Cả mạng đều nói GPT-5.6 Sol ở mức Max đã trở nên đần độn hơn, OpenAI nhất quyết nói không có chuyện giảm trí tuệ, chỉ là "đang làm một thí nghiệm". Trong thí nghiệm đó, cái "nút vặn" đã được vặn, mức Max từ 960 rớt xuống 128, người dùng không nhìn thấy được.
Tỉnh dậy sau một đêm, GPT-5.6 Sol đã trở nên đần độn!
Một nhóm nghiên cứu thị trường Nhật Bản, chỉ một lúc sau khi bắt đầu làm việc vào buổi sáng, đã phát hiện ra Codex Sol MAX trong tay có vẻ không ổn, trưởng nhóm đã viết một bài dài về trải nghiệm cả buổi sáng đó và ném lên Reddit ở r/codex.

9 giờ sáng, nhóm này làm việc như thường lệ. Đến 10 giờ 40, mỗi người trong nhóm đều nhận thấy cùng một sự việc.
Họ kết nối Codex Sol MAX với một công cụ CLI tự phát triển, chuyên xử lý những công việc đòi hỏi tính toán cực kỳ phức tạp và lập luận sâu.
Ban đầu, Codex Sol MAX cũng không phụ lòng mong đợi, nếu yêu cầu đối với nó là 10 điểm, nó luôn ổn định đưa ra 12, 13 điểm, là một "quái vật vượt xa kỳ vọng", "mọi người đều hài lòng với nó đến mức không thể tả".
Nhưng sáng hôm đó, biểu hiện của "quái vật" này đột nhiên sụt giảm, chỉ còn 8 điểm.
Độ sâu lập luận, rõ ràng đã bị lột bỏ.
Trước đó, Codex Sol MAX đối mặt với một prompt, sẽ mất hơn mười phút, thử đi thử lại, suy luận đi suy luận lại, liên tục gọi các công cụ của họ, cho đến khi hoàn thành công việc một cách hoàn hảo.
Nhưng khả năng đó, đã "biến mất hoàn toàn" vào buổi sáng hôm đó.
Cả mạng đều cảm thấy nó "trở nên đần độn"
Trải nghiệm của nhóm người Nhật này, chỉ là một góc nhỏ trong cộng đồng Codex vài ngày qua.
Lời phàn nàn của mọi người rất nhất quán: Model thực sự trở nên nhanh hơn, câu trả lời đến nhanh nhạy hơn, nhưng nó không chịu đào sâu nữa. Cái sức mạnh trước đây: nghiên cứu trước, rồi mới làm, vừa làm vừa tự phủ định mình, đã biến mất.
Một câu nói của netizen trên X đã tổng kết cảm nhận của tất cả mọi người:
Mức suy luận của tất cả mọi người đã bị điều chỉnh giảm một cấp tập thể - trước đây bạn chạy Extra High, giờ phải vặn nó lên Max, mới đổi lại được chút sức lực như cũ.

Sự thay đổi này, người dùng thông thường căn bản không thể chứng minh được.
Bạn không nhìn thấy trọng số model có được thay đổi hay không, cũng không thấy được server phân bổ cho bạn bao nhiêu sức tính toán.
Bạn chỉ có thể cảm nhận được bốn thứ: nó trả lời nhanh thế nào, nó suy nghĩ lâu thế nào, nó có quay đầu kiểm tra lại chính mình không, nó có gọi thêm các agent thông minh khác cùng làm không.
Tất cả đều là tín hiệu gián tiếp, không có thứ nào được ghi trên thẻ model cả.
Vì vậy, cộng đồng mạng đã tự mình đi tìm, và lật ra được một tham số nội bộ mà OpenAI chưa từng công khai: juice value.
Một con số chưa từng được đề cập chính thức
Những gì OpenAI công khai nói đến, chỉ có các mức suy luận.
Ngày 9 tháng 7 GPT-5.6 ra mắt, lời nói chính thức của họ là, lần đầu tiên giới thiệu cường độ suy luận max, "cho phép Sol có đủ thời gian nhất để tiến hành suy luận sâu". Còn trên nữa là ultra, mặc định kích hoạt bốn agent thông minh làm việc song song.
Áp dụng vào ChatGPT, chính là các tùy chọn trong bộ chọn model: Medium, High, Extra High, đằng sau đều chạy Sol, cấp Pro chạy Sol Pro.
Còn juice value, là thứ ở tầng dưới của những mức độ này: ngân sách sức tính toán suy luận nội bộ. Người dùng không nhìn thấy, OpenAI cũng chưa từng công bố giá trị của nó.
Người dùng cộng đồng ns123abc đã dùng một đoạn prompt ẩn được gọi là "dấu vân tay của model", đọc được con số trong cấu hình hệ thống: juice.
Trước đó cộng đồng quan sát được, mức max của Sol tương ứng với 960. Lần này, màn hình hiển thị là 128, giảm gần 87%.

Gần như đồng thời, một bộ ảnh chụp màn hình khác cũng bắt đầu lan truyền: ngữ cảnh thực tế người dùng có thể dùng trong client Codex, đã từng khoảng 372k rút về 272k.

Hai con số này, nhanh chóng châm ngòi cho toàn bộ cộng đồng.
Tibo: Không có giảm trí tuệ, chúng tôi đang kiểm tra mức sử dụng
Tối hôm đó, Tibo (Thibault Sottiaux) đã lên tiếng, anh phụ trách Codex và ChatGPT Work tại OpenAI.
Tibo đã đăng một bản cập nhật trên X, câu mở đầu nói: Không có nerf (giảm trí tuệ), chỉ có chuyện tốt.

Sau đó, anh nhấn mạnh một mạch bốn điểm.
Điểm thứ nhất, tối ưu hóa hiệu suất suy luận đã được triển khai, sức tính toán tiết kiệm được sẽ hoàn trả cho tất cả người dùng đăng ký, chỉ riêng mục này đã có thể tăng thêm khoảng 10% mức sử dụng.
Điểm thứ hai, giới hạn ngữ cảnh của Sol đã được nâng từ 272k của GPT-5.5 lên 372k, kết quả dẫn đến việc tính phí bị trừ nhiều hơn dự kiến. Hiện đã rút về 272k, vài ngày tới sẽ phát hành lại 372k.
Điểm thứ ba, để tìm hiểu xem lượng sử dụng tăng thêm thực sự đến từ đâu, nhóm đã chạy một số thí nghiệm, trong thí nghiệm đã thay đổi cường độ suy luận (reasoning effort), nội bộ gọi nó là "juice values".
Hiện đã sửa về mức cũ.
Điểm thứ tư, việc gọi đa agent ở các mức high và xhigh nhiều hơn dự kiến, bên auto-review cũng có lãng phí, đang sửa cả.
Nội dung bài đăng của Tibo đại ý là: Không phải "giảm trí tuệ", mà là "điều chỉnh tham số".
Trọng số model có động đến không, anh ta không đề cập. Nhưng cấu hình mà người dùng thực tế nhận được, thực sự đã bị động: Điều này anh ta thừa nhận.
Juice thực chất là gì? Từ thông tin công khai có thể thấy được hiện nay để phán đoán, nó gần giống hơn với một dấu hiệu cấu hình tài nguyên suy luận nội bộ hệ thống, nói một cách đơn giản, chính là hệ thống cho phép model đầu tư bao nhiêu tài nguyên suy luận vào một nhiệm vụ.
Mặc dù điều chỉnh ngân sách xuống thấp, không đồng nghĩa với "model trở nên yếu đi", nó vẫn có thể âm thầm thay đổi rất nhiều thứ:
Nhiệm vụ dài hạn có thể khám phá bao nhiêu đường đi, giữa nhiều phương án sẽ so sánh mấy vòng, sau khi sinh mã có chủ động chạy thử nghiệm không, sau khi thất bại sẵn sàng quay lại mấy lần, và phần "khả năng đuôi dài" nhỏ quyết định thành bại trong những nhiệm vụ cực khó, v.v.
Suy cho cùng, nó đại diện cho việc model sẵn sàng bỏ ra bao nhiêu tâm trí cho một nhiệm vụ.
Để kết thúc cuộc tranh cãi lần này, cần một thí nghiệm đối chứng nghiêm ngặt: cùng một bản chụp model, cùng một loạt nhiệm vụ, cùng một bộ môi trường công cụ, chỉ động biến juice này.
Xem xem mã hóa phức tạp, agent dài hạn, suy luận toán học và phục hồi lỗi, rốt cuộc sẽ giảm bao nhiêu.
Bằng chứng này, cho đến giờ vẫn còn thiếu vắng.
Token mà nhà cung cấp tiết kiệm, người dùng đều cảm nhận được
Quay trở lại thí nghiệm mà Tibo nói đến. Nó đến từ đâu?
Sau khi GPT-5.6 ra mắt, nhu cầu ngay lập tức bùng nổ.
OpenAI đã từng tạm thời mở rộng giới hạn sử dụng trong khung thời gian năm giờ, để đón lượng gọi đến dồn dập.

Mà mấy thứ mới nổi bật nhất của GPT-5.6: suy nghĩ dài hơn ở mức max, ultra mặc định bốn agent song song, cửa sổ ngữ cảnh lớn hơn, đều là những con quái vật ăn token.
Lượng sử dụng tăng thêm, chính là từ đây mà ra.
Vì vậy đã có thí nghiệm này. Để kiểm tra rõ ràng tài khoản, trước tiên điều chỉnh biến ngân sách này xuống thấp, xem lượng sử dụng cuối cùng chạy về đâu, điều này hoàn toàn có thể giải thích được về mặt kỹ thuật.
Vấn đề cũng nằm ở đây: Nhà cung cấp bên này tiết kiệm token, người dùng bên kia có cảm nhận, trực quan nhất, chính là model "không chịu suy nghĩ nữa".
Biến số được điều chỉnh đó, đúng là thứ mà người dùng có thể cảm nhận được.
AI không còn "hiển linh", bắt đầu đi làm đúng giờ
Vài năm qua, các công ty model lớn mang đến cho mọi người một trí tưởng tượng mang tính tôn giáo.
Mọi người cũng coi model như thần dụ, mong đợi nó vào một đêm khuya nào đó nhả ra một câu trả lời mà con người không nghĩ tới, cho dù vì điều này mà chậm một chút, đắt một chút, thỉnh thoảng phát điên, cũng đều có thể chịu được.
Nhưng phép màu trong phòng thí nghiệm có thể không tính toán chi phí, nhưng đến khi là cơ sở hạ tầng công nghiệp ở khâu sản xuất thì không được.
Vì vậy Sol và các model tiên phong khác, bắt đầu từ một nhà tiên tri thỉnh thoảng "hiển linh" trong phòng thí nghiệm, trở thành một động cơ có thể vận hành liên tục trong quy trình công việc hàng ngày.
Đằng sau này giống như một cuộc thuần hóa trí tuệ, và cuộc tranh cãi này, bằng việc công khai hiện trường thuần hóa. Đồng thời, ảo tưởng của người dùng về "trí tuệ cố định" đó, cũng phải kết thúc từ đây.
Đăng ký một model, giống như mua một bóng đèn: kiểu máy là cố định, nhưng nút vặn độ sáng, luôn nằm trong tay nền tảng.
Điều này trong thương mại có thể là một lựa chọn đúng đắn, nhưng nó không nên mãi mãi giấu trong hộp đen.
Nếu AI thực sự muốn trở thành cơ sở hạ tầng của doanh nghiệp, nhà cung cấp phải đưa ra ranh giới cụ thể hơn tên model, để người dùng hiểu rõ cái Max mà mình bỏ tiền ra mua, rốt cuộc đảm bảo điều gì.
Nếu không, nó chỉ là một cái nhãn giá.
Tài liệu tham khảo:
https://x.com/thsottiaux/status/2076495156757577895
https://x.com/FixlationAI/status/2076469274441380349
https://www.reddit.com/r/codex/comments/1uuy5eq/nerfed_codex_sol_max/
Bài viết này từ tài khoản WeChat công chúng "Tân Trí Nguyên", tác giả: Nguyên Vũ



![MemeCore [M] có thể tăng cao đến mức nào khi dẫn đầu top 100 với mức tăng 16%?](https://d1x7dwosqaosdj.cloudfront.net/images/2026-07/3d45ef1ea56e45f6a19ae78972d369b7.jpg)



