Replies: 45 comments 76 replies
-
|
限制反代和第三方Harness还能理解，但是连 Codex 自己的 SDK 也降智就很难评了。 |
Beta Was this translation helpful? Give feedback.
-
|
希望有条件的朋友能够复现上述测试，一起交流。 |
Beta Was this translation helpful? Give feedback.
-
|
嗯，我也出现了516的情况。 |
Beta Was this translation helpful? Give feedback.
-
|
确实存在部分516，有没有可能是tool默认低智力的问题？ |
Beta Was this translation helpful? Give feedback.
-
|
拿着你的问题试了下 41,781 1,035 516 2,432 42,816 确实有516，以及大量请求中，偶尔也有准确516的，但大多数思考不足516 |
Beta Was this translation helpful? Give feedback.
-
这就和我这边观察到的现象一致了，使用第三方客户端（CLIProxyAPI、opencode 等）发出的请求会有更大的概率被降智。 |
Beta Was this translation helpful? Give feedback.
-
而且我发现至少3月初就有516了 |
Beta Was this translation helpful? Give feedback.
-
我怀疑 516 是被官方强行截断了思考。 |
Beta Was this translation helpful? Give feedback.
-
最麻烦的是，我发现哪里纯正登录，也会516，不使用第三方（在长任务过程中） |
Beta Was this translation helpful? Give feedback.
-
降智不一定是第三方登录导致的，还有账号、IP等因素。 |
Beta Was this translation helpful? Give feedback.
-
|
opus4.8max思考了很久然后答错了🤣 |
Beta Was this translation helpful? Give feedback.
-
这倒不一定是降智，opus 4.8 一直回答不了这个问题。而 gpt-5.4/gpt-5.5 是能回答这个问题的，降智之后才不行。 |
Beta Was this translation helpful? Give feedback.
-
|
1，发现至少3月初就有516问题了 |
Beta Was this translation helpful? Give feedback.
-
|
对了，UI 不显示思考可能是因为你没有开，在 .codex/config.toml 中 model_reasoning_summary = "auto"如果开了的话 516 情况下是有 summary 的，而且多次请求的 summary 还会不一样，但是 reasoning tokens 始终是 516。 另外就是 516 在其他需要推理的问题被降智时也会出现，不仅仅是我上面贴出来的那个糖果推理问题。 |
Beta Was this translation helpful? Give feedback.
-
|
opencode+omo，直接oauth登录gpt pro5x，gpt5.5开了xhigh： |
Beta Was this translation helpful? Give feedback.
-
|
我测试了 xhigh，的确更少出现降智（516 reasoning tokens），但仍然没有完全避免。 |
Beta Was this translation helpful? Give feedback.
-
|
好奇怪，我用的自己的 最少需要取出 34 个糖果。 理由：先算“最多能取多少个还不满足条件”。 目标要求出现：
要避免满足条件，就不能同时拥有这两类配对。 最多的避免方式是：
这样没有“五角星苹果”，所以不会出现“五角星苹果 + 圆形桃子”；但也没有同时构成另一组冲突。 数量为： 但这里已经有“圆形苹果 + 五角星桃子”，所以这个组合其实满足条件，不能作为避免情况。需要重新限制。 真正避免条件时，苹果和桃子的可取结构只能是：
最大可避免组合是： 再加所有西瓜味： 所以最多可以取 35 个仍不保证满足条件。 因此最少保证数是： 答案：36 个。 |
Beta Was this translation helpful? Give feedback.
-
|
如果不降智的话一般回答为 21。这里给出一个 OpenRouter API 调用的结果： |
Beta Was this translation helpful? Give feedback.
-
|
看来好像真的是降智。。。 若可按手感选择形状，最少 21 颗。 因此，在题目强调“形状靠手感可以分辨”并允许按形状摸取时，答案应为： 所以在“可按形状选择摸取”的规则下，最少是： |
Beta Was this translation helpful? Give feedback.
-
可以进一步观察降智回答的情况下，reasoning tokens 是否是 516. |
Beta Was this translation helpful? Give feedback.
-
抽象 原来我一直被 516 控制
|
Beta Was this translation helpful? Give feedback.
-
516 果然降智 写了一个插件 516 就报错重试 本来答案是 23个 直接重试给了 21 个 |
Beta Was this translation helpful? Give feedback.
-
CPA的插件吗 |
Beta Was this translation helpful? Give feedback.
-
|
对的 你叫 AI 写个2分钟就写好了 |
Beta Was this translation helpful? Give feedback.
-
这个思路很棒 |
Beta Was this translation helpful? Give feedback.
-
|
抽取了点日志复盘了下，也许还可以进一步扫描 516 不是随机均摊出现，而是明显条件性密集：它主要密集在 task 起手、task 收口、阶段切换、状态重建 这些位置。不是长时间连续卡在 516，而是经常在 task 交界处形成小团簇。 |
Beta Was this translation helpful? Give feedback.
-
|
我也来凑个热闹，经过多次测试走CPA的55xh稳定为21个，见图： 
但是55xh fast从19-29不等，但是没有出现21的情况。 55low fast 29稳定。 55low 19-29不等。 |
Beta Was this translation helpful? Give feedback.
-
|
我后面也测了不同思考强度，的确发现 xhigh 被降智的概率更低，但不是完全没有，见下图
|
Beta Was this translation helpful? Give feedback.
-
我连网页版用gpt5.5pro 都降智成5.3mini了，我还是200美元的套餐
|
Beta Was this translation helpful? Give feedback.
-
|
我也是，最近 pro 压根不可用，直接路由到 5.3 mini；我都怀疑不是 IP 问题，换了一堆家宽了 |
Beta Was this translation helpful? Give feedback.
-
根据我的观察，账号、IP、反代都会影响风控。最严重的就是账号被风控，这时候换什么 IP 都不管用了。 |
Beta Was this translation helpful? Give feedback.
-
|
感觉像是bug |
Beta Was this translation helpful? Give feedback.
-
|
我又做了一组补充测试，发现一个可能更关键的现象： 我用同一道题反复开新对话测试。题目仍然和楼主相同，正确答案按“形状可通过手感分辨，可以决定摸圆形/五角星形数量”的理解应为 这次我对比了两类新对话：
目前这组样本结果如下：
比较典型的错误形态是：
而无记忆注入的那组基本都是：
另外有一个很有代表性的例子：在一个有记忆注入的 所以我现在怀疑这个问题不只是模型随机答错，而可能和“前置上下文太多”有关。记忆、技能说明、项目上下文、第三方 wrapper 的系统提示等内容叠加后，可能会降低用户当前题目中关键条件的显著性。模型于是更容易把这道题当作一个熟悉的普通抽屉原理/盲抽问题，快速套用错误模板，直接给出 这也可能解释为什么一些第三方客户端或代理工具里也有人观察到类似“降智”现象：并不一定是某个客户端本身让模型变差，而可能是它们在用户输入前叠加了较多提示词、工具说明、记忆或历史摘要，导致模型更容易进入短推理 direct-final 路径。 目前我能确认的是，在我这组测试里：
这不一定证明根因就是 memory，但它看起来是一个很强的相关因素，值得进一步排查。 |
Beta Was this translation helpful? Give feedback.
-
我这边实测几乎不相关。
|
Beta Was this translation helpful? Give feedback.
-
我觉得问题的核心在于上下文被污染，所以我的解决方案是关闭记忆系统。因为我的记忆系统比较庞大，占用上下文很多。你的情况很有可能是技能占用过多。codex 有个提示，显示你的技能描述字数太多，并且已经超过了2%上限。我觉得你可以测试一下把你的技能全都临时关闭，然后再去测试一下，我觉得可能就 OK 了。 |
Beta Was this translation helpful? Give feedback.
-
我觉得没有任何关系，纯属服务端负载看心情 |
Beta Was this translation helpful? Give feedback.
-
关了也不行，网页版都会报错，我感觉和上下文关联不大，而且以前也没降智这个问题。 而且 不能用 memories 就算了，如果不能用 skill plugin，那还用 codex 干啥，直接在线用 pro 复制粘贴算了 |
Beta Was this translation helpful? Give feedback.
-
你这个情况可能确实是别的因素造成的。你可以试试看你的同 IP 网页端的 Pro 是否有降智。以及打开浏览器的无痕浏览，然后进入 ChatGPT 看一下能不能直接对话。如果 IP 质量还可以的话，应该是可以直接对话的，无需登录。 |
Beta Was this translation helpful? Give feedback.
-
|
尝试了同一时间同一个IP和思考等级，安卓手机端是29,网页是21 |
Beta Was this translation helpful? Give feedback.
-
全新安装 美区服务器，环境干净，但IP肯定干净不到哪去，没有其他并发本地安装，带各种插件，已经关闭记忆，没有其他并发本地安装，带各种插件，已经关闭记忆，这时我本地还跑着今天刚出的 Codex Security 任务（GPT5.5超高）全新安装 美区服务器，环境干净，这时我本地还跑着今天刚出的 Codex Security 任务（GPT5.5超高）全新安装 美区服务器，环境干净，这时我本地还跑着其他任务（GPT5.5超高）本地安装，带各种插件，这次开启记忆，没有其他并发
目前看出来，也就 xhigh 比 high 好，无并发比并发好。 开不开记忆，影响不是很大。 单纯就是服务器看 你的 IP 或者并发，或者服务器自己的负载高，就给你降智，省钱的小动作。其他很多都是凑巧碰到，玄学罢了。 再多试了几次 本地安装，带各种插件，开启记忆，没有其他并发本地安装，带各种插件，关记忆，没有其他并发感觉可能和开关记忆还是有点关系。我之后再测测开了 fast 也就是 service_tier 为 priority 的情况。 本地安装，带各种插件，开启记忆，fast模式（进codex cli用command改的配置，没有外置参数，不清楚脚本是否能生效），没有其他并发本地安装，带各种插件，关闭记忆，fast模式，没有其他并发fast模式也没啥提速，真坑啊。感觉之前记忆开关差距还是运气问题。 |
Beta Was this translation helpful? Give feedback.
-
|
如果能找到一个更为复杂的问题（比如一个真实的bug修复测试），能稳定触发出中间思考过程就好了，因为我之前发现被降智的这种现象，都是没有中间思考过程的，直接给出问题的答案。我在想是不是OpenAI有一个路由系统，或者是GPT自己的判断系统，记得之前官方也说过，GPT会根据问题的复杂度判断要思考多久。每次GPT回答错这个糖果问题，都是忽略了能摸出形状这个条件，也可以测试一下，非常强调这个形状条件，就是加 markdown语法加粗啥的，或者强调三四次能摸出形状这个条件，看看能不能让GPT注意到这个条件，去触发更强力思考。 |
Beta Was this translation helpful? Give feedback.
-
|
sub2api 反代 + codex cli，分别用gpt-5.5的xhigh, high, medium做了4次测试，结果如下： 12次测试都没有516的情况。 |
Beta Was this translation helpful? Give feedback.
-
|
开了个失败重试，结果一直516. |
Beta Was this translation helpful? Give feedback.
-
|
sub2api一切正常 |
Beta Was this translation helpful? Give feedback.
-
在提示的情况下它执行脚本获取了正确答案, 没给提示是 26 个糖果
|
Beta Was this translation helpful? Give feedback.
-
我想知道这个题有没有权威文档，具体解释为什么很多大模型会出现错误，是什么导致的 |
Beta Was this translation helpful? Give feedback.
-
|
这个题如何不重要，重要是大模型把请求的思维链截断了，像deepseek虽然没GPT聪明，但是它能思考5分钟，推理链可以很长，对应的推理tokens很多。这个题要得到正确答案也需要几千的推理tokens，而GPT 5.5 最近把部分请求的推理过程强制截断了。表现出来就是统一的推理tokens数量和没有思考过的答案。甚至是否是516也不重要。关键看同样推理强度的同请求，是否可以拿到更长的reasoning_tokens。 |
Beta Was this translation helpful? Give feedback.
-
|
我说这个串是不是被closedai监控了，毕竟closedai会给开源贡献者直接发邮件送会员，那么反过来应该也可以轻易知道反向代理等项目活跃用户的邮箱。我的号昨天早上被封了，虽然是大规模封禁，但主要也只看到大陆圈子在说，封禁原因的判断方式还未可知。 |
Beta Was this translation helpful? Give feedback.
-
|
模型的能力测试普遍有两种测试：带工具和不带工具，在使用了以下的请求方法后，得到了一个没有降至的结论： curl -X POST http://127.0.0.1:8317/v1/responses \
-H "Content-Type: application/json" \
-H "Authorization: Bearer 12345" \
-d '{
"model": "gpt-5.5",
"instructions": "You are a helpful assistant.",
"input": [
{
"type": "message",
"role": "user",
"content": [
{
"type": "input_text",
"text": "在一个黑色的袋子里放有三种口味的糖果，每种糖果有两种不同的形状（圆形和五角星形，不同的形状靠手感可以分辨）。现已知不同口味的糖和不同形状的数量统计如下表。参赛者需要在活动前决定摸出的糖果数目，那么，最少取出多少个糖果才能保证手中同时拥有不同形状的苹果味和桃子味的糖？（同时手中有圆形苹果味匹配五角星桃子味糖果，或者有圆形桃子味匹配五角星苹果味糖果都满足要求）\n苹果味 桃子味 西瓜味\n圆形 7 9 8\n五角星形 7 6 4"
}
]
}
],
"reasoning": {
"effort": "xhigh",
"summary": "auto"
},
"stream": true,
"store": false,
"include": [
"reasoning.encrypted_content"
]
}'该测试报文没有使用任何工具，并且没有使用Codex自带的系统提示词。 得到的统计数据如下： 
得到的结果如下（省去了报文中24段思考的内容，仅展示最后结果）： 在**可以凭手感按形状挑取**的前提下，最少需要取 **21 个**。
取法：
**取 12 个五角星形糖 + 9 个圆形糖。**
理由：
1. 五角星形糖中：
- 非桃子味 = 苹果 7 + 西瓜 4 = 11，所以取 12 个五角星形，必有桃子味；
- 非苹果味 = 桃子 6 + 西瓜 4 = 10，所以取 12 个五角星形，也必有苹果味。
因此，12 个五角星形中一定同时有**五角星苹果**和**五角星桃子**。
2. 圆形糖中西瓜味只有 8 个，所以取 9 个圆形糖，必有至少一个苹果味或桃子味：
- 若有圆形苹果，则可配五角星桃子；
- 若有圆形桃子，则可配五角星苹果。
所以 **12 + 9 = 21** 个一定够。
为什么 20 个不够：
设取 (r) 个圆形、(20-r) 个五角星形。
- 若 (r le 8)，圆形可能全是西瓜味，无法匹配；
- 若 (r ge 16)，五角星形最多 4 个，可能全是西瓜味；
- 若 (9 le r le 15)，可以让圆形和五角星形都只取到“非桃子味”（圆形非桃子有 (7+8=15) 个，五角星非桃子有 (7+4=11) 个），手中可能没有桃子味。
因此 20 个不能保证，最少是 **21 个**。
注：如果题意是不允许按形状挑取、只能完全盲抽，则答案会变成 **29 个**。当然了，在工程的情况下，无法做到没有系统提示，不带任何工具。 仅做关于降智的探讨。 |
Beta Was this translation helpful? Give feedback.
-
|
API端按量计费，网页端风控严格且不容易批量调用，只有Codex是套餐订阅形式，且是agent客户端，请求量庞大。所以把Codex的部分请求推理链掐了。 |
Beta Was this translation helpful? Give feedback.
-
|
我这个使用的就是CPA从codex订阅中转出来的，所以目前看问题还是应该出在工具及系统提示词上。 我等一会儿尝试把系统提示词换成GPT-5的时代的codex系统提示词再试试，看看能不能达到老5或者5.2的工作水平。 5.5对工具的调用更积极，只要有工具就会想方设法的使用工具去调用。极有可能会造成比较大的影响。 |
Beta Was this translation helpful? Give feedback.
-
|
刚测了一次，我这Codex端删掉系统提示词也没用了 =。= |
Beta Was this translation helpful? Give feedback.
-
|
我刚才将5.5的系统提示词换成5.2的，那个老态龙钟的5.2又回来了！ 
其实516没啥，挺好的，我们团队拿keeper的数据完整的拉了一下，70%以上的请求实际上思考是0，这才是应该是降智的主要原因。 |
Beta Was this translation helpful? Give feedback.
-
建议验证下数据，感觉不太对劲，那516占比是多少呢？ |
Beta Was this translation helpful? Give feedback.
-
感觉还好，516比例没有想象中的高
|
Beta Was this translation helpful? Give feedback.
-
这么一算 codex high、xhigh名存实亡。高难度推理一半概率被截断。不如medium甚至low稳定跑 |
Beta Was this translation helpful? Give feedback.
-
佬你主用哪个推理强度 |
Beta Was this translation helpful? Give feedback.
-
|
非佬，一直用的high |
Beta Was this translation helpful? Give feedback.
-
大部分场景确实用不到 516，但是对于需要用 516 的场景，推理被强行截断到 516 就会出现推理不完善、前后不一致等一系列问题。 |
Beta Was this translation helpful? Give feedback.
-
https://www.reddit.com/r/codex/comments/1ugyvez/half_of_your_highstakes_codex_requests_may_be/ |
Beta Was this translation helpful? Give feedback.
-
|
This might be helpful as a reference: https://github.com/Tai-Wei/codex-516-fix It seems related to the issue discussed here and may provide a useful starting point or workaround. |
Beta Was this translation helpful? Give feedback.
This comment was marked as disruptive content.
This comment was marked as disruptive content.
-
我的是CLIProxyAPI 登录账号+然后自定义Codex接入
|
Beta Was this translation helpful? Give feedback.
-
codex 5x pro + reasoning=high，客户端直连，未走反代，问题依然存在，甚至比反代的时候更严重
|
Beta Was this translation helpful? Give feedback.
and others
Uh oh!
There was an error while loading. Please reload this page.
Uh oh!
There was an error while loading. Please reload this page.
-
最近发现 OpenAI 似乎对非 Codex 发出的请求降智（限制推理）。包括但不限于：
具体而言，我使用如下问题进行了广泛测试：
该问题的正确答案是 21，不降智的 GPT-5.5 模型只要开启思考（low/medium/high/xhigh）应该都能回答正确。
测试环境如下：
测试结果如下：
一个观察是，当降智发生的时候，这次请求的 reasoning token 总是 516。如下：
希望有条件的朋友一起测试一下，看看 OpenAI 降智具体是怎么回事，能不能规避。
Beta Was this translation helpful? Give feedback.
All reactions