GPT-5.5 Codex 推理令牌聚类异常：固定阈值截断或致复杂任务性能退化

一位名为 vguptaa45 的开发者在 OpenAI Codex 的 GitHub 仓库提交了一个引人注目的 issue：通过分析 390,195 条 token_count 遥测记录，发现 GPT-5.5 的推理输出令牌在特定值上出现异常聚类。

数据揭示的异常

分析覆盖了 2026 年 2 月至 6 月的 865 个会话。关键发现如下：

• GPT-5.5 占所有响应的 19.3%，但占 exact-516 事件的 82.0%
• GPT-5.5 的 exact-516 / >=516 比率为 44.0%，而非 GPT-5.5 模型仅为 1.3%



图1：GPT-5.5 推理令牌在 516/1034/1552 处的异常聚类

• 聚类值形成等差数列：516, 1034, 1552, 2070, 2588, 3106，步长精确为 518

自然变化的推理令牌分布不应该在固定值处产生如此密集的聚类。这种均匀间隔的梳状结构看起来更像量化的推理预算块边界——推理在 516 + n×518 的边界处被终止。

推理强度同步下降

更令人担忧的是，聚类激增的同时，推理令牌强度显著下降：

5 月平均推理令牌从 268 骤降至 107，同时 exact-516 聚类飙升至 53.3%。这不是简单的"用了更少令牌"，而是推理过程可能被在固定阈值处截断。

多机器独立复现

两位独立开发者在不同的机器和工作负载上复现了这一结果。Machine A（54 个会话，纯 GPT-5.5）的 exact-516 / >=516 比率为 50.1%，Machine B（430 个会话，混合模型）为 47.9%，与原始报告的 44.0% 高度一致。

同时，GPT-5.5 的平均推理令牌（170）约为 GPT-5.4（463）的三分之一。在相同任务上，模型"想"得更少，且经常在固定位置停止思考。

这意味着什么

提交者明确表示这不证明存在隐式的思维链（chain-of-thought）截断，但 Codex 遥测确实显示了一个 GPT-5.5 特有的固定令牌聚类异常，与阈值化推理预算行为一致。

如果推理确实在 516 个令牌处被截断，这可以解释为什么复杂任务上 GPT-5.5 有时给出错误答案——它没有"想完"就被强制终止了。对开发者而言，这意味着在高 stakes 编程任务中，可能需要显式设置更高的推理预算，或考虑回退到推理更充分的模型版本。

关联推荐

• 2026 AI 编程代理格局：从 Cursor 到 Claude Code — 了解 AI 编程工具的整体格局
• Short Leash：一个资深开发者的 AI 编程方法论 — 如何在实践中管理 AI 编程风险
• MCP 模型上下文协议：AI Agent 与工具通信的统一标准 — 理解 AI Agent 工具通信标准