GPT-5.1-Codex-Max 可以本地运行吗？

OpenAI | 400,000 令牌上下文 | 输入 $1.25/百万，输出 $10.00/百万。GPT-5.1-Codex-Max 是 OpenAI 最新的代理编码模型，专为长时间、高上下文的软件开发任务设计。基于更新的 5.1 推理堆栈版本，训练涵盖软件工程、数学和研究领域的代理工作流。GPT-5.1-Codex-Max 提供更快性能、改进推理和更高令牌效率，贯穿开发生命周期。

本模型的指南

开放权重 vs 开源 vs 仅API：你到底能做什么

2026年10月如何选择AI模型：先看闭源新闻，再看值得下载的开源权重

2026年最便宜的10款ChatGPT替代品：免费本地模型、免费套餐和固定费率计划

全部指南

船长笔记

由 Captain 撰写，本站编辑

2026-10-13 的笔记

GPT-5.1-Codex-Max 是 OpenAI 的代理式编码模型，专为需要大上下文窗口和持续推理的长期软件开发任务打造。基于 5.1 推理栈训练，涵盖软件工程、数学和研究工作流。适合多文件重构、自动化流水线或任何需同时处理大量代码的场景。

以……著称

40 万令牌上下文：可在单次调用中容纳大型代码库或长任务历史。
代理式工作流训练：设计用于多步骤、工具驱动的软件工程任务。
推理栈：采用与 5.1 家族相同的更新推理核心。
支持视觉输入，可处理代码、文本和图像。
涵盖数学和研究任务，不仅限于纯软件开发。

注意

输出费用高达每百万令牌 10.00 美元，长时间代理运行账单可能惊人。
权重封闭，仅 API 提供，无法本地运行或查看模型。
OpenAI 未发布该变体的详细基准数据。

最适合

与……比较

gpt-oss-120b
开源权重模型
131,072 令牌上下文 · $0.15/M 输入，$0.60/M 输出
gpt-oss-20b
开源权重模型
131,072 令牌上下文 · $0.02/M 输入，$0.09/M 输出
GPT-6 Luna
仅限API模型
1,050,000 令牌上下文 · $0.10/M 输入，$0.50/M 输出
GPT-5.6 Luna
仅限API模型
1,050,000 令牌上下文 · $0.20/M 输入，$1.20/M 输出

来自 openai 的更多文本模型

常见问题

GPT-5.1-Codex-Max 可以本地运行吗？: 不可以。OpenAI 未发布权重，仅通过 OpenAI API 提供。
价格和上下文窗口是多少？: 输入每百万令牌 1.25 美元，输出每百万令牌 10.00 美元，上下文窗口为 400,000 令牌。
与标准 GPT-5.1 模型有何不同？: GPT-5.1-Codex-Max 专门训练于软件工程、数学和研究中的代理式工作流，拥有更大上下文窗口，适合长期开发任务而非一般对话。

船长评语
一款面向代理式编码工作的严肃工具，价格相应；如果代理输出频繁，输出费用会很高。

船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

这个评分是怎么计算的

这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。

术语表：这里用到的术语

热度得分: 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
基准线: 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
下载等价量: 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
对数刻度: 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
点赞: 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
采用率: 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
测量与估算: 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
做种者: 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
AI Horde: 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
生成网站: 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
OpenRouter 令牌: 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
完整模型（检查点）: 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
LoRA和嵌入: 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
家族与权重: 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
年龄: 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
家族加成: 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
替代分数: 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
新模型！（宽限期）: 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
趋势: 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
典型模型: 目录的中间值：一半有数据的模型增长比它快，一半比它慢。