Il GPT-5.1-Codex-Max di OpenAI e l'approccio a compattazione per agenti a lungo termine

Cosa cambia davvero la compattazione

L'affermazione principale della system card è circoscritta e tecnica: GPT-5.1-Codex-Max è il primo modello di OpenAI "addestrato nativamente a operare su più finestre di contesto tramite un processo chiamato compattazione, lavorando in modo coerente su milioni di token in un singolo task."

È una scommessa diversa dal semplice ampliamento della finestra di contesto. La compattazione implica che il modello imparu a riassumere e portare avanti il proprio stato di lavoro mentre esaurisce una finestra e passa alla successiva, invece di appoggiarsi a un harness esterno per ricomporre il contesto.

Per chi costruisce agenti di coding a lungo termine, è questo l'aspetto da tenere d'occhio. La modalità di fallimento tipica degli agenti multi-step di solito non è il ragionamento puro — è perdere il filo durante un task che si estende su migliaia di chiamate a strumenti. Addestrare questo comportamento direttamente nel modello, invece di aggiungerlo con retrieval e riassunti manuali, è una dichiarazione su dove OpenAI ritiene debba stare questa responsabilità.

Addestrato sul lavoro reale, non solo sul benchmark

La card è esplicita sul fatto che il modello è stato addestrato su "task reali di ingegneria del software come creazione di PR, code review, coding frontend e Q&A", basandosi su un modello di ragionamento fondazionale aggiornato e addestrato su ingegneria del software, matematica, ricerca, medicina e uso del computer.

Questa impostazione — creazione di PR e code review come obiettivi di addestramento di primo piano — segnala la forma d'uso prevista. Non è posizionato come un motore di autocompletamento, ma come qualcosa pensato per partecipare al flusso di lavoro attorno a una modifica: proporla, revisionarla, rispondere a domande su di essa.

Le mitigazioni si trovano anche a livello di prodotto

OpenAI divide il proprio lavoro sulla sicurezza in due categorie, e la seconda è quella che i team che adottano il modello dovrebbero leggere con attenzione. Oltre all'addestramento a livello di modello contro task dannosi e prompt injection, la card elenca "mitigazioni a livello di prodotto come il sandboxing degli agenti e l'accesso di rete configurabile."

Per un agente che esegue codice, l'accesso di rete è il vero raggio d'azione critico. Renderlo configurabile è un riconoscimento del fatto che un modello addestrato a resistere al prompt injection non sostituisce comunque la necessità di limitare ciò che l'agente può raggiungere. Questa divisione dei compiti — resistenza a livello di modello più contenimento a livello di prodotto — è la posizione pratica adottata dalla card.

Dove si collocare nel Preparedness Framework

La card posiziona il modello con precisione sulla scala di capacità di OpenAI. È "molto capace nel dominio della cybersecurity ma non raggiunge la capacità Alta sulla cybersecurity", e non raggiunge il livello Alto sull'auto-miglioramento dell'IA. Viene trattato come capacità Alta in biologia e distribuito con lo stesso set di protezioni usato per GPT-5.

Ci aspettiamo che le tendenze attuali di rapido aumento delle capacità continuino, e che i modelli superino la soglia Alta di cybersecurity nel prossimo futuro.Montana Labs

Questa frase è l'affermazione più orientata al futuro di tutto il documento. OpenAI sta dicendo che un modello di coding posizionato appena sotto la soglia di cybersecurity rappresenta uno stato transitorio, non stabile.

L'implicazione: il contenimento degli agenti è ora il problema ingegneristico

Letti insieme, la capacità di compattazione e i controlli sull'accesso di rete portano alla stessa conclusione. Un modello capace di guidare in modo coerente un task su milioni di token è un modello capace di compiere molti passi autonomi prima che un essere umano veda il risultato — il che rende il sandboxing e la configurazione di rete le leve che effettivamente delimitano il suo comportamento.

Per i team che adottano GPT-5.1-Codex-Max, il lavoro riguarda meno il saperlo istruire bene e più il decidere cosa può toccare durante un'esecuzione lunga. La system card considera questo come una responsabilità di OpenAI a livello di prodotto; in pratica, le decisioni sul deployment ricadono su chiunque colleghi l'agente ai propri sistemi.