GPT-5.1-Codex: năng lực, chi phí và giới hạn qua nguồn chính thức

GPT-5.1-Codex được OpenAI giới thiệu ngày 13/11/2025 trong đợt GPT-5.1 dành cho nhà phát triển. Model hướng tới tác vụ lập trình dạng agent kéo dài trong Codex hoặc môi trường tương tự, không phải tên gọi khác của toàn bộ sản phẩm Codex.

Chuyên dụng cho quy trình lập trình dài

Thông cáo OpenAI phân biệt GPT-5.1 đa dụng, phù hợp phần lớn tác vụ coding, với gpt-5.1-codex và gpt-5.1-codex-mini được tối ưu cho agentic coding dài hơi. Điều này không có nghĩa bản Codex luôn tốt hơn trên mọi yêu cầu hội thoại hoặc mọi đoạn mã ngắn.

Trong môi trường agent, model đề xuất hành động; harness cung cấp nội dung repository, công cụ sửa file, shell và kết quả test. Năng lực của cả hệ thống không chỉ đến từ model. Quyền mạng, môi trường thực thi và chất lượng bộ test ảnh hưởng trực tiếp tới kết quả.

Không gán benchmark GPT-5.1 sang Codex

Thông cáo nêu GPT-5.1 high đạt 76,3% SWE-bench Verified trên đủ 500 bài, với harness dùng apply_patch dạng JSON. Đó không phải con số riêng được xác nhận cho GPT-5.1-Codex. Cùng thế hệ không cho phép chuyển điểm giữa các biến thể; càng không thể coi điểm benchmark là tỷ lệ sửa đúng mọi issue thực tế.

Công cụ cần lớp thực thi có kiểm soát

Đợt API giới thiệu apply_patch và shell: ứng dụng nhận diff hoặc lệnh do model đề xuất, thực thi và gửi lại kết quả. Các công cụ này không tự cấp quyền máy tính. Việc cho phép sửa repository hoặc chạy lệnh cần giới hạn rõ, nhất là khi nội dung mã nguồn có thể chứa chỉ dẫn không đáng tin.

Quy trình dài cũng cần checkpoint, log và kiểm chứng tác động. Model nói đã sửa lỗi chưa đủ: cần diff đúng phạm vi, test thực chạy và người duyệt cho thay đổi nhạy cảm. Đây là yêu cầu vận hành một agent, không phải tuyên bố bài đã kiểm thử model.

Chi phí và giới hạn bằng chứng

Thông cáo xác nhận phát hành hai biến thể Codex trong API nhưng không cung cấp bảng giá riêng đầy đủ ngay trong phần mô tả chúng. Không mặc nhiên áp câu giá GPT-5.1 bằng GPT-5 cho mọi biến thể chuyên dụng. Khi lập ngân sách cần đối chiếu tài liệu giá đúng model và thời điểm.

Chi phí tác vụ còn gồm ngữ cảnh repository, token sinh và các vòng lặp sửa-test. Một model giảm số lần thử có thể có lợi ở cấp quy trình, nhưng cần đo thay vì suy từ tên Codex. So với GPT-5.1 và GPT-5-Codex, nên giữ cùng repository, quyền công cụ và tiêu chí nghiệm thu.

Nguồn: OpenAI, Introducing GPT-5.1 for developers, 13/11/2025.