待验证85% 置信事实时间未知

Codex Max在SWE-Bench验证集上表现优于原始GPT 5.1 Codex，同时减少了30%的思考token

1

来源数

85%

置信度

中期 (~90 天)

时效性

2026/5/31

首次发现

有效期至：2026/8/29

来源

GPT-5.1 Pro深度评测：最聪明的AI困在最烂的界面里

bilibili安得广厦千万间678

涉及实体

Codex Maxmodel GPT 5.1 Codexmodel SWE-Benchconcept OpenAIcompany

相关事实

待验证Claude Sonnet 4.6与GPT-5.1 Codex在SWE-Bench Verified上的解决率差距仅为3.3个百分点68% 相似待验证SWE-Bench评测中，Claude Code得分59分，Codex得分56.8分68% 相似待验证Codex于2021年发布时在HumanEval基准上达到28.8%的pass@1得分，而GPT-4在同一基准上已超过67%65% 相似待验证Codex 的思考强度分为低、中、高、超高四档65% 相似待验证初代Codex在HumanEval基准测试上的pass@1指标达到28.8%，而直接使用GPT-3仅为0%64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/12478

API

curl https://kongchang.com/api/v1/knowledge/claims/12478

MCP

get_claim(id=12478)