OpenAI выпустили GPT-5.1-Codex-Max

OpenAI представили GPT-5.1-Codex-Max. Модель обучали на реальных инженерных задачах — от создания PR до отладки и фронтенда. Она доступна в Codex в CLI, IDE и Cloud, а API готовят к запуску.

Модель показывает рост точности. На SWE-Lancer результат вырос с 66.3% до 79.9%. На SWE-Bench Verified — с 73.7% до 77.9% при более экономном использовании thinking-токенов. Для сравнения: при среднем уровне рассуждений она тратит примерно на треть меньше токенов, чем предыдущая версия. По заверениям OpenAI на длинных сессиях модель способна работать более 24 часов, последовательно фиксируя тесты и дорабатывая код.

Напомню, что текущим лидером по SWE-Bench был Sonnet 4.5 от Claude со значением 77.2%. Теперь первую строчку будет занимать GPT-5.1-Codex-Max.

GPT-5.1-Codex-Max рассчитана на длительную и детализированную работу. Это наша первая модель, которая изначально обучена работать через несколько контекстных окон благодаря процессу, который называется компакцией: она последовательно и согласованно оперирует миллионами токенов в рамках одной задачи. Это открывает возможности для рефакторинга уровня всего проекта, глубоких сессий отладки и многочасовых агентных циклов.

GPT-5.1-Codex-Max стал заметно эффективнее в расходовании токенов благодаря улучшенным механизмам рассуждения. На SWE-Bench Verified GPT-5.1-Codex-Max с уровнем рассуждения medium показывает лучшие результаты, чем GPT-5.1-Codex при тех же условиях, используя при этом на 30% меньше thinking-токенов.

Для задач, где задержка не критична, OpenAI добавили новый режим рассуждения — Extra High (xhigh): он думает дольше и выдаёт более качественный результат. Тем не менее, в большинстве случаев мы рекомендуем режим medium как основной.

Благодаря этому нововведению ожидается улучшение