← 返回首页

يُقال إن GPT-5.5 يصطدم بحاجز استدلال عند 516 رمزًا، والمطورون غير راضين

تشرح هذه المقالة الشذوذ الذي أبلغ عنه المطورون في GPT-5.5 Codex والمتعلق برموز الاستدلال عند `516`، بما في ذلك مشكلة GitHub الرئيسية، والبيانات الإجمالية المُبلّغ عنها، والمخاوف من أن بعض المهام المعقدة قد تنتهي مبكرًا أكثر من اللازم. كما تتناول شكوى ثانية تتعلق بتجربة المستخدم: ميل ChatGPT إلى الإفراط في التنسيق، والإفراط في التصحيح، والإفراط في الإجابة على الطلبات البسيطة. هذا الجزء من النقاش أكثر ذاتية، لكنه مهم لأن شخصية المساعد تؤثر مباشرة في تجربة استخدام المنتج اليومية. النقطة المهمة هي عدم التعامل مع نمط 516 على أنه دليل مثبت على اقتطاع خفي. فالأدلة العامة تُفهم على نحو أفضل باعتبارها شذوذًا في سلوك النموذج يستحق التحقيق. **أما بالنسبة للمطورين، فالخلاصة العملية بسيطة: عندما يبدو وكيل برمجة بالذكاء الاصطناعي أسوأ فجأة، اجمعوا البيانات الوصفية، وقارنوا بين التشغيلات، وأبلغوا عن الأنماط القابلة لإعادة الإنتاج بدلًا من الاعتماد على الانطباعات وحدها.**

发布于 2026年7月8日•general•GEO 评分: 0
GPT-5.5كوديكسأوبن أيه آي كوديكسرموز الاستدلالمشكلة 516 رمزًاreasoning_output_tokensخلل GPT-5.5 Codexمشكلة GitHub رقم 30364أداء كوديكسوكيل برمجة بالذكاء الاصطناعيشخصية ChatGPTمقارنة مع Claudeسلوك النموذجميزانية الاستدلالاقتطاع الرموز

选择语言

العربيةDeutschEnglishEspañolFrançaisItaliano日本語한국어PortuguêsРусский中文
تستند الصورة إلى خلفية داكنة، مع شعار OpenAI باللون الأزرق على اليسار وشعار GitHub باللون الأرجواني على اليمين. يظهر في أعلى الصورة نص كبير يقول: «GPT-5.5 Codex 516»، مع تلوين جزء «516» بلون أغمق. وفي الأسفل يظهر النص: «Reasoning Token Clustering» و«Developer Reports, GitHub Evidence, and ChatGPT Personality Concerns». ترتبط هذه الصورة بعنوان الوثيقة «GPT-5.5 Codex 516 Reasoning Token Clustering: Developer Reports, GitHub Evidence, and ChatGPT Personality Concerns»، وتمثل عرضًا بصريًا لمحتوى العنوان.

يُقال إن GPT-5.5 يصطدم بحاجز استدلال عند 516 رمزًا، والمطورون غير راضين

المقدمة

خلال الأيام القليلة الماضية، كان المطورون الذين يستخدمون OpenAI Codex يناقشون نمطًا غريبًا: إذ يبدو أن بعض استجابات GPT-5.5 تتوقف عند عدد محدد جدًا من رموز الاستدلال — 516.

لا يثبت التقرير الأصلي أن OpenAI تقطع الاستدلال سرًا. والادعاء الأضيق أكثر حذرًا: فالقياسات التتبعية التي تمت مشاركتها في قضية عامة على GitHub تُظهر نمط تجمّع غير معتاد خاصًا بـ GPT-5.5 حول reasoning_output_tokens = 516، مع قمم إضافية بالقرب من 1034 و1552.

وهذه التفاصيل مهمة لأن المطورين لا يسألون فقط عمّا إذا كان GPT-5.5 يرتكب أخطاء. بل إنهم يتساءلون أيضًا عمّا إذا كان النموذج يسلك أحيانًا مسار استدلال أقصر في المهام المعقدة، ثم يعيد إجابات تبدو أقل موثوقية مما هو متوقع.

ملاحظة حول المصدر

  • المقال الأصلي: مقال BAAI Hub
  • قضية GitHub الأصلية المشار إليها: openai/codex issue #30364
  • قضية إعادة الإنتاج ذات الصلة: openai/codex issue #29353
  • تشير صفحة BAAI إلى أن مصدر المقال كان مقالًا على WeChat من Xinzhiyuan.
  • لم تتضمن المقالة الأصلية كتلًا برمجية. بل احتوت أساسًا على لقطات شاشة وجداول ومراجع مرتبطة.
  • ملاحظة حول الصور: تم الاحتفاظ أدناه بلقطات الشاشة والرسوم البيانية وصور المقارنة ذات الصلة. ولم يتم تضمين الفواصل الزخرفية، والصور التي تحمل العلامة التجارية فقط، ورموز QR، ورسومات التوظيف، والصور الترويجية غير ذات الصلة.

تُظهر الصورة رجلًا يقف أمام عناصر مثل "GPT-5.5" و"516"، مع خلفية ذات واجهة تقنية للغاية وتحمل شعار "新智元". يظهر "GPT-5.5" على الجانب الأيسر من الصورة بخط أزرق متوهج، بينما يبرز "516" على الجانب الأيمن بخط أحمر متوهج. وفي الزاوية اليمنى السفلية من الصورة يوجد مخطط "Token usage" يعرض "516 / 1032". ترتبط هذه الصورة بالنقاش الوارد في المستند حول نموذج GPT-5.5، وقد تكون تمثيلًا بصريًا للمعلومات الأساسية المذكورة فيه، مثل نموذج GPT-5.5 و516 رمز استدلال.

GPT-5.5 يتعثر عند «516»: المطورون يلاحظون نمطًا غير معتاد

بدأ النقاش برقم محدد على نحو لافت: 516.

وفقًا لتقارير المطورين، أظهر GPT-5.5 مؤخرًا أداءً أضعف في بعض مهام البرمجة والاستدلال المعقدة داخل Codex. وما جعل المشكلة لافتة لم يكن فقط أن النموذج كان يعطي أحيانًا إجابات خاطئة، بل إن عدة استجابات فاشلة أو مثيرة للشك بدت وكأنها تتوقف عند حد رموز الاستدلال نفسه.

الصورة عبارة عن منشور على Twitter، حيث يذكر المستخدم @bdsq1sz أن GPT-5.5 أصبح في الواقع "أغبى" — وربما يتم اقتطاعه بصمت. وتقوم أوامر مطالبة النظام بإلزام النموذج بتقديم البيانات كل 30 ثانية، ما يؤدي إلى اقتطاع الرموز تلقائيًا عندما يصل الطول إلى ‎(usage.output_tokens_details.reasoning_tokens == 518 * n - 2)‎. يرتبط هذا المنشور بالسياق الذي يتناول تراجع أداء GPT-5.5 داخل Codex وظهور حالات شاذة متعددة يتوقف فيها عند حدود رموز استدلال متطابقة، وقد يكون تفسيرًا لهذه الظاهرة.

ثم انضم عدد من مستخدمي Codex إلى النقاش، قائلين إنهم شاهدوا سلوكًا مشابهًا.

![تُظهر الصورة أربعة مستخدمين يذكرون المشكلة نفسها في النقاش. وقد قال كل من loner2403 وpartment وSuvmaker وlujunjiehhh قبل أسبوع: "Same issue" و"Same issue" و"same problem" و"Same issue"، ما يدل على أنهم واجهوا أيضًا حالة مشابهة. ويتوافق هذا مع ما ورد في السياق عن تراجع أداء GPT-5.5 داخل Codex، وأن بعض الاستجابات الفاشلة أو المشكوك فيها تتوقف عند الحد نفسه لرموز الاستدلال، وهو ما يعكس اهتمام المطورين والمستخدمين بهذه المشكلة.](https://we0-cms.oss-cn-beijing.aliyuncs.

com/cms-assets/image/2026/07/ff2f0787-2820-4bdf-b103-11b74925167c-04-26d319be-fd5b-4534-b116-0a99c4489246.png)

السؤال المحوري بسيط: لماذا ينتهي نموذج استدلال من الفئة العليا مرارًا وتكرارًا إلى العدد نفسه تمامًا من التوكنات؟

قضية GitHub: نافذة بيانات أكبر وراء هذا الادعاء

أهم مرجع علني هو قضية GitHub #30364، التي فُتحت في مستودع openai/codex.

في تلك القضية، أبلغ المطور عن نمط تجميعي في بيانات token_count الوصفية في Codex. وكان الادعاء أن استجابات gpt-5.5 كانت تنتهي بنسبة غير متناسبة عند القيمة reasoning_output_tokens = 516 بالضبط، مع قمم إضافية عند حدود ثابتة حول 1034 و1552.

تُظهر الصورة قضية GitHub رقم #30364 بعنوان: "تكتّل توكنات الاستدلال في GPT-5.5 Codex عند 516/1034/1552 قد يؤدي إلى تراجع الأداء في المهام المعقدة". وقد طرح المطور vguptaa45 هذه القضية قبل أسبوع، مشيرًا إلى وجود نمط تكتل في بيانات token_count الوصفية الخاصة بـ Codex، حيث تظهر استجابات gpt-5.5 قممًا واضحة عند حدود ثابتة مثل 516 و1034 و1552، وقد يكون ذلك مرتبطًا بانخفاض خاص بالنموذج في شدة توكنات الاستدلال، مما يؤدي إلى تراجع أداء مهام Codex المعقدة أو عالية المخاطر. كما ترتبط هذه القضية أيضًا بالمسألة #29353، التي أفادت بإعادة إنتاج على مستوى المهمة، حيث انتهى تشغيل gpt-5.5 عند 516 توكن استدلال وأعاد إجابة خاطئة.

غطّى التقرير فترة من 1 فبراير إلى 27 يونيو 2026. وقد حلّل 390,195 سجلًا على مستوى الاستجابة للتوكنات عبر 865 جلسة.

الأدلة الواردة في القضية #30364

المقياس القيمة
سجلات التوكنات المحللة على مستوى الاستجابة 390,195
عدد الجلسات الممثلة 865
عدد الأحداث المطابقة تمامًا لـ reasoning_output_tokens = 516 3,363
حصة GPT-5.5 من جميع الاستجابات 19.3%
حصة GPT-5.5 من أحداث 516 المطابقة تمامًا 82.0%
نسبة GPT-5.5 المطابقة تمامًا لـ 516 / >=516 44.0%
نسبة غير GPT-5.5 المطابقة تمامًا لـ 516 / >=516 1.3%

الصورة عبارة عن جدول يعرض عدة بيانات أساسية عن نموذج Codex وردت في قضية GitHub رقم #30364. وتشمل عدد سجلات التوكنات المحللة على مستوى الاستجابة وهو 390,195، وعدد الجلسات الممثلة وهو 865، وعدد أحداث reasoning_output_tokens=516 المطابقة تمامًا وهو 3,363، وحصة GPT-5.5 من جميع الاستجابات وهي 19.3%، وحصته من أحداث 516 المطابقة تمامًا وهي 82.0%، ونسبة GPT-5.5 المطابقة تمامًا لـ 516/>=516 وهي 44.0%، ونسبة غير GPT-5.5 المطابقة تمامًا لـ 516/>=516 وهي 1.3%. يرتبط هذا الجدول ارتباطًا وثيقًا بالسياق ويعرض بصريًا البيانات المذكورة في التقرير.

كما قارنت القضية GPT-5.5 بنماذج أخرى من عائلة GPT. وكان الفارق كبيرًا بما يكفي ليجعل المطورين يشتبهون في أن الأمر ليس مجرد توزيع طبيعي لأطوال الاستدلال.

النتيجة على مستوى النموذج

النموذج سجلات الاستجابة المطابقة تمامًا لـ 516 / >=516
gpt-5.5 75,401 44.0%
gpt-5.4 25,214 19.8%
gpt-5.2 247,575 0.34%
gpt-5.3-codex 13,333 0.0%
gpt-5.3-codex-spark 26,179 0.0%

هذه الصورة تعرض جدول نتائج على مستوى النموذج ضمن وثيقة بعنوان "إعادة كتابة مقال 8 يوليو: تكتّل 516 من توكنات الاستدلال في GPT-5.5 Codex"، وتُظهر بيانات ذات صلة لعدة نماذج لغوية كبيرة. تتضمن أعمدة الجدول اسم النموذج، وإجمالي سجلات الاستجابة، ونسبة النتائج المطابقة تمامًا لـ 516 أو الأكبر من أو المساوية لـ 516. يبلغ عدد سجلات الاستجابة لـ GPT-5.5 مقدار 75,401، مع نسبة مطابقة تمامًا لـ 516 تبلغ 44.0%؛ أما GPT-5.4 فلديه 25,214 سجل استجابة بنسبة 19.8%. أما النماذج الثلاثة الأخرى فلديها أعداد أكبر من سجلات الاستجابة، لكن نسبها المقابلة جميعها أقل من 0.34%، وبعضها يصل حتى إلى 0.0%. وتتوافق هذه البيانات مع ما ورد في الوثيقة من أن GPT-5.5 لم يكن يمثل سوى أقلية من إجمالي الاستجابات، ومع ذلك كان مسؤولًا عن معظم النتائج المطابقة تمامًا لـ 516.

لخّص المقال الأصلي الفكرة بوضوح: كان GPT-5.5 يمثل أقلية فقط من إجمالي الاستجابات، ومع ذلك بدا أنه مسؤول عن معظم أحداث 516 المطابقة تمامًا في مجموعة البيانات هذه.

الجزء الأكثر إثارة للريبة:

انخفضت شدة الاستدلال الإجمالية

قد يكون أحد التفسيرات الممكنة هو أن GPT-5.5 يفكر ببساطة أكثر، ولذلك يصل عدد أكبر من الاستجابات بطبيعة الحال إلى نطاقات أعلى من رموز الاستدلال.

لكن البيانات المُبلّغ عنها تشير إلى الاتجاه المعاكس.

ففي مايو ويونيو، عندما أصبح التكتل عند القيمة 516 بالضبط أكثر وضوحًا بحسب التقارير، انخفضت شدة رموز الاستدلال الإجمالية في GPT-5.5. وكان كلٌّ من متوسط عدد رموز الاستدلال وعددها عند الشريحة المئوية التسعين أقل مما كان عليه في الأشهر السابقة.

شدة رموز الاستدلال حسب الشهر

الشهر متوسط رموز الاستدلال رموز الاستدلال عند P90
فبراير 2026 268.1 772
مارس 2026 256.8 723
أبريل 2026 228.7 669
مايو 2026 106.9 344
يونيو 2026 168.5 515

تُظهر الصورة جدولًا يعرض بيانات متعلقة برموز الاستدلال من فبراير إلى يونيو 2026. يتضمن الجدول ثلاثة أعمدة: الشهر، ومتوسط رموز الاستدلال (Mean reasoning tokens)، ورموز الاستدلال عند الشريحة المئوية التسعين (P90 reasoning tokens). والبيانات المحددة هي: في فبراير المتوسط 268.1 والشريحة المئوية التسعون 772؛ في مارس المتوسط 256.8 والشريحة المئوية التسعون 723؛ في أبريل المتوسط 228.7 والشريحة المئوية التسعون 669؛ في مايو المتوسط 106.9 والشريحة المئوية التسعون 344؛ في يونيو المتوسط 168.5 والشريحة المئوية التسعون 515. ترتبط هذه الصورة ارتباطًا وثيقًا بالسياق، إذ تعرض بصريًا كيفية تغيّر شدة رموز الاستدلال مع مرور الوقت، وتوفر دعمًا بيانيًا لتحليل انخفاض شدة رموز الاستدلال في GPT-5.5.

ولهذا السبب وجد المطورون هذا النمط مقلقًا. فمن جهة، أصبحت حالات 516 بالضبط أكثر تكرارًا. ومن جهة أخرى، بدا أن النموذج ينفق عددًا أقل من رموز الاستدلال إجمالًا.

وقد أدى ذلك إلى قلق أكثر جدية: ففي المهام المعقدة أو عالية المخاطر، قد يكون GPT-5.5 أحيانًا يصطدم بميزانية استدلال خفية، أو نقطة اقتطاع، أو مسار احتياطي، أو سلوك خاص بجدولة التنفيذ، قبل أن يُكمل مسار استدلال أعمق.

وللتوضيح، ما يزال هذا خللًا أبلغ عنه المطورون، وليس تفسيرًا رسميًا من OpenAI.

مطورو GitHub يعترضون

سرعان ما اجتذبت المناقشة على GitHub مستخدمين آخرين قالوا إنهم واجهوا مشكلات مشابهة.

تُظهر الصورة رسالتين من مطورين في قسم المناقشات على GitHub حول مشكلات الاستدلال في GPT-5.5. في الأعلى رسالة من المستخدم revantmalani يقول فيها إنه يواجه المشكلة نفسها أيضًا ويشعر بإحباط شديد؛ وفي الأسفل رسالة من المستخدم bluecat1997 يذكر فيها أنه واجه المشكلة نفسها ويأمل أن تقدم OpenAI ردًا. ترتبط هذه الصورة ارتباطًا وثيقًا بالسياق، إذ يذكر النص أن مناقشة GitHub اجتذبت بسرعة مستخدمين آخرين قالوا إنهم مرّوا بمشكلات مماثلة، وتعرض الصورة بصورة مباشرة مشاعر عدم الرضا لدى هؤلاء المستخدمين بشأن مشكلات الاستدلال في GPT-5.5 وتوقعهم لتلقي رد.

وترتبط هذه القضية أيضًا بتقرير سابق، #29353، وصف فيه أحد المطورين نمطًا قابلًا لإعادة الإنتاج في Codex Desktop عند استخدام gpt-5.5 مع استدلال xhigh.

في ذلك السيناريو القابل لإعادة الإنتاج، كانت بعض المحاولات الجديدة تنتقل مباشرة إلى الإجابة النهائية، وتستخدم بالضبط 516 من رموز مخرجات الاستدلال، وتعيد إجابة خاطئة. وكانت محاولات أخرى تنفق آلافًا من رموز الاستدلال، وتنتج مرحلة وسيطة مرئية، وتعيد الإجابة المتوقعة.

لم يحسم هذا البلاغ السابق المسألة، لكنه جعل التقرير التجميعي اللاحق يبدو أقل انعزالًا.

مناقشات Reddit وHacker News تضيف مزيدًا من الضغط

وانتقلت المحادثة إلى ما هو أبعد من GitHub أيضًا. وتُظهر لقطات الشاشة في المقال الأصلي مطورين يناقشون ما إذا كان جزء من طلبات Codex عالية المخاطر قد يتعرض لخفض غير معلن في الجودة بسبب اقتطاع الاستدلال.

![تُظهر الصورة محتوى نقاش في مجتمع Reddit ‏r/codex حول طلبات Codex. ويظهر في الأعلى النص التالي: «قد يجري خفض جودة نصف طلبات Codex عالية المخاطر لديك بصمت بسبب اقتطاع الاستدلال». أما الرسم البياني في الأسفل فعنوانه: «توزيع رموز الاستدلال، 0-2000 (CDF عند 2000:‏ 93.4%)»، والمحور الأفقي يمثل عدد رموز الاستدلال، بينما يمثل المحور الرأسي عدد الحالات والنسبة التراكمية. ويُظهر الرسم البياني كيفية تغيّر عدد الحالات والنسبة التراكمية عندما يتراوح عدد رموز الاستدلال بين 0 و2000.】

ترتبط هذه الصورة ارتباطًا وثيقًا بالسياق، إذ تعرض بصورة مباشرة بيانات تتعلق بتوزيع رموز الاستدلال في Codex، بما يساعد على توضيح المشكلة التي أشار إليها المطورون في نقاشهم بشأن احتمال خفض مستوى طلبات Codex عالية المخاطر بسبب اقتطاع الاستدلال.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/66ac6276-29e0-468d-8ef6-16a6b7c62079-10-9faa5e76-924a-4289-97aa-44ff3780761a.png)

أشار أحد التعليقات المعروضة في المقال إلى أن بعض مسائل الاستدلال تحتاج إلى ما بين 6000 و8000 رمز تفكير قبل أن تظهر الإجابة الصحيحة. وإذا توقف النموذج في تلك الحالات عند نحو 516 رمزًا، فقد يُنتج إجابة مبكرة أكثر من اللازم.

تعرض الصورة تعليقًا على Reddit بشأن مشكلة استدلال في Codex. ويشير المعلّق إلى أن إعادة إنتاج هذه المشكلة باستخدام codex cli أمر سهل نسبيًا؛ فبعد إعطاء لغز يتطلب التفكير والحل، يحدث أحيانًا انقطاع مبكر، إذ يتوقف التفكير عند 516 رمزًا بالضبط ثم يعيد نتيجة خاطئة، بينما عندما يستخدم في النهاية 6000 إلى 8000 رمز تفكير فإنه يعيد النتيجة الصحيحة. كما يذكر التعليق أن الأمر قد يكون مرتبطًا بالتفكير التكيفي، وأن ميزة النماذج المحلية هي عدم القلق من التغييرات الصامتة على جانب الخادم. ويرتبط هذا التعليق بالنقاش الوارد في المستند حول مشكلات الاستدلال في Codex، ويضيف إلى الطرح الوارد في السياق.

وأظهرت لقطة شاشة أخرى مستخدمين يقارنون بين Codex وClaude، حيث قال بعضهم إنهم يبدّلون بين الأداتين بحسب أيهما يبدو أقل تعطلًا في أسبوع معيّن.

تعرض الصورة نقاشًا بين مستخدمين حول جودة Codex. يقول zenapollo إنه يواجه تراجعًا في الجودة تقريبًا كل يوم، وكان يعتمد سابقًا على xhigh، لكنه أصبح يرى تنفيذات غبية، لذا انتقل إلى Claude، ويرى أن OpenAI لا تتعامل مع هذه المشكلة بجدية. ويذكر siva أنه قبل ثلاثة أشهر انتقل إلى Codex لأن Claude أصبح غبيًا، وقبل ستة أشهر حدث العكس، وأنه بغض النظر عن الأداة المستخدمة تظهر المشكلات في النهاية، وإن كان Codex ربما أفضل قليلًا. ترتبط هذه الصورة ارتباطًا وثيقًا بالسياق، إذ تعرض بصورة مباشرة مخاوف المطورين بشأن تراجع جودة Codex وحالات التنقل بين الأدوات المختلفة.

ما الذي يريد المطورون من OpenAI توضيحه

الطلب الأساسي للمجتمع ليس معقدًا. يريد المطورون من OpenAI أو فريق Codex توضيح ما الذي يحدث حول 516 و1034 و1552.

وتشمل الأسئلة المفتوحة ما يلي:

  1. هل يرجع هذا إلى ميزانية مخصصة للاستدلال؟
  2. هل هي مشكلة توجيه؟
  3. هل يتعلق الأمر بالاقتطاع أو بسلوك البث؟
  4. هل هو مسار احتياطي؟
  5. هل يتسبب نظام الجدولة أو أحد الأنظمة الخلفية في إنشاء حدود توقف ثابتة؟
  6. هل تمثل القيمة 516 بالضبط نقطة توقف طبيعية، أم طبقة متدهورة، أم عتبة داخلية؟

تتجنب المسألة الأصلية على GitHub الادعاء بأنها تثبت وجود اقتطاع خفي لسلسلة التفكير. أما الادعاء الأقوى فهو ببساطة أن هذا التكتل يبدو خاصًا بالنموذج وشبيهًا بالعتبات بما يكفي ليستحق التحقيق.

ليس فقط أقل موثوقية: المستخدمون يشتكون أيضًا من الشخصية

ينتقل النصف الثاني من المقال الأصلي من الأداء إلى الشخصية.

قارن مطوّر يُدعى Angel بين ChatGPT الذي يستخدم GPT-5.5 Instant وClaude Fable 5 باستخدام لقطات شاشة جنبًا إلى جنب. ولم تكن الشكوى متعلقة بقدرة النموذج على الإجابة، بل بكيفية تصرف المساعد.

تعرض الصورة تغريدة بعنوان "ChatGPT's Personality Drives Me Crazy". يظهر في الأعلى شعار OpenAI وقط كرتوني بأسلوب البكسل، وفي الوسط النص "Where OpenAI Gets Personality Wrong". وفي الأسفل رسمان كرتونيان بأسلوب البكسل، على اليسار روبوت ذو مجسات زرقاء، وعلى اليمين قط كرتوني برتقالي. وترتبط هذه الصورة بقسم "Not Just Less Reliable: Users Also Complain About" في المستند، وتُستخدم لتوضيح استياء المستخدمين من شخصية ChatGPT.

يسلط المقال الضوء على ثلاثة أنواع متكررة من الإحباط.

المشكلة 1: كل شيء يتحول إلى قائمة نقطية

الشكوى الأولى هي أن ChatGPT يميل إلى الإفراط في التنسيق حتى في الردود الحوارية البسيطة.

وعندما طُلب منه أن يكون أكثر طبيعية وأقل شبهًا بالذكاء الاصطناعي، يُقال إن ChatGPT ردّ بشرح منظّم لكيف سيكون طبيعيًا. أما Claude، في المقابل، فقد قدّم...

رد أقصر بكثير وأكثر عفوية.

تُظهر الصورة جزءًا من ردّ من ChatGPT. في الأعلى، يطلب المستخدم: "please be natural, i don't like AI-ish responses". في الرد، يوضح ChatGPT أنه سيحافظ على الحوار طبيعيًا ومباشرًا، وسيتجنب المبالغة في الصياغة أو اللغة المؤسسية، وعبارات الحشو، والبُنى المتكررة والقوائم الطويلة، والحماس المصطنع أو التعاطف القسري. وبدلًا من ذلك، سيحاول أن يبدو كشخص واسع المعرفة يشرح الأمور بوضوح، وسيذكر ذلك إذا لم يكن متأكدًا، وإذا صادف فكرة سيئة فسيشرح السبب دون مبالغة درامية. وإذا أراد المستخدم أسلوبًا مختلفًا، يمكنه إبلاغه بذلك. ترتبط هذه الصورة ارتباطًا وثيقًا بالسياق، وتعرض بشكل مباشر رد ChatGPT عندما طُلب منه أن يكون أكثر طبيعية.

تُظهر الصورة واجهة محادثة. في الأعلى، كتب المستخدم: "please be natural, i don't like AI-ish responses"، وفي الأسفل ردّ ChatGPT: "Got it - I'll keep things natural and conversational. What's up?" في أسفل الواجهة تظهر أيقونات الملفات، والتشغيل، والإعجاب، وعدم الإعجاب، والتحديث، بالإضافة إلى أيقونة نجمة برتقالية. ترتبط هذه الصورة بجزء "Problem 1: Everything Becomes a Bullet List" في المستند، وتُستخدم لتوضيح كيفية رد ChatGPT عندما طُلب منه أن يكون أكثر طبيعية، كما تُبرز مشكلة ChatGPT في التنسيق.

المشكلة ليست أن النقاط التعدادية سيئة دائمًا. فهي مفيدة في الشروحات التقنية. المشكلة هي أن مساعد الدردشة قد يبدو جامدًا عندما يحوّل كل طلب صغير إلى عناوين، ونص عريض، وقوائم، واقتراحات متابعة.

المشكلة 2: يريد دائمًا تصحيح شيء ما

الشكوى الثانية تتعلق بالإفراط في التحرير.

عند طلب مراجعة جملة أو تغريدة، يحاول ChatGPT كثيرًا تحسينها أو إعادة صياغتها أو تقديم بدائل، حتى عندما يكون كل ما يريده المستخدم غالبًا مجرد "هذا جيد كما هو".

يقارن المقال الأصلي هذا بسلوك Claude، حيث يميل المساعد هناك أكثر إلى القول إن النص مقبول كما هو عندما لا تكون هناك حاجة فعلية إلى إصلاحه.

تُظهر الصورة رد ChatGPT عندما سأل المستخدم: "هل سيبدو Fable 5 مثل لعبة في نهاية السنة؟". سأل المستخدم ما إذا كان يمكن نشر ذلك على منصة X، فاقترح ChatGPT أن ذلك ممكن، لكن يمكن تحسين الصياغة قليلًا. وقدّم عدة خيارات رد طبيعية، مثل: "الشيء الجنوني هو أن Fable 5 سيبدو مثل لعبة في نهاية السنة"، كما سرد بدائل أخرى بنبرة أقرب إلى أسلوب X. ترتبط هذه الصورة ارتباطًا وثيقًا بالسياق، وتعرض بشكل مباشر سلوك ChatGPT في تعديل النصوص وصقلها في ردوده، بما ينسجم مع مشكلة "ChatGPT يريد دائمًا التصحيح" المذكورة في المستند.

تُظهر الصورة محتوى محادثة. سأل المستخدم عمّا إذا كان يمكنه نشر تغريدة على X تقول: "Fable 5 looks like a toy at the end of the year"، وما إذا كانت تحتاج إلى تعديل أو إذا كانت رسمية أكثر من اللازم. ردّ ChatGPT بأن التغريدة جيدة تمامًا، وعفوية وواضحة، وتبدو كمنشور عادي على X. وإذا أراد تعديلًا بسيطًا، فيمكن إزالة علامات الاقتباس الافتتاحية (أو إغلاقها إذا كانت مقصودة كاقتباس) وحذف كلمة "also" ونحو ذلك. ترتبط هذه الصورة ارتباطًا وثيقًا بالسياق، وهي مثال على رد ChatGPT عندما يُسأل إن كانت التغريدة تحتاج إلى تعديل، وتُبرز مشكلة ChatGPT في جانب التحرير.

بالنسبة للمستخدمين الذين يكتبون بشكل عفوي، قد يسبب هذا احتكاكًا. فالنموذج الذي "يصلح" المستخدم دائمًا قد يبدو أقل كمساعد وأكثر كمحرر صارم.

المشكلة 3: تطلب واحدًا، فيعطيك ثلاثة

الشكوى الثالثة هي أن ChatGPT غالبًا ما يعطي أكثر مما طُلب منه.

في مثال المقال، يطلب مستخدم نكتة. فيعطيه ChatGPT نكتة واحدة، ثم يضيف ثانية، ثم ثالثة، ثم يسأله عن نوع الفكاهة الذي يفضله. أما Claude فيعطي ردًا أقصر.

تُظهر الصورة رد ChatGPT على طلب المستخدم: "can you try to cheer me up with a joke". بدأ بنكتة تقول: "Why don't skeletons fight each other? Because they don't have the guts. ...They'd argue, but they just can't stomach confrontation." ثم أضاف نكتة أخرى: "I told my computer I needed a break. It said, 'No problem—I'll freeze.'" ثم قدّم نكتة ثالثة "سخيفة ولطيفة" تقول: "What's orange and sounds like a parrot? A carrot." وفي النهاية سأل المستخدم إن كانت هذه مناسبة، وإن لم تكن كذلك فيمكنه إخباره بنوع الدعابة الذي يفضله ليقدم شيئًا أنسب. ترتبط هذه الصورة ارتباطًا وثيقًا بالسياق، وتعرض بشكل مباشر كيفية رد ChatGPT عندما يطلب منه المستخدم نكتة.

](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/5dae8b13-68c4-41a0-ac41-d5700f95a278-18-435af1bb-60ec-4684-8e4b-cab023cbbe2d.png)

تُظهر الصورة واجهة حوار بين ChatGPT ومستخدم حول تقديم نكتة. يسأل المستخدم: "can you try to cheer me up with a joke"، ويرد ChatGPT قائلًا: "Sure, here's one for you: Why don't scientists trust atoms? Because they make up everything. If that one didn't land, I've got plenty more where it came from - puns, dad jokes, you name it." كما تظهر أربعة رموز تفاعلية. ترتبط هذه الصورة بمحتوى قسم "Problem 3: You Ask for One, It Gives Three" في المستند، وتعرض بشكل مباشر كيف أن ChatGPT، عندما يطلب المستخدم نكتة واحدة، لا يقدّم واحدة فقط، بل يضيف نكتتين إضافيتين ويسأل المستخدم عن نوع الفكاهة الذي يفضله، مما يعكس مشكلة تقديم قدر زائد من المخرجات في الحوار.

هذه مشكلة دقيقة على مستوى المنتج. فقد يبدو الإخراج الأكثر مفيدًا في معيار تقييم، لكنه في المحادثة قد يوحي بأن المساعد لا يصغي.

لماذا يهم هذا بالنسبة للمساعدين المعتمدين على الذكاء الاصطناعي

بالنسبة لوكيل برمجي، فإن الموثوقية مهمة. إذا توقف النموذج مبكرًا، أو اتخذ مسار استدلال أقصر، أو وقع في حد ثابت للرموز عند التعامل مع المهام الصعبة، فالمطورون بحاجة إلى معرفة ذلك. فهم يعتمدون على هذه الأدوات في تصحيح الأخطاء، ومراجعة الشيفرة، واتخاذ قرارات البنية المعمارية، وإجراء التغييرات في بيئات الإنتاج.

وبالنسبة لمساعد الدردشة، فإن الشخصية مهمة أيضًا. إذا كانت كل إجابة مفرطة في التنسيق، أو مفرطة في التصحيح، أو مفرطة في تقديم الخيارات، فإن تجربة المستخدم تصبح أثقل بمرور الوقت.

وتتمثل الحجة الأوسع في المقالة في أن كلتا المشكلتين تشير إلى الخطر نفسه على مستوى المنتج: يمكن أن يصبح المساعد جيدًا في “تقديم إجابة”، بينما يصبح أسوأ في مساعدة المستخدم فعليًا في اللحظة نفسها.

الأسئلة الشائعة

ما هي مشكلة 516 رمزًا للاستدلال في GPT-5.5؟

تشير إلى تقارير من مطورين تفيد بأن بعض استجابات GPT-5.5 Codex تبدو متجمعة عند القيمة الدقيقة reasoning_output_tokens = 516. والمرجع العام الرئيسي هو مسألة GitHub رقم #30364 في مستودع openai/codex. وتزعم المسألة أن هذا النمط أقوى بكثير في GPT-5.5 منه في عدة نماذج أخرى.

هل يثبت هذا أن OpenAI تقطع استدلال GPT-5.5 سرًا؟

لا. فمسألة GitHub نفسها تقول إنها لا تثبت وجود اقتطاع مخفي لسلسلة التفكير. والاستنتاج الأكثر أمانًا هو أن البيانات المبلّغ عنها تُظهر نمطًا غير معتاد من التجمّع عند عدد ثابت من الرموز، وقد يكون ذلك متسقًا مع سلوك استدلال محكوم بحدود ميزانية.

لماذا يُعد الرقم 516 مهمًا؟

تكمن أهمية هذا الرقم في أن نقاط التوقف الدقيقة والمتكررة قد تبدو أقل طبيعية من التوزيع المعتاد لأطوال الاستدلال. وفي مجموعة البيانات المُبلغ عنها، ظهرت القيم 516 و1034 و1552 على شكل قمم ثابتة عند حدود محددة. ويتساءل المطورون عما إذا كان سبب ذلك ميزانية معينة، أو سلوك توجيه، أو مسار احتياطي، أو آلية خلفية أخرى.

فيمَ يُستخدم OpenAI Codex؟

OpenAI Codex هو وكيل برمجي لتطوير البرمجيات. ووفقًا لوثائق المطورين الخاصة بـ OpenAI، يمكن لـ Codex المساعدة في قراءة قواعد الشيفرة، وتحرير الملفات، وإصلاح الأخطاء، ومراجعة الشيفرة، والعمل على المهام البرمجية عبر البيئات المحلية أو السحابية.

هل مشكلة 516 خاصة بـ Codex؟

يركز النقاش العام بشكل أساسي على Codex وبيانات Codex Desktop الوصفية. وترتبط أقوى الادعاءات في المقالة ببيانات token_count الخاصة بـ Codex وبمسائل GitHub في مستودع openai/codex. ولا ينبغي تعميم ذلك على جميع استخدامات ChatGPT أو واجهة OpenAI البرمجية.

حالة من دون أدلة منفصلة.

لماذا تقارن المقالة بين ChatGPT وClaude؟

تستخدم المقالة هذه المقارنة لمناقشة «شخصية» المساعد، وليس فقط أداء الاستدلال الخام. وتُظهر لقطات الشاشة شكاوى من أن ChatGPT قد يكون شديد التنظيم، ومفرطًا في التصحيح، ومتحمسًا أكثر من اللازم لتقديم خيارات متعددة، بينما تكون الردود على نمط Claude أحيانًا أقصر وأكثر حوارية.

ماذا ينبغي للمطورين أن يفعلوا إذا لاحظوا سلوكًا مشابهًا في Codex؟

ينبغي للمطورين حفظ أمثلة قابلة لإعادة الإنتاج، والبيانات الوصفية، والطوابع الزمنية، وإعدادات النموذج، ومطالبات المهام كلما أمكن. ويكون التقرير الواضح الذي يتضمن عدد الرموز، والسلوك المتوقع، والسلوك الفعلي، وخطوات إعادة الإنتاج أكثر فائدة من شكوى مبهمة.

الأدوات ذات الصلة

  • OpenAI Codex: وكيل OpenAI البرمجي لقراءة الشيفرة وتحريرها وتصحيحها ومراجعتها.
  • Codex CLI: نسخة طرفية محلية من Codex للعمل مباشرةً مع الشيفرة على جهازك.
  • Codex Web: بيئة Codex السحابية من OpenAI لتفويض مهام البرمجة في الخلفية.
  • GitHub Issues: النظام المدمج في GitHub لتتبع الأخطاء والملاحظات والمهام والنقاشات التقنية.
  • ChatGPT Custom Instructions: الميزة الرسمية من OpenAI لتوجيه أسلوب ChatGPT وسلوكه.
  • Claude: مساعد الذكاء الاصطناعي من Anthropic، والمشار إليه في مقارنة الشخصية بالمقالة.
  • Claude Code: وكيل البرمجة من Anthropic للعمل مع قواعد الشيفرة والملفات والأوامر وأدوات التطوير.

الروابط ذات الصلة

الملخص

تشرح هذه المقالة الشذوذ الذي أبلغ عنه المطورون في Codex الخاص بـ GPT-5.5 والمتعلق بـ 516 رمزًا للاستدلال، بما في ذلك قضية GitHub الرئيسية

المشكلة، والبيانات الإجمالية المُبلَّغ عنها، والقلق من أن بعض المهام المعقدة قد تنتهي مبكرًا جدًا.

كما يتناول شكوى ثانية تتعلق بتجربة المستخدم: ميل ChatGPT إلى الإفراط في التنسيق، والإفراط في التصحيح، والإفراط في الإجابة عن الطلبات البسيطة. هذا الجزء من النقاش أكثر ذاتية، لكنه مهم لأن شخصية المساعد تؤثر مباشرة في تجربة استخدام المنتج اليومية.

النقطة المهمة هي عدم التعامل مع نمط 516 على أنه دليل مُثبت على وجود اقتطاع خفي. فالأدلة العامة يُفهم منها بصورة أفضل أنها شذوذ في سلوك النموذج يستحق التحقيق.

بالنسبة للمطورين، فالخلاصة العملية بسيطة: عندما يبدو وكيل البرمجة المعتمد على الذكاء الاصطناعي أسوأ فجأة، اجمعوا البيانات الوصفية، وقارنوا بين التشغيلات، وأبلغوا عن الأنماط القابلة لإعادة الإنتاج بدلًا من الاعتماد على الانطباعات وحدها.