Το GPT-5.1-Codex-Max της OpenAI και η προσέγγιση συμπίεσης για πράκτορες μεγάλης διάρκειας

Τι αλλάζει στην πραγματικότητα η συμπίεση

Η βασική δήλωση του system card είναι στενή και τεχνική: το GPT-5.1-Codex-Max είναι το πρώτο μοντέλο της OpenAI «εγγενώς εκπαιδευμένο να λειτουργεί σε πολλαπλά context windows μέσω μιας διαδικασίας που ονομάζεται συμπίεση, διατηρώντας συνοχή σε εκατομμύρια tokens εντός μίας ενιαίας εργασίας».

Αυτό είναι ένα διαφορετικό στοίχημα από το να μεγαλώνεις απλά ένα context window. Η συμπίεση προϋποθέτει ότι το μοντέλο μαθαίνει να συνοψίζει και να μεταφέρει την εσωτερική κατάσταση εργασίας του καθώς εξαντλεί ένα παράθυρο και προχωράει στο επόμενο, αντί να βασίζεται σε ένα εξωτερικό σύστημα που συρράφει το context.

Για όσους δημιουργούν πράκτορες κώδικα μεγάλης διάρκειας, αυτό είναι το σημείο που αξίζει να παρακολουθήσετε. Το πρόβλημα στους πράκτορες πολλών βημάτων συνήθως δεν είναι η καθαρή συλλογιστική ικανότητα — είναι η απώλεια του νήματος σε μια εργασία που εκτείνεται σε χιλιάδες κλήσεις εργαλείων. Το να ενσωματώνεις αυτή τη συμπεριφορά στο ίδιο το μοντέλο, αντί να την προσθέτεις εξωτερικά με ανάκτηση και χειροκίνητη σύνοψη, αποτελεί μια δήλωση για το πού πιστεύει η OpenAI ότι πρέπει να ανήκει αυτή η ευθύνη.

Εκπαιδευμένο στο έργο, όχι μόνο στο benchmark

Το κείμενο είναι ξεκάθαρο ότι το μοντέλο εκπαιδεύτηκε σε «πραγματικές εργασίες μηχανικής λογισμικού όπως δημιουργία PR, code review, frontend coding και απαντήσεις σε ερωτήσεις», βασιζόμενο σε ένα ενημερωμένο θεμελιώδες μοντέλο συλλογιστικής εκπαιδευμένο σε μηχανική λογισμικού, μαθηματικά, έρευνα, ιατρική και χρήση υπολογιστή.

Αυτή η προσέγγιση — η δημιουργία PR και το code review ως πρωτεύοντες στόχοι εκπαίδευσης — δείχνει την προβλεπόμενη χρήση. Αυτό δεν παρουσιάζεται ως μηχανή αυτόματης συμπλήρωσης, αλλά ως κάτι που προορίζεται να συμμετέχει στη ροή εργασίας γύρω από μια αλλαγή: να την προτείνει, να την ελέγχει, να απαντά σε ερωτήσεις σχετικά με αυτήν.

Οι μετριασμοί βρίσκονται και στο επίπεδο του προϊόντος

Η OpenAI χωρίζει το έργο ασφάλειάς της σε δύο κατηγορίες, και η δεύτερη είναι αυτή που οι ομάδες εφαρμογής πρέπει να διαβάσουν προσεκτικά. Παράλληλα με την εκπαίδευση σε επίπεδο μοντέλου κατά επιβλαβών εργασιών και prompt injections, το κείμενο αναφέρει «μετριασμούς σε επίπεδο προϊόντος όπως sandboxing πρακτόρων και ρυθμιζόμενη πρόσβαση σε δίκτυο».

Για έναν πράκτορα που εκτελεί κώδικα, η πρόσβαση σε δίκτυο είναι το πραγματικό σημείο κινδύνου. Το να γίνεται ρυθμιζόμενη αποτελεί αναγνώριση ότι ένα μοντέλο εκπαιδευμένο να αντιστέκεται σε prompt injection δεν αναπληρώνει τον περιορισμό όσων μπορεί να προσεγγίσει ο πράκτορας. Αυτή η κατανομή ευθυνών — αντίσταση σε επίπεδο μοντέλου συν περιορισμός σε επίπεδο προϊόντος — είναι η πρακτική στάση που υιοθετεί το κείμενο.

Πού τοποθετείται στο Preparedness Framework

Το κείμενο τοποθετεί το μοντέλο με ακρίβεια στην κλίμακα ικανοτήτων της OpenAI. Είναι «πολύ ικανό στον τομέα της κυβερνοασφάλειας, χωρίς όμως να φτάνει σε Υψηλή ικανότητα στην κυβερνοασφάλεια», και δεν φτάνει σε Υψηλή ικανότητα στη βελτίωση ΤΝ από μόνη της. Αντιμετωπίζεται ως Υψηλής ικανότητας στη βιολογία και αναπτύσσεται με το ίδιο σύνολο μέτρων προστασίας που χρησιμοποιήθηκε για το GPT-5.

Αναμένουμε ότι οι τρέχουσες τάσεις ταχέως αυξανόμενων ικανοτήτων θα συνεχιστούν, και ότι τα μοντέλα θα ξεπεράσουν το κατώφλι Υψηλής ικανότητας στην κυβερνοασφάλεια στο εγγύς μέλλον.Montana Labs

Αυτή η πρόταση είναι η πιο προωθημένη δήλωση σε όλο το κείμενο. Η OpenAI λέει ουσιαστικά ότι ένα μοντέλο κώδικα που βρίσκεται ακριβώς κάτω από το κατώφλι κυβερνοασφάλειας βρίσκεται σε μεταβατική, όχι σταθερή, κατάσταση.

Η συνέπεια: ο περιορισμός πρακτόρων είναι πλέον το μηχανικό πρόβλημα

Αν τα διαβάσουμε μαζί, η ικανότητα συμπίεσης και οι έλεγχοι πρόσβασης δικτύου καταλήγουν στο ίδιο συμπέρασμα. Ένα μοντέλο που μπορεί να διεκπεραιώνει συνεκτικά μια εργασία σε εκατομμύρια tokens είναι ένα μοντέλο που μπορεί να εκτελέσει πολλά αυτόνομα βήματα προτού ένας άνθρωπος δει το αποτέλεσμα — γεγονός που κάνει το sandboxing και τη ρύθμιση δικτύου τους μοχλούς που πραγματικά οριοθετούν τη συμπεριφορά του.

Για τις ομάδες που υιοθετούν το GPT-5.1-Codex-Max, η δουλειά δεν είναι τόσο να το prompt-άρουν σωστά όσο να αποφασίζουν τι επιτρέπεται να αγγίξει κατά τη διάρκεια μιας μεγάλης εκτέλεσης. Το system card αντιμετωπίζει αυτό ως ευθύνη της OpenAI σε επίπεδο προϊόντος· στην πράξη όμως, οι αποφάσεις ανάπτυξης καταλήγουν σε όποιον συνδέει τον πράκτορα με τα δικά του συστήματα.