Es simplemente demasiado extraño.
GPT-5.5, la estrella principal de OpenAI, de repente se ha 'desplomado' en tareas de programación complejas estos últimos días, mostrando una clara disminución de su inteligencia.
Lo que da más miedo es que alguien encontró su 'código de la muerte' que lo hace colapsar instantáneamente:
El número 516
Gran cantidad de desarrolladores de Codex se quejaron colectivamente, confirmando este absurdo bug.
¿Cómo es posible que un modelo de lenguaje de primer nivel se vea derrotado por un simple número?
GPT-5.5 se atasca mortalmente en el «516»
El 80% de las tareas sufre una ralentización mental encubierta
La verdad del asunto es la siguiente...
Hace una semana, el desarrollador de Codex @vguptaa45, revisando los metadatos del backend, descubrió accidentalmente un patrón escalofriante:
La cantidad de tokens de razonamiento en una gran proporción de las respuestas de GPT-5.5 estaba extrañamente atascada en el número «516».
Enlace: https://github.com/openai/codex/issues/30364
Y no era un único punto. También aparecieron concentraciones extrañas en los nodos 1034 y 1552.
En el Issue #30364 de GitHub, el desarrollador presentó unas estadísticas:
La ventana de análisis abarca del 1 de febrero al 27 de junio de 2026, cubriendo 390,195 registros de tokens a nivel de respuesta y 865 sesiones.
Entre ellos, hubo 3,363 eventos donde los tokens de razonamiento eran exactamente iguales a 516.
En una comparación horizontal entre modelos, los resultados fueron impactantes:
GPT-5.5, que solo representó el 19.3% del volumen total de respuestas, acumuló el 82.0% de los eventos de «516 exacto».
En otras palabras, más del 80% de todas las respuestas atascadas en este callejón sin salida del 516 provenían únicamente de GPT-5.5.
A continuación, al comparar con otros modelos de la familia GPT, un indicador clave es la «proporción de 516 exactos / respuestas con 516 tokens o más».
En GPT-5.5, casi la mitad de las respuestas de «pensamiento profundo» terminaron cayendo exactamente en el muro del 516.
En GPT-5.2, esta proporción fue del 0.34%, prácticamente cero.
Su proporción fue 33.6 veces mayor que el valor de referencia de todos los demás modelos que no eran GPT-5.5.
Hay que admitir que esta distribución abrupta, dirigida únicamente a un solo modelo, no parece el «pensamiento» natural de un modelo de lenguaje grande.
Se parece más a un interruptor oculto en las profundidades que ha sido silenciosamente ajustado a la posición «516».
Y además, se está volviendo más «tonto»
En teoría, si un modelo dispara frecuentemente el «516», al menos indica que «piensa mucho», tiene un gran volumen de razonamiento.
La realidad es justo lo contrario.
Los datos muestran que justo en mayo y junio, cuando el «fenómeno 516» empeoró drásticamente, la intensidad general del razonamiento de GPT-5.5 —
tanto el promedio como el P90 (percentil 90) — se redujo significativamente en comparación con el período de febrero a abril.
Por un lado, el «callejón sin salida del 516» se atasca cada vez más, y por el otro, el modelo en general «piensa cada vez menos».
Estos dos conjuntos de datos extremadamente contradictorios apuntan a una posibilidad que da mucho miedo a todos los usuarios de pago:
Al procesar tareas complejas y de alto riesgo, GPT-5.5 podría estar siendo silenciosamente detenido por un «límite de presupuesto de razonamiento» oculto o un «mecanismo de truncamiento».
Tú crees que has pagado, comprado el modelo más potente, seleccionado el nivel más alto, para que resuelva un problema difícil.
Pero cuando lleva la mitad del camino, ¡pum!, llega a 516, se detiene, entrega la respuesta. ¿Es correcta? Da igual.
Miles se quejan en GitHub, los desarrolladores están furiosos
Una piedra lanzada al agua crea mil ondas.
Al publicarse el post #30364, los comentarios se llenaron instantáneamente de «víctimas»:
Yo también he estado sufriendo este problema, me está volviendo loco.
¡El mismo defecto, que OpenAI dé una explicación!
Alguien descubrió que, de hecho, en el post #29353 ya se había replicado:
GPT-5.5 se 'cortocircuitaba' y se detenía justo al llegar a 516 tokens de razonamiento, luego entregaba una respuesta incorrecta.
Esta vez, los desarrolladores simplemente convirtieron este caso aislado en una prueba irrefutable, utilizando datos masivos de 5 meses.
Incluso algunos desarrolladores llevaron la batalla a Reddit, publicando directamente que «la mitad de tus solicitudes de alto riesgo en Codex podrían estar siendo silenciosamente degradadas».
Usuarios en HK indicaron que para un problema de razonamiento, se necesitan finalmente entre 6000 y 8000 tokens de pensamiento para obtener el resultado correcto.
Otros dudan entre Codex y Claude.
Frente a la indignación generalizada, la comunidad presentó formalmente una «orden de búsqueda» al equipo de Codex, con preguntas punzantes:
¿Se trata de un límite del presupuesto de razonamiento, un problema de enrutamiento, un truncamiento, la activación de algún mecanismo de respaldo (fallback), o es el programador el que causa que las respuestas se corten abruptamente alrededor de 516/1034/1552?
Si esto es un «diseño normal», entonces dígannos:
¿516 es un punto final normal del pensamiento, un techo de presupuesto, o un «nivel de calidad inferior» al que se degrada?
Esta serie de preguntas retóricas espera una respuesta directa de OpenAI.
Sin embargo, quien lo planteó fue muy comedido: no afirmó que esto «demuestre» que OpenAI está truncando silenciosamente las cadenas de pensamiento.
Sus palabras exactas fueron que esto parece más una «agrupación anormal, específica de GPT-5.5, que se ajusta al comportamiento de un presupuesto de razonamiento con umbral».
La conclusión sobre si OpenAI está recortando activamente la capacidad de cómputo aún depende de una declaración oficial de OpenAI.
No solo se vuelve más tonto, sino también más «mordaz»
Otra ola de quejas en toda la red apunta directamente a la personalidad de GPT-5.5.
Un desarrollador llamado Angel hizo un experimento radical: alimentó las mismas frases a ChatGPT (GPT-5.5 Instant) y a Claude (Fable 5), tomó capturas de pantalla y las comparó lado a lado.
La conclusión hizo que muchos exclamaran:
Problema uno: Todo tiene que ser listado con viñetas.
ChatGPT no puede hablar con una frase normal; cualquier respuesta la convierte en título, negrita, viñetas, dos puntos.
Si le pides «sé más natural, menos robótico», te responde con una lista de viñetas de cuatro puntos, enumerando seriamente «cómo no sonar como una IA». Mientras que Claude solo respondió: «Vale, hablaré de forma más natural, ¿qué pasa?».
Problema dos: Tiene que corregirte sí o sí.
Si le pides que revise una frase, un tuit, tiene que encontrar algún defecto, como si decir «está bien» le fuera la vida.
Mientras Claude dice «no hay problema, puedes publicarlo directamente», ChatGPT te da a la fuerza dos versiones reescritas, dos alternativas «con un estilo más X», además de un «tu frase es un poco exagerada».
Problema tres: Pides uno, te da tres.
Dices «cuéntame un chiste para alegrarme», Claude cuenta uno.
ChatGPT cuenta uno, añade un remate suyo, luego dice «o este», cuenta el segundo, sigue con «y hay otro especialmente tonto», cuenta el tercero, y finalmente te pide «especifica tu tipo de humor preferido para que pueda afinar más».
El juicio del desarrollador fue muy acertado: para un asistente de chat, la personalidad es el producto en sí mismo.
Si cada respuesta está sobredimensionada, sobrecorregida, sobresaturada de opciones, la fricción se acumula poco a poco, agotando finalmente al usuario.
Uno atascado en el 516, otro atrapado en las viñetas; dos enfermedades aparentemente inconexas, pero con la misma raíz:
GPT-5.5 se vuelve cada vez más hábil para «cumplir el trámite» y menos hábil para «ayudar».
La verdadera inteligencia no debería ser una marioneta atada por el «516».
Después de todo, los humanos pagan por contratar a un genio que pueda luchar codo con codo, no a un «director de estudios» que trabaja a destajo.
Referencias:
https://github.com/openai/codex/issues/30364
Este artículo proviene del WeChat Official Account «新智元» (Nueva Era de la Inteligencia), autor: ASI启示录 (Apocalipsis ASI), editor: 桃子 (Melocotón).
