12月5日，OpenAI宣布开放其最强编程模型GPT-5.1-Codex-Max的API访问权限，定价与GPT-5保持一致（输入1.25美元/百万token，输出10美元/百万token）。该模型专为长时间运行和复杂编程任务设计，支持超长上下文处理，可连续工作超24小时。性能方面，其在SWE-Bench Verified测试中得分77.9%，优于常规版的73.7%。此外，GPT-5.1-Codex-Max针对Windows环境优化，适合多平台开发者使用。目前，Cursor、GitHub Copilot等主流工具已完成集成，Pro及以上订阅用户可直接切换使用。

11月19日，OpenAI发布全新编程模型GPT-5.1-Codex-Max，性能超越谷歌Gemini 3 Pro。新模型在多项编程基准测试中表现优异，例如SWE-Bench Verified准确率达77.9%，领先Gemini的76.2%；Terminal-Bench 2.0准确率为58.1%，高于Gemini的54.2%。其核心升级为“压缩”机制，可智能保留关键上下文信息，支持连续工作超24小时且效率提升30%。目前，该模型已集成至OpenAI多个开发工具，如Codex CLI和代码审查工具，但尚未开放公共API，需订阅ChatGPT Plus等付费计划使用。OpenAI内部数据显示，工程师使用Codex后提交的拉取请求增加70%。官方强调，Codex-Max旨在辅助而非替代开发者，并通过沙盒环境和详细日志确保安全性和透明性。

2025年11月，火山引擎推出全新代码模型Doubao-Seed-Code，主打Agentic编程任务优化。该模型性能登顶SWE-Bench Verified榜单，价格为国内最低，调用成本仅约0.34元，支持9.9元套餐。其原生兼容Anthropic API，迁移成本几乎为零，并适配多种主流IDE。实测显示，模型能高效完成从简单视觉效果到复杂工程化重构的任务，还能‘看图写代码’，根据UI设计稿生成高相似度前端代码。此外，模型支持256K长上下文，适合复杂场景开发。火山引擎依托千卡GPU集群和10万容器镜像库，确保高并发稳定性和企业级安全保障。目前，Doubao-Seed-Code已在字节内部广泛使用，月活用户超100万。

11月11日，火山引擎正式发布豆包编程模型（Doubao-Seed-Code），专为Agentic编程任务优化，在SWE-Bench-Verified榜单中刷新SOTA记录，并兼容Anthropic API等主流开发环境。该模型综合使用成本较业界平均水平降低62.7%，为国内最低价。目前，豆包编程模型已通过火山方舟平台全量开放API，为开发者提供高效、低成本的解决方案。

11月11日，火山引擎发布豆包编程模型（Doubao-Seed-Code），专为Agentic编程任务优化，在SWE-Bench-Verified榜单中刷新SOTA成绩，支持256K长上下文及视觉理解能力，兼容Anthropic API等主流开发环境。其综合使用成本较业界平均水平降低62.7%，国内最低价，并推出首月9.9元的个人开发者优惠套餐“Coding Plan”。同日，TRAE中国版接入该模型，企业版正式公测，提供大规模代码库支持、数据安全管控和灵活模型管理能力，公测期间首月免费。

11月8日，OpenAI发布GPT-5-Codex-Mini，这是GPT-5-Codex的轻量版，专为经济高效编程设计。相比原版，Mini版性能小幅下降（SWE-bench测试得分71.3%，原版为74.5%），但开发者可获得约4倍使用额度。该模型适用于轻量级工程任务或接近速率上限场景，并已在CLI和IDE扩展中上线，API支持即将推出。此外，OpenAI优化了Codex后台，提升稳定性，避免流量波动影响体验。ChatGPT Plus等用户速率上限提高50%，Pro与Enterprise用户享有更快响应优先调度。

10月5日，OpenAI宣布启动“Codex Alpha”抢先体验计划，邀请开发者和用户提前试用其最新AI编程模型。该计划在2025年度开发者日（DevDay 2025）前上线，提供两大系列共七个层级的模型，包括专注于编程任务的gpt-5-codex系列（低、中、高级别）和具备不同程度推理能力的gpt-5系列（极简至高配）。用户可通过该计划访问新版Codex，探索轻量级任务到复杂编程难题的解决方案。这一举措旨在收集反馈并优化模型性能，为正式发布做准备。

9月30日，Anthropic发布Claude Sonnet 4.5，称其为“全球最佳编程AI模型”。新模型突破性地支持“生产就绪级”应用开发，显著提升软件开发可靠性。Claude Sonnet 4.5在多项行业基准测试中表现领先，并能在企业试用中自主编程超30小时，完成复杂任务如数据库搭建和安全审计。科技巨头苹果、Meta等已采用Claude系列模型。面对OpenAI GPT-5的竞争压力，Anthropic推出配套智能体开发工具包（Claude Agent SDK），助力开发者定制AI智能体。行业合作伙伴评价该模型擅长处理长周期复杂任务，更像“一位同事”。

2025年9月30日，Anthropic正式发布Claude Sonnet 4.5，号称史上最强编程AI模型。在SWE-bench Verified测试中，该模型登顶业界第一，并在OSWorld基准测试中取得61.4%的成绩，远超此前记录。Claude 4.5能连续工作超30小时，可一次性生成1.1万行代码，大幅提升复杂任务处理能力。新增功能包括「检查点」保存、VS Code插件支持及Claude Agent SDK开放，助力开发者构建智能体。Anthropic强调其对齐度和安全性显著改进，减少不当行为和提示注入攻击风险。此外，临时功能「Imagine with Claude」允许实时生成软件代码，但仅对Max订阅用户开放五天。此次发布被视为与OpenAI等对手竞争的重要举措，同时旨在挽回此前因性能问题流失的用户。

2025年9月，Scale AI发布新基准SWE-BENCH PRO，测试显示顶级AI模型编程能力普遍‘不及格’。GPT-5、Claude Opus 4.1和Gemini 2.5解决率分别为23.3%、22.7%和13.5%，但深入分析发现，GPT-5在已提交任务中准确率达63%，远超Claude的31%。新基准严格避免数据污染，涵盖1865个商业代码库问题，强调复杂多文件修改，对比旧版难度显著提升。研究指出，Go和Python任务表现较好，而JavaScript波动大；失败原因因模型而异，如Claude语义理解不足，GPT-5工具使用需优化。整体来看，当前AI模型在真实商业场景中的编程能力仍有限，突破30%解决率成新目标。