Это просто невероятно.
GPT-5.5, флагманская модель OpenAI, в последние дни внезапно "сдала" в сложных задачах по программированию, резко потеряв интеллектуальные способности.
Что еще страшнее, кто-то обнаружил "код смерти", который мгновенно выводит её из строя:
Число 516
Множество разработчиков Codex массово жалуются, подтверждая эту нелепую ошибку.
Как же так получилось, что топовая большая модель сломалась из-за одного числа?
GPT-5.5 зацикливается на «516»
Интеллект тихо снизился в 80% задач
Вот в чем правда...
Неделю назад разработчик Codex @vguptaa45, изучив метаданные бэкенда, неожиданно обнаружил жуткую закономерность —
Количество токенов рассуждений в огромном количестве ответов GPT-5.5 оказалось жестко зафиксировано на числе «516».
Ссылка: https://github.com/openai/codex/issues/30364
И не в одной точке. Аномальная концентрация также наблюдалась в узлах 1034 и 1552.
В Issue #30364 на GitHub разработчик представил статистику:
Период анализа с 1 февраля по 27 июня 2026 года, охватывает 390 195 записей токенов уровня ответов, 865 сессий.
Среди них событий, где токены рассуждений в точности равнялись 516, было 3363.
В ходе кросс-модельного сравнения результаты оказались шокирующими —
GPT-5.5, на долю которого приходится лишь 19.3% всех ответов, собрал 82.0% событий «точного 516».
Другими словами, более 80% всех застрявших на мертвой точке 516 ответов в сети принадлежат исключительно GPT-5.5.
Далее, при сравнении с другими моделями семейства GPT, ключевой показатель — «доля точного 516 среди ответов, где токенов рассуждений >= 516».
У GPT-5.5 почти половина ответов, требующих «глубокого размышления», в итоге точно упиралась в стену 516.
У GPT-5.2 этот показатель составляет 0.34% — практически ноль.
Его соотношение на целых 33,6 раза превышает базовое значение всех моделей, не являющихся GPT-5.5.
Нельзя не сказать, что такой обрывистый, направленный только на одну модель характер распределения совсем не похож на естественное «мышление» большой модели.
Это больше похоже на то, что какой-то скрытый в глубине переключатель был тихонько переведен в положение «516».
И она становится все «тупее»
Логично было бы предположить, что если модель часто триггерит «516», по крайней мере, это означает, что она «много думает», объем рассуждений велик.
На деле всё с точностью до наоборот.
Данные показывают, что именно в мае и июне, когда «феномен 516» резко обострился, общая интенсивность рассуждений GPT-5.5 —
как среднее значение, так и P90 (90-й процентиль), наоборот, значительно сократились по сравнению с февралем-апрелем.
С одной стороны, «мертвая петля 516» затягивается все чаще, с другой — модель в целом «думает все меньше».
Эти две группы крайне странных противоречивых данных указывают на пугающую возможность для всех платных пользователей:
При обработке сложных, высокорисковых задач GPT-5.5, возможно, тихо получает команду на паузу от какого-то скрытого «лимита рассуждений» или «механизма обрыва».
Ты думаешь, что заплатил деньги, купил самую мощную модель, включил максимальный режим, чтобы она докапывалась до сложной задачи.
А она подумала до половины, хлоп, дошла до 516, конец смены, сдача работы. Правильный ли ответ? Неважно.
Тысячи жалоб на GitHub, разработчики в ярости
Одно слово вызвало бурю.
Как только был опубликован пост #30364, раздел комментариев мгновенно заполнился «пострадавшими» —
Меня тоже долго мучила эта проблема, я с ума схожу.
Та же самая болезнь, требую от OpenAI объяснений!
Кто-то выкопал, что еще в посте #29353 уже воспроизводили подобное:
GPT-5.5 «замыкает» и останавливается, как только достигает ровно 516 токенов рассуждений, и выдает неправильный ответ.
На этот раз разработчик просто превратил этот единичный случай в железное доказательство с помощью огромного массива данных за 5 месяцев.
Некоторые разработчики уже перенесли бойню на Reddit, прямо заявив в посте, что «половина ваших высокорисковых запросов Codex, возможно, тихо понижается в качестве».
Пользователи на HK отмечают, что для решения задачи на рассуждение в конечном итоге требуется 6000-8000 токенов размышлений, чтобы выдать правильный результат.
А кто-то метается между двумя ИИ — Codex и Claude.
Столкнувшись с бурным негодованием, сообщество официально передало команде Codex «ордер на арест», где каждая фраза бьет в самое сердце:
Что это на самом деле: лимит на рассуждения, проблема с маршрутизацией, обрыв, срабатывание какого-то fallback-механизма или диспетчер создает проблемы, из-за которых ответы резко обрываются около 516/1034/1552?
Если это «нормальный дизайн», то скажите нам —
516 — это нормальная точка завершения размышлений, потолок бюджета или пониженный «некачественный уровень»?
Эта серия риторических вопросов ждет прямого ответа от OpenAI.
Впрочем, автор поста выразился сдержанно: он не утверждает, что это «доказывает» скрытое обрезание цепочек мыслей со стороны OpenAI.
Его первоначальные слова были таковы: это скорее похоже на «аномальную концентрацию, специфичную для GPT-5.5, которая выглядит как поведение, соответствующее какому-то пороговому бюджету рассуждений».
Вывод о том, что это активная кастрация вычислительных мощней со стороны OpenAI, еще ждет официального слова от OpenAI.
Не только тупеет, но и становится «ядовитее»
Другая волна массовых жалоб в сети в последнее время точно указывает на характер GPT-5.5.
Разработчик по имени Ангел провел жесткий эксперимент: скормил одни и те же слова ChatGPT (GPT-5.5 Instant) и Claude (Fable 5), сделал скриншоты и поставил их рядом для сравнения.
Вывод заставил многих хлопнуть по столу —
Проблема первая: всё обязательно представлять в виде маркированного списка.
ChatGPT не может говорить одной нормальной человеческой фразой, любой ответ он рубит на заголовки, жирный шрифт, точки, двоеточия.
Скажешь ему «будь естественнее, не будь таким ИИ-голосом», а он отвечает тебе списком из четырех пунктов с маркерами, серьезно перечисляя «как я буду не похож на ИИ». А Claude просто отвечает: «Хорошо, я буду говорить естественнее, что случилось?»
Проблема вторая: он обязательно должен вас поправить.
Попросите его проверить предложение, твит, он обязательно найдет какой-то недостаток, как будто фраза «все нормально» будет стоить ему жизни.
В то время как Claude говорит «нет проблем, можно публиковать», ChatGPT навязывает вам два переписанных варианта, две альтернативы «в более X стиле», плюс фразу «ваши слова немного преувеличены».
Проблема третья: вы просите один, он дает три.
Вы говорите «расскажи анекдот, чтобы меня развеселить», Claude рассказывает один.
ChatGPT рассказывает один, добавляет свою дополнительную шутку, потом «или вот этот», рассказывает второй, затем «есть еще один особенно глупый», рассказывает третий, и в конце просит вас «уточнить предпочитаемый вами тип юмора, чтобы он мог целиться точнее».
Суждение разработчика попадает точно в цель: для чат-помощника характер — это и есть сам продукт.
Если каждый ответ чрезмерно форматирован, чрезмерно поправляет, чрезмерно предлагает варианты, трение будет накапливаться понемногу, пока окончательно не истощит человека.
Одна застряла на 516, другая заперта в точках списка, две странные болезни кажутся совершенно не связанными, но корень у них один —
GPT-5.5 все лучше умеет «сдавать работу» и все хуже — «помогать».
Настоящий интеллект не должен быть марионеткой, запертой на «516».
В конце концов, люди платят деньги, чтобы нанять гения для совместной работы, а не «завуча», работающего сдельно.
Источники:
https://github.com/openai/codex/issues/30364
Эта статья из официального аккаунта WeChat «Синь Чжи Юань», автор: ASI启示录, редактор: Таоцзы
