GPT-5.1-Codex-Max 登顶 Terminal-Bench 2.0

原文与翻译

原文（查看原帖）：

Seeing GPT-5.1-Codex-Max be first in terminal bench 2.0 is nice because it is within the Codex CLI harness, which means it measures something that is readily usable by all with a $20 ChatGPT subscription, without tricks.

It also makes me very excited for the weeks to come.

中文翻译：

看到 GPT-5.1-Codex-Max 在 Terminal-Bench 2.0 排第一很开心，因为它是在 Codex CLI 框架内跑的，这意味着它衡量的是任何有 20 美元 ChatGPT 订阅的人都能直接用上的东西，没有花招。

这也让我对接下来几周非常期待。

来源标注：@thsottiaux · 原帖链接

背景

GPT‑5.1‑Codex‑Max 于 2025 年 11 月 19 日发布，是 OpenAI 首个原生通过压缩（compaction）跨多个上下文窗口工作的模型，可在单个任务中连贯处理数百万 token，并取代 GPT‑5.1‑Codex 成为 Codex 默认模型（来源：Building more with GPT‑5.1‑Codex‑Max）。

Terminal-Bench 是评测智能体在终端环境完成任务的公开基准；排名以其官方榜单为准。

意味着什么

Codex‑Max 把「长时间自主运行」变成了卖点；随之而来的是循环、引号处理、奇怪命令等长尾问题，Tibo 的帖子记录了这些问题被逐个修掉的过程。

我的观点

新模型上线头几周的体验波动很正常，遇到问题用 /feedback 反馈比在社交媒体抱怨更有效——这是 Tibo 反复强调的。