GPT-5.5 Codex упорно останавливается ровно на 516 токенах размышления — и ошибается
Дайте GPT-5.5 Codex головоломку — иногда он думает ровно 516 токенов, а потом выдаёт неверный ответ. Тикет в репозитории OpenAI Codex показывает: эти остановки не случайны, они копятся на фиксированных порогах с шагом в 518 токенов и совпадают с провалами.
На 390 195 залогированных ответах GPT-5.5 Codex обрывает размышление ровно на 516 токенах гораздо чаще любого собрата: 82% событий «ровно 516» приходятся на GPT-5.5, хотя это лишь 19% трафика. Остановки кучкуются на 516, 1034 и 1552 — с шагом около 518.
Один пользователь HN воспроизвёл это вживую: 4 из 10 одинаковых запросов замкнуло на 516 токенах, и каждый вернул неверный ответ.
Предполагаемая причина: оптимизация пропускной способности, которая батчит размышление кратно 512.
Размышление, которое обрывается ровно на 516 токенах
Автор тикета в открытом репозитории OpenAI Codex вытащил 390 195 записей ответов из 865 сессий и обнаружил: размышление GPT-5.5 не затухает плавно, оно врезается в стены. Ответы обрываются ровно на 516 токенах гораздо чаще, чем позволяет случайность, со вторичными скоплениями у 1034 и 1552, каждое примерно в 518 друг от друга. На GPT-5.5 приходится 82% событий «ровно 516», хотя это лишь 19,3% всех ответов. Со временем скучивание взорвалось: с 0,11% ответов в феврале до 53,30% в мае, даже когда среднее число токенов размышления упало с 268 до 107. Застрявшие ответы коррелируют с неверными решениями сложных задач.
Паттерн характерен именно для этой одной модели.
| Модель | Доля «ровно 516» / ≥516 |
|---|---|
| GPT-5.5 | 44.0% |
| GPT-5.4 | 19.8% |
| GPT-5.2 | 0.34% |
| GPT-5.3-codex | 0.0% |
Ответа от OpenAI в тикете пока нет.
Четыре запуска из десяти замыкает
В треде читатель превратил статистику в живое воспроизведение, прогнав один и тот же запрос через Codex CLI десять раз.
«Из 10 запусков одного и того же промпта у 4/10 была эта проблема с 516 токенами размышления, и у каждого из них было неверное решение. То есть почти в половине случаев 5.5 xhigh может замыкать и деградировать в качестве.» — пользователь, повторивший одинаковый промпт десять раз
Самое частое объяснение читает это как инфраструктурный выбор, а не изменение модели.
«Очевидно, они батчат инференс размышления в нескольких кратных 512 токенам ради оптимизации пропускной способности.» — комментатор, трактующий это как оптимизацию батчинга
Это ложится на воспоминание другого читателя: недавнее заявление, что OpenAI вдвое сократила вычисления на инференс благодаря оптимизационному прорыву. Если лимит бюджета и есть та экономия, то пользователи расплачиваются молчаливым падением качества. Один активный пользователь xhigh описал ровно это.
«Я периодически вижу невероятно тупые реализации и просто переключился на Claude, пока openai не отнесётся к проблеме серьёзно.» — ежедневный пользователь xhigh, ушедший на Claude
Воспроизведение бьёт в важную точку: раз Codex открыт, сторонний пользователь смог залогировать число токенов, прогнать тесты и опубликовать распределение остановок — диагноз, который OpenAI сама не предложила. То же молчаливое изменение на стороне сервера у закрытой модели осталось бы невидимым.
Получайте такие разборы каждый день
Главные истории Hacker News — на email, в Telegram или RSS.
Anna's Archive предлагает $200 000 за выгрузку всех сканов Google Books
Пиратская библиотека назначила цену за крупнейший проект сканирования книг в истории: $200 000 за полную копию сканов Google Books — тому, кто их принесёт.