Secondo alcune segnalazioni, GPT-5.5 si scontra con un limite di ragionamento di 516 token, e gli sviluppatori non sono contenti
Questo articolo spiega l’anomalia dei `516` token di ragionamento di GPT-5.5 Codex segnalata dagli sviluppatori, includendo il principale issue su GitHub, i dati aggregati riportati e il timore che alcune attività complesse possano terminare troppo presto. Esamina anche una seconda lamentela legata all’esperienza d’uso: la tendenza di ChatGPT a formattare troppo, correggere troppo e rispondere in modo eccessivo a richieste semplici. Questa parte della discussione è più soggettiva, ma conta perché la personalità dell’assistente influisce direttamente sull’esperienza quotidiana del prodotto. Il punto importante è non considerare il pattern 516 come una troncatura nascosta già dimostrata. Le prove pubbliche si comprendono meglio come un’anomalia del comportamento del modello che merita di essere indagata. **Per gli sviluppatori, la conclusione pratica è semplice: quando un agente di coding basato sull’IA sembra improvvisamente peggiorato, raccogliete i metadati, confrontate le esecuzioni e segnalate i pattern riproducibili invece di affidarvi solo alle impressioni.**
GPT-5.5 avrebbe un muro di ragionamento a 516 token, e gli sviluppatori non sono contenti
Introduzione
Negli ultimi giorni, gli sviluppatori che usano OpenAI Codex hanno discusso di uno schema insolito: alcune risposte di GPT-5.5 sembrano fermarsi attorno a un conteggio molto specifico di token di ragionamento — 516.
Il rapporto originale non dimostra che OpenAI stia segretamente interrompendo il ragionamento. L’affermazione più circoscritta è formulata con maggiore cautela: la telemetria condivisa in una issue pubblica su GitHub mostra un insolito schema di clustering specifico di GPT-5.5 attorno a reasoning_output_tokens = 516, con ulteriori picchi vicino a 1034 e 1552.
Questo dettaglio è importante perché gli sviluppatori non si stanno limitando a chiedersi se GPT-5.5 stia commettendo errori. Si chiedono se il modello, su compiti complessi, stia talvolta seguendo un percorso di ragionamento più breve, per poi restituire risposte che sembrano meno affidabili del previsto.
Nota sulla fonte
- Articolo originale: articolo di BAAI Hub
- Issue GitHub originale citata: openai/codex issue #30364
- Issue correlata di riproduzione del problema: openai/codex issue #29353
- La pagina di BAAI afferma che l’articolo proviene da un articolo WeChat di Xinzhiyuan.
- L’articolo originale non conteneva blocchi di codice. Conteneva principalmente screenshot, tabelle e riferimenti collegati.
- Nota sulle immagini: gli screenshot, i grafici e le immagini comparative pertinenti sono riportati qui sotto. Separatori decorativi, immagini di solo branding, codici QR, grafiche di reclutamento e immagini promozionali non correlate non sono stati inclusi.
GPT-5.5 si blocca a “516”: gli sviluppatori notano uno schema insolito
La discussione è iniziata con un numero sorprendentemente specifico: 516.
Secondo i resoconti degli sviluppatori, di recente GPT-5.5 ha mostrato prestazioni più deboli in alcuni complessi compiti di programmazione e ragionamento all’interno di Codex. Ciò che ha fatto emergere il problema non è stato solo il fatto che il modello producesse talvolta risposte errate. È stato il fatto che diverse risposte fallite o sospette sembravano fermarsi tutte allo stesso limite di token di ragionamento.
Successivamente, diversi utenti di Codex si sono uniti alla discussione, dicendo di aver osservato un comportamento simile.
La domanda centrale è semplice: perché un modello di ragionamento di fascia alta dovrebbe finire ripetutamente esattamente sullo stesso numero di token?
La issue su GitHub: una finestra di dati più ampia dietro l’affermazione
Il riferimento pubblico più importante è la issue GitHub #30364, aperta nel repository openai/codex.
In quella issue, lo sviluppatore ha segnalato un pattern aggregato nei metadati token_count di Codex. L’affermazione era che le risposte di gpt-5.5 finivano in modo sproporzionato esattamente su reasoning_output_tokens = 516, con ulteriori picchi a confini fissi intorno a 1034 e 1552.
Il report copriva una finestra temporale dal 1º febbraio al 27 giugno 2026. Ha analizzato 390.195 record di token a livello di risposta distribuiti su 865 sessioni.
Evidenze riportate nella issue #30364
| Metrica | Valore |
|---|---|
| Record di token a livello di risposta analizzati | 390.195 |
| Sessioni rappresentate | 865 |
Eventi esatti con reasoning_output_tokens = 516 |
3.363 |
| Quota di GPT-5.5 su tutte le risposte | 19,3% |
| Quota di GPT-5.5 sugli eventi esatti a 516 | 82,0% |
| Rapporto GPT-5.5 esatti 516 / >=516 | 44,0% |
| Rapporto non-GPT-5.5 esatti 516 / >=516 | 1,3% |
La issue confrontava anche GPT-5.5 con altri modelli della famiglia GPT. Il divario era abbastanza ampio da far sospettare agli sviluppatori che non si trattasse semplicemente di una distribuzione normale delle lunghezze di ragionamento.
Risultato a livello di modello
| Modello | Record di risposta | Esatti 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% |
L’articolo originale riassumeva il punto in modo netto: GPT-5.5 rappresentava solo una minoranza delle risposte totali, eppure sembrava essere responsabile della maggior parte degli eventi esatti a 516 in questo dataset.
La parte più sospetta:
L’intensità complessiva del ragionamento è diminuita
Una possibile difesa sarebbe che GPT-5.5 semplicemente ragiona di più, quindi più risposte raggiungono naturalmente fasce più alte di token di ragionamento.
Ma i dati riportati indicano il contrario.
A maggio e giugno, quando il raggruppamento esatto a 516 sarebbe diventato più evidente, l’intensità complessiva dei token di ragionamento di GPT-5.5 è diminuita. Sia il numero medio di token di ragionamento sia il conteggio P90 dei token di ragionamento erano inferiori rispetto ai mesi precedenti.
Intensità dei token di ragionamento per mese
| Mese | Media dei token di ragionamento | Token di ragionamento P90 |
|---|---|---|
| Feb 2026 | 268.1 | 772 |
| Mar 2026 | 256.8 | 723 |
| Apr 2026 | 228.7 | 669 |
| Mag 2026 | 106.9 | 344 |
| Giu 2026 | 168.5 | 515 |
Per questo gli sviluppatori hanno trovato il modello preoccupante. Da un lato, gli eventi exact-516 sono diventati più frequenti. Dall’altro, il modello sembrava spendere complessivamente meno token di ragionamento.
Questo ha portato a una preoccupazione più seria: nei compiti complessi o ad alto rischio, GPT-5.5 potrebbe talvolta raggiungere un budget di ragionamento nascosto, un punto di troncamento, un percorso di fallback o un comportamento dello scheduler prima di aver completato un percorso di ragionamento più profondo.
Per essere chiari, questa resta un’anomalia segnalata dagli sviluppatori, non una spiegazione ufficiale da parte di OpenAI.
Gli sviluppatori su GitHub contestano
La discussione su GitHub ha rapidamente attirato altri utenti che hanno detto di aver riscontrato problemi simili.
La questione si collega anche a una segnalazione precedente, #29353, in cui uno sviluppatore ha descritto un modello riproducibile in Codex Desktop usando gpt-5.5 con ragionamento xhigh.
In quella riproduzione, alcune nuove esecuzioni andavano direttamente alla risposta finale, usavano esattamente 516 token di output di ragionamento e restituivano la risposta sbagliata. Altre esecuzioni impiegavano migliaia di token di ragionamento, producevano una fase intermedia visibile e restituivano la risposta attesa.
Questa segnalazione precedente non ha risolto la questione, ma ha fatto sembrare il successivo rapporto aggregato meno isolato.
Le discussioni su Reddit e Hacker News aumentano ulteriormente la pressione
La conversazione è andata oltre GitHub. Gli screenshot nell’articolo originale mostrano sviluppatori che discutono se una parte delle richieste Codex ad alto rischio possa essere degradata silenziosamente a causa del troncamento del ragionamento.
Un commento mostrato nell’articolo sosteneva che alcuni problemi di ragionamento richiedono da 6.000 a 8.000 token di riflessione prima che emerga la risposta corretta. Se in quei casi un modello si ferma intorno a 516 token, potrebbe produrre una risposta troppo presto.
Un altro screenshot mostrava utenti che confrontavano Codex e Claude; alcuni dicevano di cambiare strumento a seconda di quale, in una determinata settimana, sembri meno compromesso.
Cosa gli sviluppatori vogliono che OpenAI chiarisca
La richiesta centrale della community non è complicata. Gli sviluppatori vogliono che OpenAI o il team di Codex chiariscano che cosa stia succedendo intorno a 516, 1034 e 1552.
Le domande aperte includono:
- È causato da un budget di ragionamento?
- È un problema di instradamento?
- È un comportamento di troncamento o di streaming?
- È un percorso di fallback?
- Un sistema di scheduling o di backend sta creando limiti di arresto fissi?
- Il valore esatto
516è un normale punto di arresto, un livello degradato o una soglia interna?
La issue originale su GitHub evita con attenzione di sostenere che dimostri un troncamento nascosto della chain-of-thought. L’affermazione più forte è semplicemente che il raggruppamento appare abbastanza specifico del modello e abbastanza simile a una soglia da meritare un’indagine.
Non solo meno affidabile: gli utenti si lamentano anche della personalità
La seconda metà dell’articolo originale passa dalle prestazioni alla personalità.
Uno sviluppatore di nome Angel ha confrontato ChatGPT con GPT-5.5 Instant e Claude Fable 5 usando screenshot affiancati. La lamentela non riguardava il fatto che il modello fosse o meno in grado di rispondere. Riguardava il modo in cui l’assistente si comportava.
L’articolo evidenzia tre frustrazioni ricorrenti.
Problema 1: tutto diventa un elenco puntato
La prima lamentela è che ChatGPT tende a formattare eccessivamente anche risposte conversazionali semplici.
Quando gli è stato chiesto di essere più naturale e meno simile a un’IA, ChatGPT avrebbe risposto con una spiegazione strutturata di come sarebbe stato naturale. Claude, al contrario, ha dato una
risposta molto più breve e informale.
Il problema non è che gli elenchi puntati siano sempre sbagliati. Sono utili nelle spiegazioni tecniche. Il problema è che un assistente di chat può risultare rigido quando trasforma ogni piccola richiesta in titoli, testo in grassetto, liste e suggerimenti successivi.
Problema 2: Vuole sempre correggere qualcosa
La seconda lamentela riguarda l’eccesso di editing.
Quando gli si chiede di controllare una frase o un tweet, ChatGPT spesso prova a migliorarlo, riscriverlo o offrire alternative, anche quando l’utente potrebbe volere solo un semplice “va bene così”.
L’articolo originale lo confronta con il comportamento in stile Claude, dove l’assistente più spesso dice che il testo è già accettabile così com’è quando non serve davvero correggere nulla.
Per gli utenti che scrivono in modo informale, questo può creare attrito. Un modello che “corregge” sempre l’utente può sembrare meno un aiuto e più un editor severo.
Problema 3: Tu ne chiedi una, lui ne dà tre
La terza lamentela è che ChatGPT spesso dà più di quanto richiesto.
Nell’esempio dell’articolo, un utente chiede una battuta. ChatGPT ne dà una, ne aggiunge un’altra, ne aggiunge una terza e poi chiede quale stile di umorismo preferisca l’utente. Claude dà una risposta più breve.
Questo è un problema di prodotto sottile. Un output maggiore può sembrare utile in un benchmark, ma in una conversazione può dare la sensazione che l’assistente non stia ascoltando.
Perché questo è importante per gli assistenti AI
Per un agente di coding, l’affidabilità conta. Se un modello si ferma troppo presto, segue un percorso di ragionamento più breve o incappa in un confine fisso di token nei compiti difficili, gli sviluppatori devono saperlo. Si affidano a questi strumenti per il debugging, la code review, le decisioni architetturali e le modifiche in produzione.
Per un assistente di chat, conta anche la personalità. Se ogni risposta è eccessivamente formattata, eccessivamente correttiva o sovraccarica di opzioni, nel tempo l’esperienza utente diventa più pesante.
L’argomento più ampio dell’articolo è che entrambi i problemi indicano lo stesso rischio di prodotto: un assistente può diventare bravo a “fornire una risposta” mentre peggiora nel momento in cui dovrebbe davvero aiutare l’utente.
FAQ
Che cos’è il problema dei 516 reasoning token di GPT-5.5?
Si riferisce alle segnalazioni degli sviluppatori secondo cui alcune risposte di GPT-5.5 Codex sembrano raggrupparsi esattamente su reasoning_output_tokens = 516. Il principale riferimento pubblico è la issue GitHub #30364 nel repository openai/codex. La issue sostiene che questo pattern sia molto più marcato per GPT-5.5 rispetto a diversi altri modelli.
Questo dimostra che OpenAI sta troncando segretamente il ragionamento di GPT-5.5?
No. La stessa issue GitHub afferma che ciò non dimostra un troncamento nascosto della chain-of-thought. La conclusione più prudente è che i dati riportati mostrino un insolito pattern di raggruppamento su un numero fisso di token, che potrebbe essere compatibile con un comportamento di budget di ragionamento regolato da soglie.
Perché il numero 516 è importante?
Il numero è importante perché punti di arresto esatti e ripetuti possono apparire meno naturali rispetto a una normale distribuzione delle lunghezze di ragionamento. Nel dataset riportato, 516, 1034 e 1552 sono comparsi come picchi a confini fissi. Gli sviluppatori stanno chiedendo se questi siano causati da un budget, da un comportamento di instradamento, da un percorso di fallback o da un altro meccanismo backend.
A cosa serve OpenAI Codex?
OpenAI Codex è un agente di coding per lo sviluppo software. Secondo la documentazione per sviluppatori di OpenAI, Codex può aiutare a leggere codebase, modificare file, correggere bug, revisionare codice e lavorare su attività software in ambienti locali o cloud.
Il problema del 516 è specifico di Codex?
La discussione pubblica si concentra principalmente su Codex e sui metadati di Codex Desktop. Le affermazioni più forti nell’articolo sono collegate ai dati token_count di Codex e alle issue GitHub nel repository openai/codex. Non dovrebbe essere generalizzato a ogni utilizzo di ChatGPT o dell’API di OpenAI.
caso senza prove separate.
Perché l’articolo confronta ChatGPT con Claude?
L’articolo usa il confronto per discutere la “personalità” dell’assistente, non solo le prestazioni pure di ragionamento. Gli screenshot mostrano lamentele sul fatto che ChatGPT possa essere eccessivamente strutturato, troppo correttivo e troppo incline a fornire più opzioni, mentre le risposte in stile Claude a volte sono più brevi e più conversazionali.
Cosa dovrebbero fare gli sviluppatori se notano un comportamento simile di Codex?
Gli sviluppatori dovrebbero salvare, ove possibile, esempi riproducibili, metadati, timestamp, impostazioni del modello e prompt del compito. Un report chiaro con conteggi dei token, comportamento previsto, comportamento effettivo e passaggi per la riproduzione è più utile di una lamentela vaga.
Strumenti correlati
- OpenAI Codex: l’agente di coding di OpenAI per leggere, modificare, eseguire il debug e revisionare il codice.
- Codex CLI: una versione terminale locale di Codex per lavorare con il codice direttamente sulla tua macchina.
- Codex Web: l’ambiente cloud di Codex di OpenAI per delegare attività di coding in background.
- GitHub Issues: il sistema integrato di GitHub per monitorare bug, feedback, attività e discussioni tecniche.
- ChatGPT Custom Instructions: la funzionalità ufficiale di OpenAI per guidare lo stile e il comportamento di ChatGPT.
- Claude: l’assistente IA di Anthropic, citato nel confronto di personalità dell’articolo.
- Claude Code: l’agente di coding di Anthropic per lavorare con codebase, file, comandi e strumenti di sviluppo.
Link correlati
- Articolo originale di BAAI Hub: l’articolo cinese ripubblicato su cui si basa questa versione inglese.
- GitHub Issue #30364: la principale issue pubblica che segnala il clustering dei reasoning token di GPT-5.5 intorno a 516, 1034 e 1552.
- GitHub Issue #29353: un report di riproduzione correlato che coinvolge
gpt-5.5, ragionamentoxhighed esattamente 516 reasoning token. - Documentazione per sviluppatori di OpenAI Codex: documentazione ufficiale di OpenAI per Codex.
- Documentazione di OpenAI Codex CLI: documentazione ufficiale per eseguire Codex localmente dal terminale.
- Documentazione di OpenAI Codex Web: documentazione ufficiale per usare Codex nel cloud.
- Documentazione GitHub: Informazioni sulle Issues: documentazione ufficiale di GitHub che spiega come vengono usate le issue per monitorare bug e discussioni.
- Guida di OpenAI alle ChatGPT Custom Instructions: linee guida ufficiali per personalizzare le risposte di ChatGPT.
Riepilogo
Questo articolo spiega l’anomalia dei reasoning token 516 di GPT-5.5 Codex segnalata dagli sviluppatori, inclusa la principale GitHub
il problema, i dati aggregati riportati e la preoccupazione che alcuni compiti complessi possano concludersi troppo presto.
Si affronta anche una seconda lamentela relativa all’esperienza utente: la tendenza di ChatGPT a formattare troppo, correggere troppo e rispondere in modo eccessivo a richieste semplici. Questa parte della discussione è più soggettiva, ma è importante perché la personalità dell’assistente influisce direttamente sull’esperienza quotidiana del prodotto.
Il punto importante non è considerare il modello 516 come una prova di troncamento nascosto. Le prove pubbliche si comprendono meglio come un’anomalia nel comportamento del modello che merita di essere indagata.
Per gli sviluppatori, la conclusione pratica è semplice: quando un agente di coding basato sull’IA sembra improvvisamente peggiorato, raccogliete i metadati, confrontate le esecuzioni e segnalate i modelli riproducibili invece di affidarvi solo alle impressioni.