OpenAI ha ridotto le capacità di GPT-5.6 Sol? Analisi della controversia sul "valore delle capacità"

Introduzione

Poco dopo il lancio diffuso di GPT-5.6 Sol, alcuni utenti di Codex hanno iniziato a segnalare un cambiamento inaspettato: le risposte del modello erano diventate più veloci, ma la sua volontà di affrontare problemi complessi in profondità era diminuita.

Il dibattito è escalation quando screenshot della community hanno mostrato un drastico cambiamento in un'impostazione interna chiamata "valore delle capacità". Gli utenti hanno interpretato questo valore come un budget di ragionamento nascosto, collegandolo al peggioramento delle prestazioni di Sol Max. OpenAI ha negato che il modello stesso fosse stato deliberatamente indebolito, ma ha riconosciuto di aver temporaneamente modificato le impostazioni dello sforzo di ragionamento durante un'indagine su un utilizzzo anomalamente elevato.

Questa distinzione è cruciale. I pesi sottostanti del modello possono rimanere invariati, mentre la configurazione di esecuzione, il contesto disponibile, i permessi degli strumenti, lo sforzo di ragionamento o il comportamento multi-agente possono cambiare. Dal punto di vista dell'utente, queste impostazioni operative possono comunque far sì che lo stesso modello nominale si comporti diversamente in momenti diversi.

Questo articolo separa i fatti verificati dalle osservazioni della community e spiega come gli sviluppatori possono testare il comportamento del modello in modo più affidabile.

Funzionalità introdotte da GPT-5.6 Sol

OpenAI ha presentato per la prima volta GPT-5.6 Sol il 26 giugno 2026, descrivendolo come il membro di punta della famiglia di modelli che include Terra e Luna. La versione più ampia di GPT-5.6 è stata successivamente rilasciata il 9 luglio 2026.

Un punto forte di questo rilascio è stata la gamma più ampia di impostazioni di ragionamento. In Codex, Sol può utilizzare diversi livelli di ragionamento:

1. Basso
2. Medio
3. Alto
4. Molto alto
5. Massimo
6. Estremo

OpenAI ha descritto "Massimo" come l'impostazione che concede a Sol il tempo di ragionamento più profondo. "Estremo" va oltre, utilizzando sotto-agenti per scomporre compiti complessi e gestirli attraverso il lavoro parallelo.

Uno sforzo di ragionamento più elevato non è senza costo. Richiede in genere più tempo e consuma più token, ma è utile per compiti che richiedono pianificazione, test iterativi, recupero da errori o confronto di più soluzioni possibili.

Perché gli utenti pensano che Sol Max sia stato indebolito

Una delle lamentele più diffuse proveniva da un team di ricerche di mercato giapponese che utilizzava Codex Sol Max con uno strumento da riga di comando personalizzato.

Secondo un post del team su Reddit, Sol Max in precedenza impiegava più di dieci minuti per elaborare prompt complessi, testando ripetutamente idee e utilizzando strumenti fino a ottenere risultati affidabili. Il team ha affermato che le sue prestazioni sono poi improvvisamente diminuite, con ogni membro che ha notato una profondità di ragionamento ridotta nello stesso giorno lavorativo.

Questo rapporto ha valore come esperienza utente reale, ma non è un test di riferimento controllato. Ci sono molti fattori che possono influenzare l'esecuzione di un agente di codifica:

• Livello di ragionamento scelto
• Finestra di contesto disponibile
• Permessi degli strumenti e impostazioni sandbox
• Stato del repository del codice
• Formulazione del prompt
• Routing o configurazione lato server
• Comportamento multi-agente
• Limiti di velocità e statistiche di utilizzo
• Differenze casuali tra le esecuzioni

La differenza improvvisa notata da un team esperto merita un'indagine. Ma questo di per sé non dimostra che OpenAI abbia modificato i pesi del modello o ridotto permanentemente le capacità di Sol.

Cos'è il "valore delle capacità"?

Il termine "valore delle capacità" è diventato il punto focale.

La controversia è nata dopo che Thibault Sottiaux, del team Codex e ChatGPT Work, ha pubblicato un aggiornamento pubblico.

In quell'aggiornamento, Sottiaux ha affermato che OpenAI aveva condotto esperimenti per regolare l'input di ragionamento, riferendosi internamente a queste impostazioni come "valori del succo". Ha anche detto che l'esperimento era stato annullato.

La spiegazione più semplice è che il valore del succo è un parametro di controllo interno relativo a quanto lavoro di ragionamento il modello è autorizzato a impiegare in un compito, e non dovrebbe essere automaticamente considerato come un punteggio di intelligenza.

Una allocazione di ragionamento inferiore può influenzare i seguenti comportamenti:

• Numero di metodi esplorati dal modello
• Durata del calcolo prima di generare una risposta
• Se il codice generato viene testato automaticamente
• Frequenza di correzione o rollback delle modifiche fallite
• Se il modello delega parti del compito a sotto-agenti
• Lavoro investito nel controllo dei casi limite

Ma OpenAI non ha ancora pubblicato una mappatura numerica ufficiale tra i livelli di ragionamento rivolti all'utente e i valori specifici del succo.

La modifica segnalata da 960 a 128

Post e screenshot della community sostengono che Sol Max utilizzasse in precedenza un valore del succo vicino a 960, poi mostrato come 128, con una riduzione di circa l'87%.

Questi numeri dovrebbero essere considerati osservazioni non verificate della community, non appaiono nella documentazione del modello GPT-5.6, e i valori estratti tramite prompt nascosti o tecniche di "impronta digitale del modello" potrebbero non rappresentare in modo affidabile l'effettiva allocazione computazionale lato server.

La parte confermata è limitata: OpenAI ha riconosciuto di aver condotto esperimenti sull'input di ragionamento e ha affermato che le modifiche correlate sono state annullate.

La risposta di OpenAI

L'aggiornamento di Sottiaux ha smentito le affermazioni secondo cui GPT-5.6 Sol sarebbe stato deliberatamente indebolito, descrivendo invece diversi problemi operativi e modifiche.

1. Ottimizzazione del ragionamento

OpenAI ha affermato di aver implementato ottimizzazioni del ragionamento e di aver trasferito i risparmi agli utenti abbonati, prevedendo che solo questo miglioramento avrebbe fornito circa il 10% di utilizzo aggiuntivo.

I guadagni di efficienza possono rendere il modello più veloce o più economico senza ridurre la qualità. Ma se le ottimizzazioni vengono rilasciate contemporaneamente ad altri esperimenti di configurazione, gli utenti potrebbero comunque notare cambiamenti.

2. Modifica del limite di contesto

OpenAI ha aumentato il limite di contesto disponibile per GPT-5.6 Sol da 272k di GPT-5.5 a circa 372k.

Un contesto più grande ha portato a detrazioni di utilizzo superiori al previsto. OpenAI ha temporaneamente ripristinato il limite a 272k e ha dichiarato che avrebbe ridistribuito 372k dopo aver corretto il comportamento di fatturazione.

Questo aiuta a spiegare perché due questioni sono state discusse contemporaneamente:

• Gli utenti hanno visto un consumo più rapido delle quote di utilizzo
• Alcuni utenti hanno visto una finestra di contesto disponibile più piccola

La modifica della finestra di contesto non è correlata a un cambiamento dei pesi del modello, ma può comunque influenzare compiti su repository lunghi e flussi di lavoro intensivi di documentazione.

3. Esperimento sull'input di ragionamento

OpenAI ha affermato di aver regolato l'input di ragionamento mentre tracciava un aumento anomalo dell'utilizzo, e queste impostazioni interne sono state chiamate valori del succo.

L'azienda ha detto che l'esperimento è stato annullato.

4. Utilizzo di multi-agente e revisione automatica

OpenAI ha anche segnalato che, nelle modalità "Alta" e "Molto alta", l'utilizzo effettivo del multi-agente era leggermente superiore al previsto. L'azienda ha dichiarato di stare correggendo questo comportamento e migliorando l'efficienza della revisione automatica.

Questo è importante perché la delega agli agenti consuma molte risorse. Le esecuzioni che avviano più sotto-agenti o svolgono lavoro di revisione aggiuntivo possono consumare quote di abbonamento molto più velocemente rispetto a esecuzioni con un singolo agente.

Un budget di ragionamento più piccolo rende il modello meno intelligente?

Non necessariamente, ma può far sembrare il modello meno capace nei compiti difficili.

È utile separare tre livelli:

Capacità del modello

Questa deriva principalmente dal modello addestrato stesso: i suoi pesi, l'architettura, la conoscenza appresa e la capacità fondamentale di risolvere problemi.

Assegnazione di ragionamento in fase di esecuzione

Questo determina quanto tempo o risorse di calcolo il sistema consente al modello di spendere su una richiesta specifica.

Ambiente dell'agente

Questo include strumenti, contesto, memoria, permessi, sotto-agenti, esecutori di test, accesso ai file e strategie di riprova.

Un modello potente con un'assegnazione di ragionamento limitata può comunque rispondere correttamente a domande semplici, ma si comporterà peggio in compiti di codifica a lungo ciclo. Potrebbe fermarsi dopo aver trovato la prima soluzione apparentemente ragionevole, senza tentare alternative o recuperare dall'approccio iniziale sbagliato.

Ciò non significa che le capacità sottostanti del modello siano scomparse. Significa che, in quella particolare esecuzione, la misura in cui tali capacità vengono mostrate potrebbe essere ridotta.

Perché le prestazioni percepite possono cambiare senza nuovi pesi del modello

I sistemi AI di produzione non sono file statici forniti sempre esattamente allo stesso modo. I fornitori possono modificare molti parametri operativi senza rinominare il modello.

Ad esempio, gli utenti possono percepire differenze quando la piattaforma cambia:

• Durata massima del ragionamento
• Budget di token o calcolo
• Limiti di contesto
• Limiti di chiamate agli strumenti
• Comportamento di riprova
• Regole per agenti paralleli
• Cache
• Controlli di sicurezza
• Bilanciamento del carico
• Quote di abbonamento

Questo è il motivo per cui il solo nome del modello non garantisce un comportamento coerente in giorni, prodotti, piani o impostazioni di ragionamento diversi.

Per gli utenti aziendali, la domanda chiave non è solo "quale modello è stato scelto?" ma anche "quali garanzie di runtime accompagnano quel modello?"

Come testare se le prestazioni di Codex sono cambiate

Test efficaci richiedono il massimo controllo delle variabili. Eseguire un prompt una volta prima e una volta dopo il sospetto cambiamento non è sufficiente.

Passo 1: Fissare il compito

Utilizzare la stessa versione del commit del repository, file di input, dipendenze, variabili d'ambiente e suite di test.

Creare un checkpoint Git prima di ogni esecuzione per garantire che lo stato iniziale sia identico.

Passo 2: Registrare la configurazione

Nella CLI di Codex, controllare il modello attivo corrente e la configurazione della sessione:

/status

Se necessario, utilizzare il selettore di modello:

/model

Puoi anche avviare Codex con un modello specifico:

codex

--modello gpt-5.6

Per attività ripetibili e non interattive:

```bash
codex exec -m gpt-5.6 "Revisiona le modifiche correnti"

Registra

Livello di ragionamento, permessi, utilizzo del contesto, versione di Codex e qualsiasi strumento o plugin abilitato.

Passaggio 3: Utilizza criteri oggettivi di successo

Definisci chiaramente il risultato atteso prima di iniziare. Indicatori utili includono:

• Test superati
• Bug risolti
• Punteggi nei benchmark
• File modificati correttamente
• Numero di regressioni
• Numero di correzioni manuali necessarie
• Tempo per raggiungere una soluzione valida
• Numero di chiamate a strumenti e tentativi
• Risorse totali consumate

Evita di valutare basandoti solo su quanto appare "intelligente" la risposta.

Passaggio 4: Ripeti ogni condizione

Esegui più tentativi per la stessa condizione. I modelli di ragionamento e gli agenti possono variare tra tentativi diversi, quindi una singola esecuzione può essere fuorviante.

Confronta mediana e tasso di fallimento, non scegliere l'esempio migliore o peggiore.

Passaggio 5: Cambia una variabile alla volta

Mantenendo tutto il resto invariato, confronta le differenze tra Medium e Max. Poi confronta separatamente data, versione o limiti di contesto.

Se modifichi più variabili contemporaneamente, non saprai quale ha causato la differenza nei risultati.

Passaggio 6: Conserva i log

Salva prompt, output del terminale, diff, risultati dei test, tempi e dati sull'utilizzo delle risorse. Una registrazione chiara aiuta a segnalare regressioni e permette ad altri utenti di replicare i test.

Guida pratica per utenti di Codex

Per le attività quotidiane, OpenAI consiglia di iniziare con le impostazioni di ragionamento predefinite, aumentando il livello solo quando sono necessarie pianificazione o analisi più approfondite.

Le seguenti pratiche rendono le attività complesse più affidabili:

1. Specifica chiaramente i criteri di accettazione.
2. Chiedi a Codex di controllare il codebase prima di modificare.
3. Richiedi l'esecuzione dei test pertinenti.
4. Indica di segnalare gli insuccessi irrisolti, senza nascondere i problemi.
5. Utilizza checkpoint Git prima e dopo modifiche importanti.
6. Prima di avviare attività costose, verifica il modello e il livello di ragionamento correnti.
7. Mantieni benchmark riproducibili per il lavoro critico del team.

Per progetti particolarmente complessi, Max o Ultra possono essere appropriati. Ultra è utile quando il problema può essere suddiviso tra sotto-agenti, ma consuma anche più risorse.

Le controversie rivelano la verità sull'"intelligenza fissa"

Il problema più grande non è se il discusso valore interno sia 960 o 128. La preoccupazione più profonda è che gli utenti spesso credono che il nome del modello rappresenti un livello di comportamento fisso e stabile.

In realtà, l'esperienza utente dipende dal modello e dalla configurazione del servizio circostante. I fornitori possono ottimizzare il ragionamento, modificare i limiti di contesto, regolare l'allocazione del ragionamento o alterare l'orchestrazione degli agenti mantenendo invariato il nome del modello.

Questa flessibilità è utile per gestire servizi su larga scala, ma crea anche problemi di trasparenza. Gli sviluppatori che costruiscono flussi di lavoro critici devono sapere quali funzionalità sono affidabili e quali possono cambiare dinamicamente.

Una documentazione più chiara dovrebbe includere:

• Definizioni stabili dei livelli di ragionamento
• Garanzie sulla finestra di contesto
• Un changelog significativo per le modifiche in fase di esecuzione
• Regole per la contabilizzazione dell'utilizzo delle risorse
• Notifiche quando vengono implementate configurazioni sperimentali
• Linee guida per valutazioni riproducibili

Senza queste informazioni, gli utenti possono solo dedurre i cambiamenti del sistema dalla velocità di risposta, dall'utilizzo dei token e dalla qualità soggettiva dell'output.

Domande frequenti

GPT-5.6 Sol è stato ufficialmente indebolito?

OpenAI afferma di non aver intenzionalmente ridotto le prestazioni del modello. L'azienda riconosce l'esistenza di esperimenti temporanei con regolazioni dell'intensità del ragionamento, nonché parametri di contesto, multi-agente e statistiche di utilizzo.

Cosa si intende per "valore juice" in GPT-5.6 Sol?

OpenAI usa questo termine per riferirsi a impostazioni interne legate all'intensità del ragionamento. Il valore sembra controllare o rappresentare le risorse di ragionamento, ma l'azienda non ha ancora pubblicato una definizione tecnica completa o una scala numerica ufficiale.

Il valore juice di Sol Max è davvero sceso da 960 a 128?

Questa affermazione deriva da screenshot della community ed esperimenti con prompt nascosti. OpenAI non ha confermato ufficialmente nessuno dei due valori, quindi non dovrebbero essere considerati specifiche del modello verificate.

Perché Sol sembra più veloce ma meno profondo?

Un'allocazione di ragionamento inferiore porta il modello a esplorare meno approcci, ridurre i tentativi di verifica o terminare prima. Anche altri fattori come limiti di contesto, comportamento degli strumenti, configurazione del server e fluttuazioni casuali possono produrre effetti simili.

Cosa è successo alla finestra di contesto di 372k di Codex?

OpenAI afferma che il limite di contesto di GPT-5.6 Sol è stato aumentato da 272k a 372k, ma la modifica ha causato un consumo di risorse più rapido del previsto. In attesa di reintrodurre i 372k, il limite è stato temporaneamente riportato a 272k.

Gli sviluppatori dovrebbero usare sempre il ragionamento Max?

No. Impostazioni di ragionamento più elevate richiedono più tempo e consumano più risorse. Si consiglia di iniziare con le impostazioni predefinite e di aumentarle solo quando l'attività richiede effettivamente pianificazione approfondita, test o recupero da errori.

Come può un team verificare un sospetto degrado del modello?

Esegui tentativi ripetuti con lo stesso codebase, prompt, strumenti, permessi, livello di ragionamento e test. Monitora metriche oggettive come tasso di superamento dei test, tasso di errore, tempo di completamento, chiamate a strumenti e consumo di risorse.

Strumenti correlati

• OpenAI Codex: L'ambiente di codifica intelligente di OpenAI per gestire codebase e attività di sviluppo.
• Codex CLI: L'interfaccia a riga di comando ufficiale per eseguire Codex su progetti locali e flussi di lavoro automatizzati.
• Repository GitHub di Codex: Il repository open source ufficiale di Codex CLI.
• ChatGPT: Interfaccia web che supporta i modelli GPT-5.6 e le impostazioni di ragionamento.
• Terminal-Bench: Benchmark per testare la capacità di pianificazione e utilizzo degli strumenti degli agenti AI in attività da riga di comando.

Link correlati

• Annuncio del rilascio di GPT-5.6: Annuncio di OpenAI sulla piena disponibilità della serie GPT-5.6 e panoramica dei benchmark.
• Anteprima di GPT-5.6 Sol: Anteprima ufficiale che introduce la modalità di ragionamento Max e la modalità multi-agente Ultra.
• Guida ai modelli Codex: Guida ufficiale su Sol, Terra, Luna e i livelli di ragionamento disponibili.
• Documentazione di Codex CLI: Istruzioni per installazione, configurazione e flussi di lavoro dello strumento a riga di comando Codex.
• Aggiornamenti runtime di OpenAI sulla piattaforma X: Discussioni pubbliche su ottimizzazioni del ragionamento, limiti di contesto, esperimenti sul "valore juice" e uso multi-agente.
• Report della community su Sol Max: Report su Reddit che ha innescato discussioni più ampie sulle prestazioni.

Riepilogo

La controversia su GPT-5.6 Sol è iniziata con feedback reali degli utenti, secondo cui il ragionamento Max era diventato più veloce ma meno profondo. Screenshot della community hanno collegato questa esperienza a note regolazioni del "valore juice" interno, ma l'affermazione specifica di un calo da 960 a 128 rimane non verificata.

OpenAI nega un indebolimento intenzionale del modello, confermando al contempo di aver sperimentato con le impostazioni di sforzo di ragionamento, modificato temporaneamente i limiti di contesto e scoperto usi imprevisti nei flussi di lavoro multi-agente e di revisione automatica. Si tratta di modifiche operative, non della conferma di una sostituzione dei pesi del modello sottostante, ma le regolazioni operative possono comunque influenzare le prestazioni effettive.

Per i team che dipendono da Codex, la migliore risposta è creare benchmark riproducibili, registrare le impostazioni di runtime e misurare i risultati tramite test, non sensazioni.

La lezione chiave è: il nome del modello non descrive completamente il comportamento effettivo che l'utente ottiene; allocazione del ragionamento, contesto, strumenti e configurazione del servizio sono ugualmente cruciali.