OpenAI深夜双王炸！GPT-5.1 Pro紧急发布，降维打击Gemini 3

　　新智元报道

　　编辑：桃子 好困

　　【新智元导读】今天，是OpenAI的主场，同一天祭出两大杀器——GPT-5.1 Pro和GPT-5.1-Codex-Max。最强编码模型首次采用「压缩」机制，在数百万token上连续编程超24小时。

　　AI圈一日一更的频率，真的是有点跟不住了....

　　前两天，先是Grok 4.1、Gemini 3 Pro发布，今天OpenAI GPT-5.1 Pro也静默登场了！

　　没有一篇博文，仅有两句话官宣。

　　众所周知，GPT-5.1主打「情商智商」双强，Pro无疑将这两大优势推向更高层次。

　　同一天，OpenAI全新王牌代码模型GPT-5.1-Codex-Max，已经在Codex平台正式上线了！

　　从命名上不难看出，它是基于GPT-5.1搭载，并在软件、工程、数学、研究等智能体任务专门训练。

　　由此，GPT-5.1-Codex-Max能力更强、反应更快，而且用起来更省token。

　　新模型是专为「长时间、高强度」的开发任务而设计。

　　就这么说吧，它能连续自主工作超24小时，一口气处理数百万token，直接交付成果的那种。

　　这恰恰印证了，Scaling Law还在永续。

　　这是因为，GPT-5.1-Codex-Max是OpenAI首个「原生支持压缩」机制的模型，可以跨越多个上下文工作。

　　这下，像项目重构、深度调试、多小时智能体循环这些任务，它都能稳稳接住。

　　目前，GPT-5.1 Pro已向所有Pro订阅用户推出。

　　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接口也将很快上线。

　　2025年临近收官，AI终极对决一触即发，GPT-5.1 Pro与Gemini 3 Pro之间，胜负之手将落于谁家？

　　OpenAI最强编程模型

　　这次的GPT-5.1-Codex-Max，那可是在「真实战场」上炼出来的！

　　诸如在PR创建、代码审查、前端开发、问答等工程师常见任务中，全部做过专门训练。

　　在多项前沿编码评测中，它都轻松超越了OpenAI此前所有模型。

　　还有在SWE-bench Verified上的评估结果中，GPT-5.1-Codex-Max拿下了77.9%的高分。

　　GPT-5.1-Codex-Max不仅跑分高，实际体验更是大升级！

　　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，更好用了。

　　思考token暴降30%

　　不仅如此，GPT-5.1-Codex-Max用起来也更省钱了。

　　在同样「medium」（中等）推理强度下，它不光表现比GPT-5.1-Codex更好，而且思考过程所用的token量减少约30%。

　　对于不敏感于延迟的任务，新增的「Extra High」（xhigh）推理强度，可花费更多时间获得优质答案。

　　不过，日常使用的话，OpenAI还是推荐medium。

　　token省下来了，这就意味着在实际开发中，成本可以大幅降低，可谓开发者的福音。

　　下面这些demo中，清晰呈现了GPT-5.1-Codex-Max和GPT-5.1-Codex使用token差异。即便是token减少，前者在前端设计中的功能和颜值都不输以往。

　　比如，让它们生成一个浏览器应用——即可交互的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完成了任务，而且代码更加精简。

　　这个demo要求的是，做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同样用了更少的token，和更精炼的代码完成了任务。

　　GPT-5.1-Codex-Max这么强，是因为采用了一套全新机制。

　　狂跑一天，全是「压缩」

　　「压缩」机制让GPT-5.1-Codex-Max突破限制，处理那些因上下文太长而原本无法完成的任务。

　　比如，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24小时。

　　在此期间，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系统的通用基石。

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

　　在OpenAI内部，已有95%工程师每周都在用Codex，自从引入之后，团队的Pull Request数量提升约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，编程效率直接起飞。

　　一些网友试用第一手感觉，瞬间惊艳了。

　　GPT-5.1 Pro上线，首测来了

　　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。

　　虽然官方没有单开一篇博客，但提前拿到内测资格的大佬们，都非常兴奋地在第一时间放出了自己的体验感受。

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

　　它们在high（高）推理模式下，能力指数（ECI）得分均151。

　　杰克森实验室教授、人类免疫学家Derya Unutmaz表示，性能相较之前明显提升了一个档次的GPT-5.0 Pro，是他现在最喜爱的模型。

　　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提升。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也在一篇超级长的体验报告中表示：GPT-5.1 Pro是目前最好的「大脑」，虽然很慢，但深思熟虑。

　　对于大多数日常工作，Gemini 3更好；毕竟在一个独立的界面中等待10分钟才能得到答案显然并不理想。

　　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更好。

　　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