。<br>
新模型任务效率也更高。它做的太阳系引力沙盒和上一代GPT-5.1-Codex的对比是这样的（多加了几个“太阳”看引力效果）：<br>
△上：GPT-5.1-Codex-Max 下：GPT-5.1-Codex<br>
资源消耗是这样的：<br>
于是，奥特曼昨天刚夸完Gemini 3，今天又赶来给自家GPT-5.1-Codex-Max站台，咱说这也太忙了（doge）。<br>
新版本在METR达到新SOTA。这个指标衡量的是，用人类做任务的时间当参照，看AI有一半概率能搞定同款任务的能力。<br>
其实就是先看人类做某类软件工程任务得花X小时，然后看AI模型能不能有50%的概率，把这项任务给完成了。<br>
上面数据说明，在这种情况下，GPT-5-Codex-Max有50%的概率能够成功完成一项原本需要人类2小时42分钟完成的软件工程任务。<br>
这比GPT-5对标的时间还多了25分钟。<br>
超长待机<br>
AI编程现在这么火，各家也都在奋力加码自家模型。<br>
在这个前沿赛道，模型处理复杂任务的推理能力、持久力与稳定性，始终是衡量效能的关键指标。<br>
而GPT-5.1-Codex-Max这次也是做了大升级。<br>
首先，它在PR创建、代码审查等实际软件工程任务中训练，推理变得更快更有效。也是OpenAI首个能在Windows环境中的模型。<br>
在SWE-bench Verified测试中，同样medium推理力度下，它比之前的GPT‑5.1-Codex性能更好，且思考token使用减少了30%。<br>
而且针对非延迟敏感任务还推出了xhigh推理力度选项，思考时间更长答案更好。<br>
说到思考时间长，这次的新版本对于长时间运行任务的处理也比较出色，能够实现“超长待机”，跨多个上下文窗口连贯工作。<br>
这是因为GPT-5.1-Codex-Max原生支持压缩，突破了上下文窗口限制。<br>
具体来说，在接近上下文窗口限制时，模型会自动压缩对话，获得新上下文窗口然后继续任务，直到完成。<br>
在内部评估中，它能一次独立运行超过24小时，连贯处理数百万个token。<br>
看样子，新模型在处理长运行、高强度的任务上比较有优势。<br>
比如，它在应对书籍、长文档分析等超长篇幅任务时，就无需拆分内容，避免信息割裂产生的理解偏差。<br>
也能支撑高负载、长周期的持续工作。<br>
OpenAI研究员Noam Brown对此表示：（虽然现在表现就很不错但）尚未遇到瓶颈，还没达到极限。<br>
目前，GPT-5.1-Codex-Max已在Codex中支持与CLI、IDE扩展、云端和代码审查工具结合使用，API接口很快也会上线。<br>
当然了，新的编程模型一出，Claude是肯定会被拉出来遛一下的。<br>
相比之下，Claude Code速度更快。<br>
新版Codex的token消耗量更友好。<br>
或许，Claude和Codex的组合拳更能打。<br>
OMT<br>
一天时间，Gemini 3、Grok 4.1 Fast、GPT-5.1-Codex-Max都来了，好一个硅谷345组团上新（doge）。<br>
这位网友你真相了说得有道理。<br>
实际上，OpenAI这次还悄悄发布了GPT-5.1 Pro。<br>
虽然官方介绍仅有寥寥几笔，但通过第三方测评来看，这个Pro版本看上去还是有点东西的。<br>
尤其是在指令遵循方面做得更好。<br>
虽然在一定程度上和Gemini 3有差距，但如果能接入IDE，将发挥出更大的潜力。<br>
参考链接：<br>
[1]https://x.com/polynoamial<br>
[2]https://openai.com/index/gpt-5-1-codex-max/<br>
[3]https://x.com/sama/status/1991258606168338444<br>
[4]https://x.com/OpenAI/status/1991266192905179613<br>
[5]https://news.ycombinator.com/item?id=45982649<br>
[6]https://x.com/mattshumer_/status/1991263717820948651<br>
— 完 —