OpenAI 釋出 GPT-5.1-Codex-Max：原生上下文壓縮，能連續跑 24 小時

給 AI 丟一個 Bug，它修了幾輪就把上下文視窗撐爆，然後開始胡言亂語。這種讓人哭笑不得的場景，幾乎每個用 AI 寫過程式碼的程式設計師都遇到過。

OpenAI 拿出的解法很直接：如果一個視窗裝不下，那就讓它學會自己換一張草稿紙繼續寫。

OpenAI 上線了專門針對程式設計任務的智慧體模型 GPT-5.1-Codex-Max。它直接取代了之前的 GPT-5.1-Codex，成為 Codex 的預設底層模型，覆蓋了命令列工具、IDE 外掛、雲端環境和程式碼審查等場景。

讓 AI 自己給記憶「打包瘦身」

這次最大的技術看點叫作 Compaction，也就是上下文壓縮機制。

以前的大模型做長任務，一旦對話歷史逼近上限，要麼直接報錯罷工，要麼暴力截斷前面的記錄，導致剛剛商量好的架構轉頭就忘。GPT-5.1-Codex-Max 是 OpenAI 首個原生針對跨上下文視窗訓練的模型。

它在快把上下文填滿時，會自動觸發壓縮機制，把冗餘的歷史剪掉，只保留核心上下文，然後無縫切進一個全新的視窗。靠著這種左腳踩右腳的操作，它可以在單個任務裡連貫處理數百萬個 token。

在 OpenAI 的內部評測裡，這個模型甚至能連續自主幹活超過 24 小時。遇到測試報錯自己改，改完再跑測試，直到整個功能跑通為止。

除了能扛長週期任務，它還首次學會了在 Windows 環境下跑工程。平時寫前端介面，生成的程式碼質量相當，但花銷比上一代更低。

思考更省 token，跑分全面重新整理

有意思的是，更聰明的模型反而更省算力了。

在基準測試 SWE-bench Verified 上，使用相同的 medium 推理檔位時，新模型不僅成績更好，而且消耗的思考 token 還少了整整 30%。

如果你遇到特別棘手的系統重構，它還加了一個 Extra High 的超高推理檔位，允許模型花更長時間深度琢磨方案。在這個模式下，它的 SWE-bench 得分達到了 77.9%，在模擬真實外包自由職業的 SWE-Lancer 測試中拿到了 79.9%，終端操控測試 Terminal-Bench 2.0 則跑到 58.1%。

根據 OpenAI 透露的資料，他們內部目前有 95% 的工程師每週都在用 Codex，團隊平均合併的 PR 數量比用之前增加了大概 70%。

在安全防線上，Codex 預設關在沙盒裡，寫入操作被鎖死在工作區，外網訪問也是預設關閉的，以此防範網頁注入攻擊。OpenAI 坦言這是他們目前網安能力最強的模型，但暫時還沒觸發內部防備框架的最高風險紅線。

目前 ChatGPT Plus、Pro 以及企業團隊版使用者已經能在 Codex 裡直接用上，獨立的 API 訪問許可權隨後開放。

為什麼重要

我們認為，GPT-5.1-Codex-Max 最聰明的地方，在於它沒有繼續硬卷單次上下文視窗的物理極限，而是把精力放在了狀態管理上。

以前大家拼命把視窗拉到 100 萬甚至 200 萬 token，但算力成本呈平方級飆升，而且模型越到後面越容易「大海撈針」失敗。OpenAI 轉向原生壓縮機制，相當於教給 AI 一套高水平程式設計師的整理術：草稿隨時扔，只留設計大綱和關鍵介面。這種思路讓普通開發者以更低的 token 成本，去跑耗時數小時的大型重構任務。

對行業來說，純粹的程式碼自動補全時代徹底翻篇了。它把戰場直接拉到了「自主交付」這一級，競爭對手如果還停留在生成單個函式或單次對話問答，差距會被迅速拉大。

不過隱患依然存在。AI 自主跑 24 小時聽起來很美，但程式碼庫裡被塞進幾千行看似跑通實則暗藏隱患的膠水程式碼，人類 Review 的心理負擔只會成倍增加。再加上預設斷網的沙盒限制，真到了依賴複雜外部微服務的真實業務場景裡，它究竟能跑多順暢，依然需要打個問號。