GPT-5.5突遭暗中降智，思考一到516就断！越难越翻车

发布时间：2026-07-17 08:28:32 来源：安智兰德资讯网 作者：焦点

新智元报道

【导读】GPT-5.5近期遭遇严重性能波动，遭暗中降智思疑似被数字“516”卡死。翻车数据显示，遭暗中降智思约80%的翻车复杂推理任务在达到特定阈值后被悄悄截断，引发开发者强烈质疑：OpenAI是遭暗中降智思否在暗中削减算力？付费用户直呼体验断崖式下跌。

这一现象令人细思极恐。翻车

作为OpenAI的遭暗中降智思旗舰产品，GPT-5.5在近期处理复杂编程任务时表现异常“拉胯”。翻车更诡异的遭暗中降智思是，开发者发现了一个导致模型瞬间崩溃的翻车“死亡密码”：

数字 516

大量Codex开发者通过实证分析，验证了这一离谱Bug的遭暗中降智思存在。

为何顶级大模型会因一个数字而“宕机”？翻车

GPT-5.5死锁“516”：80%任务遭遇隐性降智

真相逐渐浮出水面……

一周前，Codex开发者 @vguptaa45 在分析后台元数据时，遭暗中降智思发现了一条令人震惊的翻车规律——

GPT-5.5的大量回复中，其推理Token数量竟死死卡在“516”这一数值上。遭暗中降智思

传送门：GitHub Issue #30364

不仅如此，在 1034和 1552这两个节点，同样出现了诡异的集中爆发。

在编号 #30364 的GitHub Issue中，开发者展示了一份详尽的统计报告：

• 时间跨度：2026年2月1日 - 6月27日
• 数据规模：覆盖 390,195 条响应级Token记录、865 个会话
• 关键发现：推理Token精确等于 516的事件高达 3363次

在跨模型横向对比中，结果触目惊心：

• GPT-5.5 仅占全部响应量的 19.3%
• 却包揽了 82.0%的“精准516”事件

这意味着，全网所有卡在“516”死结上的回复，超过八成出自 GPT-5.5 一家之手。

进一步与自家GPT系列模型对比，关键指标“精准516/大于等于516的比例”差异巨大：

• GPT-5.5：接近 一半的“深度思考”回复最终精准落在516。
• GPT-5.2：该比例仅为 0.34%（几乎为零）。

GPT-5.5 的比值比其他所有非GPT-5.5模型的基准值高出整整 33.6倍。

这种断崖式的、仅针对单一模型的分布，显然不符合大模型自然“思考”的特征。它更像是一个藏在深处的开关，被人为拨到了“516”这一格。

越用越“笨”：推理强度与截断频率的矛盾

按常理，频繁触发“516”应意味着模型“想得多”、推理量大。

但事实恰恰相反。

数据显示，在“516现象”急剧恶化的5月和6月，GPT-5.5的整体推理强度——无论是平均值还是P90（90分位），反而比2月到4月大幅缩水。

一边是“516死结”越卡越频繁，一边是模型整体“越想越少”。

这两组矛盾数据指向一个让付费用户细思极恐的结论：

GPT-5.5在处理复杂、高风险任务时，可能正被某种隐藏的“推理预算上限”或“截断机制”悄悄按下暂停键。

你以为花了钱、开了最高档，让它死磕硬骨头。结果它想到一半，啪，到516了，收工交卷。答案对错？不管了。

GitHub万人上访，开发者怒斥OpenAI

一石激起千层浪。

30364 帖子发出后，评论区瞬间挤满了“苦主”：

“我也一直被这个问题折磨，快疯了。”
“同样的毛病，求OpenAI给个说法！”

有人指出，早在 #29353 帖中就已有人复现过此问题：GPT-5.5 跑到刚好516个推理Token时“短路”停机，并输出错误答案。

此次开发者通过横跨5个月的海量数据，将孤例锤成了铁证。

甚至有开发者将问题发酵至Reddit，直言：“你有一半的高风险Codex请求，可能正在被悄悄降级。”

HK上的网友反馈，对于推理问题，通常需要6000-8000个思考Token才能输出正确结果。

部分用户被迫在Codex和Claude之间来回切换以获取准确答案。

面对汹涌民意，社区向Codex团队发出“通缉令”，句句诛心：

这到底是推理预算被限？路由出问题？被截断？触发Fallback？还是调度器搞鬼？导致回复统统在516/1034/1552附近戛然而止？

如果这是“正常设计”，请明确告知：

516，究竟是一个正常的思考终点、预算天花板，还是一个被降级的“劣质档位”？

这一连串反问，等待的是OpenAI的正面回应。

不过，提出者本人保持克制，未直接指控OpenAI“偷偷截断思维链”。他认为这更像是一种“GPT-5.5特有的、符合某种阈值化推理预算行为的异常聚集”。

是否为OpenAI主动阉割算力，尚需官方定论。

不光变笨，更“变毒舌”：性格缺陷引发吐槽

近期另一波吐槽，精准戳向了GPT-5.5的性格。

开发者Angel进行了一项对比实验：将相同指令分别喂给 ChatGPT (GPT-5.5 Instant) 和 Claude (Fable 5)，并排截图对比。

结论令人拍案：

1. 过度格式化：什么都要列成小圆点

ChatGPT 无法用正常的人话交流，任何回答都被剁成标题、加粗、圆点、冒号。

当要求它“自然点，别那么AI腔”时，它回了一个 四点的项目符号列表，一本正经地列出“我将如何不像AI”。而 Claude 仅回复：“行，我说话自然点，怎么了？”

2. 强迫性纠错：非得挑毛病不可

让它检查一句话或推文，它 必须挑出点毛病，仿佛“说一句‘挺好的’”会要它的命。

Claude 说“没问题，可以直接发”，ChatGPT 却硬塞给你两个改写版、两个“更X风格”备选，外加一句“你这话有点夸张了”。

3. 过度提供选项：你要一个，它给三个

你说“讲个笑话哄我开心”，Claude 讲一个。

ChatGPT 讲完一个，追加一个补充包袱，再说“或者这个”，讲第二个，接着“还有一个特别蠢的”，讲第三个，最后请你“说明偏好，好让它瞄得更准”。

开发者一针见血：对一个聊天助手来说，性格就是产品本身。

如果每一次回答都是过度格式化、过度纠错、过度给选项，摩擦会一点点累积，最终耗光用户耐心。

一个卡在516，一个困在圆点里。两桩怪病看似风马牛不相及，病根却相同——

GPT-5.5 越来越擅长“交差”，越来越不擅长“帮忙”。

真正的智能，不该是被“516”锁死的提线木偶。

毕竟，人类花钱雇佣的是一个能并肩作战的天才，而不是一个按件计酬的“教导主任”。

参考资料：

• GitHub Issue #30364

编辑：桃子

相关文章