OpenAI ha presentato GPT-5.1-Codex-Max, il nuovo modello agentico dedicato allo sviluppo software che prende il posto dell’attuale famiglia Codex come riferimento principale dentro l’ambiente Codex. Non si tratta di un semplice “upgrade di versione”, ma di un vero partner di sviluppo progettato per seguire progetti complessi, lunghi e ricchi di iterazioni, lavorando di fatto come un collega virtuale che non si stanca mai.
Il modello è già disponibile nelle superfici Codex – CLI, estensione IDE, cloud e code review – mentre l’accesso via API è previsto a breve. Per chi sviluppa ogni giorno, questo significa poter iniziare fin da subito a sperimentare un flusso di lavoro in cui Codex non completa solo una singola funzione, ma accompagna l’intero ciclo di sviluppo, dalla prima bozza di codice fino al refactoring finale.
Un partner di sviluppo pensato per lavori lunghi e complessi
L’obiettivo dichiarato di GPT-5.1-Codex-Max è chiaro: gestire compiti software di lunga durata. Non solo “scrivere uno snippet”, ma portare avanti attività che normalmente richiederebbero ore di concentrazione, come:
refactoring estesi su interi repository;
debug profondi di bug difficili e intermittenti;
cicli agentici multi-ora, in cui il modello lavora in autonomia seguendo un obiettivo.
Al centro di tutto c’è la capacità di operare su più finestre di contesto attraverso la compaction, un processo che permette di gestire milioni di token senza perdere il filo del discorso. Quando la cronologia della sessione si avvicina al limite, il modello compatta la storia:
riduce ciò che è accaduto in forma sintetica,
mantiene solo le parti davvero rilevanti,
libera spazio per continuare a lavorare senza ricominciare da zero.
In questo modo, GPT-5.1-Codex-Max riesce a mantenere continuità logica e memoria operativa anche su attività che durano molte ore, dove in passato i limiti di contesto avrebbero inevitabilmente portato a errori, ripetizioni o perdita di coerenza.
Capacità avanzate di sviluppo: un modello nato sul campo
GPT-5.1-Codex-Max non è un modello generico a cui è stato “attaccato” il coding in un secondo momento: nasce dall’addestramento su compiti reali di ingegneria del software, gli stessi che un team affronta in un normale sprint. Tra le attività su cui il modello è stato allenato troviamo:
creazione di pull request complete, con modifiche strutturate e messaggi di commit coerenti;
code review con commenti nel diff, suggerimenti di refactoring e individuazione di edge case;
programmazione front-end, dalla logica di interfaccia fino all’attenzione per l’estetica e l’usabilità;
Q&A tecnico, ossia la capacità di rispondere a domande su stack, librerie, errori e pattern architetturali.
Inoltre, GPT-5.1-Codex-Max è il primo modello Codex progettato specificamente per operare in ambienti Windows. Ciò significa che è più a suo agio con:
script e strumenti tipici dell’ecosistema Windows;
percorsi e file system specifici;
task pensati per migliorare la collaborazione con gli sviluppatori tramite il Codex CLI.
Tutto questo si traduce in un modello che parla la lingua degli sviluppatori, capace di inserirsi più facilmente nei flussi di lavoro reali, invece di limitarsi a generare porzioni di codice in modo astratto.
Benchmark e risultati: cosa dicono i numeri
Per misurare l’impatto reale del nuovo modello, OpenAI ha valutato GPT-5.1-Codex-Max su alcuni benchmark significativi in ambito software engineering. Le metriche non sono tutto, ma aiutano a capire quanto l’evoluzione sia concreta.
Nei test interni, il modello mostra incrementi notevoli di accuratezza rispetto ai predecessori:
sul benchmark SWE-Lancer IC SWE si passa dal 66,3% al 79,9%, un salto che indica una maggiore capacità di completare correttamente task complessi simili alle attività quotidiane di un software engineer;
su Terminal-Bench 2.0 si registra un 58,1% contro il 52,8% della versione precedente, con compaction attivo e reasoning impostato su livello Extra High (xhigh).
Questi risultati non rappresentano solo un miglioramento “accademico”: indicano che GPT-5.1-Codex-Max gestisce meglio i workflow complessi, in cui bisogna:
eseguire comandi in terminale,
interpretare output,
modificare file,
e mantenere coerenza tra i vari passaggi.
In breve, il modello si comporta di più come uno sviluppatore che lavora dentro il progetto, e meno come un semplice generatore di codice isolato dal contesto.
Efficienza e costi: meno token, più cervello
Uno dei punti di forza di GPT-5.1-Codex-Max è la maggiore efficienza nell’uso dei token, soprattutto quelli dedicati al ragionamento interno (i cosiddetti thinking tokens).
Nei test SWE-bench Verified, con il profilo di reasoning “medium”, il modello:
ottiene risultati migliori rispetto a GPT-5.1-Codex,
usando circa il 30% di thinking tokens in meno.
Tradotto in pratica, significa che:
il modello ragiona in modo più mirato,
esplora meno strade inutili,
arriva a soluzioni corrette con meno passaggi intermedi.
Per gli sviluppatori e le aziende, questo si traduce in risparmi diretti (meno token consumati) e maggiore rapidità nel completare attività di una certa complessità.
OpenAI introduce inoltre un nuovo livello di reasoning, Extra High (xhigh):
pensato per compiti che non sono sensibili alla latenza,
ideale quando conta di più la qualità della risposta rispetto alla velocità,
perfetto per refactoring critici, debug ostinati o progettazione di componenti complessi.
Quando si attiva xhigh, si dice al modello: “prenditi il tempo che ti serve per pensare meglio”. E in un contesto in cui GPT-5.1-Codex-Max sfrutta al massimo la compaction, questo extra di reasoning diventa particolarmente efficace.
Front-end, sandbox interattivi e applicazioni complesse
Un ambito in cui la differenza tra GPT-5.1-Codex e GPT-5.1-Codex-Max emerge in modo chiaro è lo sviluppo front-end e, in generale, la costruzione di applicazioni web interattive.
Per progetti come:
sandbox interattive per esperimenti di fisica o machine learning;
visualizzazioni complesse animate;
strumenti didattici come simulazioni del sistema solare, esperimenti sulla legge di Snell, board Kanban interattive o ambienti tipo CartPole,
GPT-5.1-Codex-Max riesce a:
usare molti meno token per arrivare allo stesso risultato,
mantenere la stessa qualità estetica e funzionale,
ridurre il numero di tool call, ossia di interazioni con strumenti esterni.
In un esempio interno, per un’applicazione browser interattiva, il modello:
utilizza circa 27.000 thinking tokens
contro i 37.000 della versione precedente,
pur producendo un’implementazione equivalente, se non migliore, dal punto di vista della qualità.
Questo comporta un vantaggio reale nei contesti in cui si devono generare UI articolate, con:
componenti dinamici,
gestione di stato complessa,
animazioni,
integrazione con API e logica di business.
In sostanza, GPT-5.1-Codex-Max consente di costruire front-end ricchi e responsivi spendendo meno e con meno iterazioni di aggiustamento.
Come la compaction permette attività di 24 ore (e oltre)
La vera rivoluzione di GPT-5.1-Codex-Max, però, è la capacità di gestire attività prolungate. Non parliamo di qualche minuto in più di contesto, ma di sessioni che durano ore, addirittura oltre le 24 ore su un singolo compito.
Il meccanismo di compaction funziona così:
Durante il lavoro, il modello accumula una lunga cronologia di interazioni, comandi, modifiche ai file, test eseguiti.
Quando si avvicina al limite del contesto, Codex compatta automaticamente la sessione.
Viene creata una rappresentazione sintetica della storia recente, che preserva:
decisioni chiave prese,
stato corrente del repository,
problemi ancora aperti,
struttura generale del lavoro fatto.
Il modello continua a lavorare come se avesse ancora “tutto in testa”, ma in realtà sta operando su una cronologia condensata, molto più leggera.
Nei test interni, GPT-5.1-Codex-Max è riuscito a lavorare in autonomia per più di 24 ore su compiti intensivi, come:
rifattorizzare un intero repository,
risolvere progressivamente test che fallivano,
migliorare il codice a ondate successive, fino ad arrivare a una soluzione stabile.
Un caso particolarmente emblematico è il refactoring completo del repository open source del Codex CLI. In questo scenario:
il modello ha gestito da solo l’avanzamento delle sessioni,
ha applicato la compaction ogni volta che la memoria stava per esaurirsi,
ha ridotto la cronologia lasciando solo le informazioni utili,
ha mantenuto una linea logica coerente dall’inizio alla fine, senza bisogno di interventi umani per “ricordargli” cosa stesse facendo.
Questo tipo di comportamento apre la porta a flussi di lavoro completamente nuovi, in cui uno sviluppatore può:
definire un obiettivo complesso (es. “sposta tutta la codebase a un nuovo framework”);
lasciare che il modello lavori per ore, monitorando dall’esterno;
rientrare periodicamente per controllare i progressi, eseguire test e correggere eventuali deviazioni.
Il fronte cyber: il modello più avanzato di OpenAI in sicurezza
Oltre al coding “puro”, GPT-5.1-Codex-Max è stato messo alla prova anche in scenari legati alla cybersecurity, che richiedono ragionamenti lunghi e concatenati.
Secondo le valutazioni interne, si tratta del modello più avanzato di OpenAI in ambito cyber ad oggi, pur non raggiungendo ancora il livello “High capability” definito nel Preparedness Framework dell’azienda.
Questo significa che:
il modello è molto forte nell’analizzare codebase complesse, individuando potenziali vulnerabilità;
può supportare la revisione di flussi di autenticazione e autorizzazione, individuando errori logici;
è in grado di seguire scenari di attacco/defesa simulati su lunghi orizzonti, mantenendo il filo del discorso.
Proprio per questo, OpenAI sta rafforzando le misure di sicurezza e predisponendo protezioni aggiuntive, tra cui programmi dedicati come Aardvark, pensati per:
potenziare chi difende i sistemi informatici,
monitorare gli usi del modello che potrebbero sconfinare in attività malevole,
intervenire bloccando sul nascere possibili abusi.
Protezioni attive e monitoraggio degli abusi
Con l’introduzione di GPT-5-Codex, OpenAI aveva già attivato sistemi specifici per individuare l’uso malevolo dei modelli. GPT-5.1-Codex-Max si inserisce in questa infrastruttura potenziata.
Ad oggi:
non è stato osservato un aumento degli abusi su larga scala,
ma sono stati identificati e bloccati alcuni tentativi di utilizzo ostile.
I contenuti sospetti vengono instradati ai sistemi di controllo delle policy, dove possono essere analizzati e, se necessario, portare a:
limitazioni sull’account coinvolto,
blocchi di certe tipologie di richieste,
miglioramenti alle regole di filtraggio.
In altre parole, la potenza aumentata del modello è bilanciata da un sistema di monitoraggio più vigile, con l’obiettivo di dirottare l’uso del modello verso scenari legittimi e costruttivi.
Un ambiente sandbox, non un accesso diretto al mondo
Un elemento chiave nella strategia di sicurezza di Codex è l’ambiente di esecuzione. GPT-5.1-Codex-Max opera in una sandbox con restrizioni preattivate, progettata per ridurre il rischio intrinseco delle capacità agentiche.
Le principali caratteristiche di questa sandbox sono:
nessun accesso alla rete per impostazione predefinita,
scrittura dei file limitata alla sola area di lavoro del modello,
possibilità di abilitare manualmente la connessione solo quando serve e solo se il developer lo ritiene opportuno.
OpenAI raccomanda agli sviluppatori di mantenere questa configurazione restrittiva, perché:
l’accesso indiscriminato al web espone al rischio di prompt injection da contenuti non affidabili;
pagine web o dati esterni possono essere manipolati per alterare il comportamento del modello,
il confine tra codice affidabile e codice potenzialmente ostile diventa più fragile.
Con l’aumento delle capacità agentiche e della durata delle sessioni, diventa essenziale che gli sviluppatori restino sempre nel loop: il modello può proporre modifiche, ma la responsabilità finale sulle modifiche al codice resta umana.
Codex come revisore aggiuntivo, non come sostituto del developer
Un concetto che OpenAI ribadisce con forza è che Codex – e in particolare GPT-5.1-Codex-Max – va considerato come un revisore aggiuntivo, non come rimpiazzo del controllo umano.
Per facilitare questo ruolo, il sistema fornisce:
log dettagliati delle operazioni eseguite (comandi in terminale, file modificati, test lanciati);
riferimenti alle chiamate degli strumenti usati dal modello;
risultati dei test eseguiti sul codice generato o modificato.
Queste informazioni permettono allo sviluppatore di:
ricostruire il percorso seguito dal modello;
verificare che le modifiche siano coerenti con gli obiettivi del progetto;
individuare eventuali errori logici o regressioni prima del deploy.
In questo quadro, GPT-5.1-Codex-Max non è il “pilota automatico” che sostituisce lo sviluppatore, ma un copilota molto più potente, che:
aiuta a scrivere, rifattorizzare e testare più velocemente;
riduce la fatica sulle parti ripetitive o meccaniche;
lascia a chi sviluppa le decisioni strategiche, architetturali e di qualità finale.
Disponibilità e accesso: chi può usare GPT-5.1-Codex-Max
Dal punto di vista dell’accesso, GPT-5.1-Codex-Max è disponibile tramite Codex per gli utenti ChatGPT Plus, Pro, Business, Edu ed Enterprise. I limiti di utilizzo (numero di richieste, frequenza, durata delle sessioni) dipendono dal piano sottoscritto, ma il modello è già impostabile come opzione principale nelle superfici supportate.
Per chi lavora con il Codex CLI tramite API key, l’annuncio prevede che:
il modello verrà aggiunto a breve anche all’API,
permettendo l’integrazione diretta in pipeline di CI/CD, script di automazione, bot interni e strumenti aziendali su misura.
A partire da oggi, GPT-5.1-Codex-Max diventa il modello predefinito in tutte le superfici Codex, sostituendo GPT-5.1-Codex. Questo significa che:
chi già usa Codex vedrà gradualmente arrivare di default il nuovo modello,
mantenendo però la possibilità di scegliere approcci diversi per scenari non legati al coding.
GPT-5.1-Codex-Max vs GPT-5.1: quando usare l’uno e quando l’altro
Un punto importante riguarda la relazione tra GPT-5.1-Codex-Max e GPT-5.1.
OpenAI sottolinea che:
GPT-5.1 è un modello general-purpose, adatto a una vasta gamma di compiti (testo, analisi, creatività, supporto, tutoring, ecc.);
GPT-5.1-Codex-Max è invece specializzato per l’agentic coding e lo sviluppo software.
Per questo, viene esplicitamente raccomandato di utilizzare GPT-5.1-Codex-Max esclusivamente per:
attività di sviluppo software;
scenari di agentic coding, in cui il modello:
interagisce con strumenti (CLI, IDE, ambienti di test),
esegue operazioni su repository reali,
gestisce workflow strutturati di coding su orizzonti temporali lunghi.
Per tutto ciò che esula da queste attività – ad esempio scrittura di articoli, brainstorming creativo, analisi generali, customer support – ha più senso utilizzare GPT-5.1 o altri modelli general-purpose dedicati.
In altre parole, GPT-5.1-Codex-Max non vuole essere “il modello per tutto”, ma lo strumento giusto per una categoria specifica di compiti ad alto valore: quelli legati alla scrittura, manutenzione e sicurezza del codice.
Cosa cambia davvero per sviluppatori e team
Dal punto di vista pratico, l’arrivo di GPT-5.1-Codex-Max può trasformare il modo in cui si lavora sul software in diversi modi:
Per il singolo sviluppatore, significa avere un assistente che non solo completa una funzione, ma può seguire l’intero ciclo di vita di una feature: creare la prima versione, correggere bug, migliorare le performance, aggiornare i test, rifattorizzare il codice quando si evolve la base applicativa.
Per un team, significa poter progettare workflow in cui il modello:
si occupa delle task ripetitive (migrazioni, refactoring sistematici, aggiornamento di API deprecated);
supporta i code review, evidenziando potenziali problemi;
aiuta a mantenere coerenza di stile e architettura nel tempo.
Per i responsabili tecnici, vuol dire poter contare su:
un aumento di produttività senza rinunciare al controllo umano;
strumenti più efficaci per contenere il debito tecnico;
possibilità di utilizzare il modello come alleato nella sicurezza, pur restando consapevoli dei rischi e delle limitazioni.
In conclusione
Con GPT-5.1-Codex-Max, OpenAI introduce un modello agentico progettato specificamente per lo sviluppo software, capace di:
lavorare su task lunghi, persino multi-giorno, grazie alla compaction e alla gestione di milioni di token;
ragionare meglio usando meno token, con risparmi stimati intorno al 30% di thinking tokens in scenari reali;
migliorare nettamente le performance nei benchmark chiave per l’ingegneria del software, come SWE-Lancer e Terminal-Bench;
offrire un supporto concreto a refactoring estesi, debug profondi e sviluppo front-end complesso;
operare in un ambiente sandbox sicuro, con protezioni attive e monitoraggio continuo degli abusi;
agire come un ulteriore revisore di codice, non come sostituto del controllo umano.
In un panorama in cui il software diventa sempre più complesso e il tempo degli sviluppatori sempre più prezioso, GPT-5.1-Codex-Max si propone come un “collega digitale” instancabile, specializzato proprio nel tipo di lavoro che, fino a ieri, poteva sembrare troppo lungo, ripetitivo o stressante da gestire da soli.
L’ultimo passo resta comunque nelle mani di chi sviluppa: la scelta di come usare questo potente strumento, di quanto affidargli e di come integrarlo responsabilmente nel proprio processo, è – e resta – una decisione profondamente umana.
