GPT-5.1 Codex
GPT-5.1 Codex est un LLM propriétaire d’OpenAI, publié le 19 novembre 2025, positionné sur le code avec une tarification économique. Ses poids ne sont pas ouverts, ce qui en fait un modèle exploitable via l’écosystème de l’éditeur plutôt qu’un modèle auditable ou déployable librement.
GPT-5.1 Codex est un LLM propriétaire d’OpenAI, publié le 19 novembre 2025, positionné sur le code avec une tarification économique. Ses poids ne sont pas ouverts, ce qui en fait un modèle exploitable via l’écosystème de l’éditeur plutôt qu’un modèle auditable ou déployable librement.
Le modèle se distingue par une fenêtre de contexte de 400 000 tokens et des connaissances arrêtées au 30 septembre 2024. À sa sortie, il se situait dans le top 20% de sa génération sur SWE-Bench Verified, un signal utile pour évaluer son niveau en développement logiciel à son époque.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | OpenAI |
| Licence | Proprietary (poids non ouverts) |
| Date de sortie | 19 novembre 2025 |
| Connaissances jusqu'à | 2024-09-30 |
| Multimodal | oui |
| Fenêtre de contexte | 400 000 tokens |
| Modalités (entrée → sortie) | text,image → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Hallucinations (Baseline) | 100,0 % | 1ᵉ / 229 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 100,0 % | 1ᵉ / 250 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 100,0 % | 1ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 98,0 % | 90ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 95,0 % | 24ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 93,0 % | 67ᵉ / 217 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 92,0 % | 79ᵉ / 239 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 85,9 % | 25ᵉ / 252 | benchable | ✅ Mesuré |
| LiveBench: Reasoning | 83,7 % | 9ᵉ / 76 | livebench | ✅ Mesuré |
| LiveBench: Mathematics | 83,2 % | 29ᵉ / 76 | livebench | ✅ Mesuré |
| LiveBench: Coding | 80,7 % | 5ᵉ / 76 | livebench | ✅ Mesuré |
| LiveBench: Language | 76,5 % | 24ᵉ / 76 | livebench | ✅ Mesuré |
| LiveBench: Global average | 74,0 % | 14ᵉ / 76 | livebench | ✅ Mesuré |
| LiveBench: IF | 70,4 % | 6ᵉ / 76 | livebench | ✅ Mesuré |
| LiveBench: Data Analysis | 70,1 % | 19ᵉ / 76 | livebench | ✅ Mesuré |
| LiveBench: Agentic Coding | 53,3 % | 20ᵉ / 76 | livebench | ✅ Mesuré |
| AIME 2025 | 96,7 % | 14ᵉ / 108 | llm-stats | Auto-déclaré |
| SWE-Bench Verified | 73,7 % | 37ᵉ / 100 | llm-stats | Auto-déclaré |
| SWE-Lancer | 66,3 % | 1ᵉ / 4 | llm-stats | Auto-déclaré |
| Terminal-Bench 2.0 | 52,8 % | 30ᵉ / 48 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
Benchable : Hallucinations (Baseline)
Benchable : General Knowledge (Baseline)
Classements Arena (Elo)
| Catégorie | Elo | Rang |
|---|---|---|
| Arena Code | 1330 | 66ᵉ |
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Azure | 1,25 $ | 10 $ | 0,13 $ |
Prix en dollars US par million de tokens.
Sa tarification se situe 36 % en dessous de la moyenne des LLM similaires, et 3,9 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,18 $ |
| Latence moyenne par benchmark — Benchable | 5 min 29 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Entraînement & empreinte
| Indicateur | Valeur |
|---|---|
| Jeu de données | Unspecified unreleased |
| Pays | United States of America |
Notre analyse
Forces. GPT-5.1 Codex affiche ses meilleurs signaux sur Benchable dans les volets Hallucinations, General Knowledge et Ethics, où il apparaît dans le top 10. Son profil est aussi solide en Coding, avec un résultat nettement au-dessus de la moyenne du panel, et son classement à la sortie dans le haut de sa génération sur SWE-Bench Verified confirme un positionnement crédible pour les tâches de correction, compréhension et génération de code. La très grande fenêtre de contexte renforce son intérêt pour l’analyse de bases de code, de journaux techniques ou de documents longs. Le tarif reste un autre point fort, avec un positionnement économique, inférieur à la moyenne des LLM similaires et environ 3,9 fois moins cher que les modèles frontière.
Limites et points d'attention. Le modèle est propriétaire, avec des poids non ouverts, ce qui limite l’audit indépendant, l’auto-hébergement et les adaptations profondes. Ses connaissances s’arrêtent au 30 septembre 2024, un point important pour les dépendances logicielles récentes, les API nouvelles et l’actualité technique. Ses résultats sont moins distinctifs en Email Classification et en Mathematics, où il se situe davantage dans le milieu du classement que parmi les tout meilleurs. Arena Code le place aussi loin des premières positions, ce qui nuance son image de modèle de code face aux systèmes les plus compétitifs. Pertinent surtout pour des usages de développement assisté, d’analyse de code long et de traitement technique à coût maîtrisé.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · LiveBench (livebench.ai) · Arena.ai (arena.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · Benchable.ai (benchable.ai).