← 返回首页

GPT-5.5 supostamente esbarra em um limite de raciocínio de 516 tokens, e os desenvolvedores não estão nada satisfeitos

Este artigo explica a anomalia de 516 tokens de raciocínio no GPT-5.5 Codex relatada por desenvolvedores, incluindo a principal issue no GitHub, os dados agregados reportados e a preocupação de que algumas tarefas complexas possam estar terminando cedo demais. Também aborda uma segunda reclamação sobre a experiência do usuário: a tendência do ChatGPT de formatar demais, corrigir demais e responder além do necessário a solicitações simples. Essa parte da discussão é mais subjetiva, mas importa porque a personalidade do assistente afeta diretamente a experiência cotidiana com o produto. O ponto importante não é tratar o padrão 516 como uma truncagem oculta já comprovada. As evidências públicas são mais bem compreendidas como uma anomalia de comportamento do modelo que merece investigação. **Para os desenvolvedores, a principal conclusão prática é simples: quando um agente de programação com IA parecer subitamente pior, colete metadados, compare execuções e relate padrões reproduzíveis em vez de se basear apenas em impressões.**

发布于 2026年7月8日•general•GEO 评分: 0•13 次阅读
GPT-5.5CodexOpenAI Codextokens de raciocínioproblema dos 516 tokensreasoning_output_tokensbug do GPT-5.5 Codexissue 30364 no GitHubdesempenho do Codexagente de programação por IApersonalidade do ChatGPTcomparação com Claudecomportamento do modeloorçamento de raciocíniotruncamento de tokens

选择语言

العربيةDeutschEnglishEspañolFrançaisItaliano日本語한국어PortuguêsРусский中文
A imagem tem um fundo escuro, com o logotipo azul da OpenAI à esquerda e o logotipo roxo do GitHub à direita. Na parte superior, em letras grandes, aparece “GPT-5.5 Codex 516”, com a parte “516” em uma cor mais escura. Abaixo, lê-se “Reasoning Token Clustering” e “Developer Reports, GitHub Evidence, and ChatGPT Personality Concerns”. A imagem corresponde ao título “GPT-5.5 Codex 516 Reasoning Token Clustering: Developer Reports, GitHub Evidence, and ChatGPT Personality Concerns” do documento e funciona como uma representação visual do conteúdo do título.

O GPT-5.5 supostamente atinge um limite de raciocínio de 516 tokens, e os desenvolvedores não estão nada satisfeitos

Introdução

Nos últimos dias, desenvolvedores que usam o OpenAI Codex têm discutido um padrão estranho: algumas respostas do GPT-5.5 parecem parar em torno de uma contagem muito específica de tokens de raciocínio — 516.

O relatório original não prova que a OpenAI esteja secretamente cortando o raciocínio. A afirmação mais restrita é mais cautelosa: a telemetria compartilhada em uma issue pública no GitHub mostra um padrão incomum, específico do GPT-5.5, de concentração em torno de reasoning_output_tokens = 516, com picos adicionais perto de 1034 e 1552.

Esse detalhe importa porque os desenvolvedores não estão apenas perguntando se o GPT-5.5 está cometendo erros. Eles estão perguntando se o modelo às vezes está seguindo um caminho de raciocínio mais curto em tarefas complexas e, em seguida, retornando respostas que parecem menos confiáveis do que o esperado.

Nota sobre a fonte

  • Artigo original: artigo do BAAI Hub
  • Issue original referenciada no GitHub: openai/codex issue #30364
  • Issue de reprodução relacionada: openai/codex issue #29353
  • A página do BAAI afirma que o artigo foi obtido de um artigo do WeChat da Xinzhiyuan.
  • O artigo original não continha blocos de código. Ele continha principalmente capturas de tela, tabelas e referências com links.
  • Nota sobre as imagens: capturas de tela, gráficos e imagens comparativas relevantes foram preservados abaixo. Separadores decorativos, imagens apenas de marca, códigos QR, gráficos de recrutamento e imagens promocionais não relacionadas não foram incluídos.

A imagem mostra um homem em pé diante de elementos como “GPT-5.5” e “516”, com um fundo de interface de forte estética tecnológica, além da marca “新智元”. No lado esquerdo da imagem, “GPT-5.5” aparece em letras azuis brilhantes; no lado direito, “516” é destacado em letras vermelhas brilhantes. No canto inferior direito há um gráfico “Token usage”, mostrando “516 / 1032”. A imagem está relacionada à discussão no documento sobre o modelo GPT-5.5 e pode ser uma representação visual das informações-chave mencionadas, como o modelo GPT-5.5 e os 516 tokens de raciocínio.

O GPT-5.5 fica preso em “516”: desenvolvedores percebem um padrão incomum

A discussão começou com um número surpreendentemente específico: 516.

Segundo relatos de desenvolvedores, o GPT-5.5 tem apresentado recentemente um desempenho mais fraco em algumas tarefas complexas de programação e raciocínio dentro do Codex. O que fez o problema se destacar não foi apenas o fato de o modelo às vezes produzir respostas erradas. Foi que várias respostas com falhas ou suspeitas pareciam parar exatamente no mesmo limite de tokens de raciocínio.

A imagem mostra uma postagem no Twitter em que o usuário @bdsq1sz afirma que o GPT-5.5 na verdade “ficou mais burro” — ele pode estar sendo silenciosamente truncado. O prompt do sistema instrui o modelo a fornecer dados a cada 30 segundos, o que faz com que o modelo trunque automaticamente os tokens quando o comprimento atinge (usage.output_tokens_details.reasoning_tokens == 518 * n - 2). Essa postagem está relacionada ao contexto em que o GPT-5.5 teve pior desempenho no Codex, com várias respostas anômalas parando no mesmo limite de tokens de raciocínio, e pode ser uma explicação para esse fenômeno.

Vários usuários do Codex então entraram na discussão, dizendo que haviam observado um comportamento semelhante.

A imagem mostra quatro usuários mencionando o mesmo problema na discussão. loner2403, partment, Suvmaker e lujunjiehhh disseram respectivamente, há 1 semana, “Same issue”, “Same issue”, “same problem” e “Same issue”, indicando que também encontraram uma situação semelhante. Isso ecoa o contexto acima, no qual o GPT-5.5 apresentou desempenho enfraquecido no Codex, com algumas respostas com falhas ou suspeitas parando no mesmo limite de tokens de raciocínio, demonstrando a atenção de desenvolvedores e usuários a esse problema.

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

A questão central é simples: por que um modelo de raciocínio de primeira linha acabaria repetidamente em uma mesma contagem exata de tokens?

A issue no GitHub: uma janela de dados maior por trás da alegação

A referência pública mais importante é a issue do GitHub #30364, aberta no repositório openai/codex.

Nessa issue, o desenvolvedor relatou um padrão agregado nos metadados token_count do Codex. A alegação era de que as respostas do gpt-5.5 se concentravam de forma desproporcional exatamente em reasoning_output_tokens = 516, com picos adicionais em limites fixos por volta de 1034 e 1552.

A imagem mostra a issue #30364 do GitHub, com o título “GPT-5.5 Codex reasoning-token clustering at 516/1034/1552 may be leading to degraded performance on complex tasks”. O desenvolvedor vguptaa45 a abriu há 1 semana, apontando a existência de um padrão de agrupamento nos metadados token_count do Codex, em que respostas do gpt-5.5 apresentam picos significativos em limites fixos como 516, 1034 e 1552. Isso pode estar relacionado a uma intensidade de tokens de raciocínio mais baixa específica do modelo, levando a pior desempenho em tarefas complexas/de alto risco no Codex. A issue também está relacionada à #29353, que relatou reprodução em nível de tarefa, na qual uma execução do gpt-5.5 terminava em 516 tokens de raciocínio e retornava uma resposta incorreta.

O relatório cobriu uma janela de 1º de fevereiro a 27 de junho de 2026. Ele analisou 390.195 registros de tokens em nível de resposta, distribuídos por 865 sessões.

Evidências relatadas na issue #30364

Métrica Valor
Registros de tokens em nível de resposta analisados 390.195
Sessões representadas 865
Eventos exatos de reasoning_output_tokens = 516 3.363
Participação do GPT-5.5 em todas as respostas 19,3%
Participação do GPT-5.5 nos eventos exatos de 516 82,0%
Razão GPT-5.5 exatos-516 / >=516 44,0%
Razão não-GPT-5.5 exatos-516 / >=516 1,3%

A imagem é uma tabela que apresenta vários dados-chave sobre modelos Codex relatados na issue #30364 do GitHub. Entre eles, o número de registros de tokens em nível de resposta analisados é 390.195, o número de sessões representadas é 865, o número exato de eventos reasoning_output_tokens=516 é 3.363, a participação do GPT-5.5 em todas as respostas é 19,3%, sua participação nos eventos exatos de 516 é 82,0%, a razão do GPT-5.5 para exatos 516/>=516 é 44,0%, e a razão para não-GPT-5.5 é 1,3%. A tabela está intimamente relacionada ao contexto e apresenta de forma clara os dados mencionados no relatório.

A issue também comparou o GPT-5.5 com outros modelos da família GPT. A diferença era grande o suficiente para levar os desenvolvedores a suspeitar que isso não era apenas uma distribuição normal dos comprimentos de raciocínio.

Resultado no nível do modelo

Modelo Registros de resposta Exatos 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%

Esta imagem é uma tabela de resultados em nível de modelo de um documento intitulado “7.8日文章改写：GPT-5.5 Codex 516 Reasoning Token Clustering”, mostrando dados relevantes de diferentes modelos de linguagem de grande porte. As colunas da tabela incluem nome do modelo, total de registros de resposta e proporção de resultados que correspondem exatamente a 516 ou a valores maiores ou iguais a 516. O GPT-5.5 tem 75.401 registros de resposta, com uma proporção de 44,0% para correspondência exata de 516; o GPT-5.4 tem 25.214 registros, com 19,8%; os outros três modelos têm mais registros de resposta, mas as proporções correspondentes são todas inferiores a 0,34%, algumas inclusive 0,0%. Esses dados ecoam o ponto mencionado no documento de que o GPT-5.5 representa apenas uma minoria das respostas totais, mas contribui com a maior parte dos resultados exatos de 516.

O artigo original resumiu o ponto de forma direta: o GPT-5.5 representava apenas uma minoria do total de respostas, mas ainda assim parecia responder pela maior parte dos eventos exatos de 516 nesse conjunto de dados.

A parte mais suspeita:

A Intensidade Geral do Raciocínio Caiu

Uma possível defesa seria que o GPT-5.5 simplesmente pensa mais, de modo que mais respostas naturalmente alcancem faixas mais altas de tokens de raciocínio.

Mas os dados relatados apontam na direção oposta.

Em maio e junho, quando o agrupamento exato em 516 supostamente se tornou mais evidente, a intensidade geral de tokens de raciocínio do GPT-5.5 caiu. Tanto a média de tokens de raciocínio quanto a contagem P90 de tokens de raciocínio ficaram abaixo das dos meses anteriores.

Intensidade de Tokens de Raciocínio por Mês

Mês Média de Tokens de Raciocínio Tokens de Raciocínio P90
Fev 2026 268.1 772
Mar 2026 256.8 723
Abr 2026 228.7 669
Mai 2026 106.9 344
Jun 2026 168.5 515

A imagem é uma tabela que mostra dados relacionados a tokens de raciocínio de fevereiro a junho de 2026. A tabela contém três colunas: mês, média de tokens de raciocínio (Mean reasoning tokens) e tokens de raciocínio no percentil 90 (P90 reasoning tokens). Os dados específicos são: fevereiro, média de 268.1 e P90 de 772; março, média de 256.8 e P90 de 723; abril, média de 228.7 e P90 de 669; maio, média de 106.9 e P90 de 344; junho, média de 168.5 e P90 de 515. A tabela está intimamente relacionada ao contexto e apresenta de forma visual a variação da intensidade dos tokens de raciocínio ao longo do tempo, servindo como base de dados para a análise da queda na intensidade de tokens de raciocínio do GPT-5.5.

Foi por isso que os desenvolvedores consideraram o padrão desconfortável. De um lado, os eventos exatos de 516 tornaram-se mais frequentes. Do outro, o modelo parecia gastar menos tokens de raciocínio no geral.

Isso levou a uma preocupação mais séria: em tarefas complexas ou de alto risco, o GPT-5.5 pode às vezes estar atingindo um orçamento oculto de raciocínio, um ponto de truncamento, uma rota de fallback ou um comportamento do agendador antes de concluir um caminho de raciocínio mais profundo.

Para deixar claro, isso continua sendo uma anomalia relatada por desenvolvedores, e não uma explicação oficial da OpenAI.

Desenvolvedores no GitHub Reagem

A discussão no GitHub rapidamente atraiu outros usuários que disseram ter enfrentado problemas semelhantes.

A imagem mostra comentários de dois desenvolvedores em uma discussão no GitHub sobre problemas de raciocínio do GPT-5.5. Na parte superior está o comentário do usuário revantmalani, dizendo que também enfrenta o mesmo problema e que está muito frustrado; na parte inferior está o comentário do usuário bluecat1997, afirmando que encontrou o mesmo problema e espera um retorno da OpenAI. A imagem está intimamente relacionada ao contexto, que menciona que a discussão no GitHub rapidamente atraiu outros usuários, os quais também disseram ter vivenciado problemas semelhantes; a imagem apresenta de forma direta a insatisfação desses usuários com os problemas de raciocínio do GPT-5.5 e sua expectativa por uma resposta.

A questão também se conecta a um relatório anterior, #29353, no qual um desenvolvedor descreveu um padrão reproduzível no Codex Desktop usando gpt-5.5 com raciocínio xhigh.

Nessa reprodução, algumas execuções novas iam diretamente para uma resposta final, usavam exatamente 516 tokens de saída de raciocínio e retornavam a resposta errada. Outras execuções gastavam milhares de tokens de raciocínio, produziam uma fase intermediária visível e retornavam a resposta esperada.

Esse problema anterior não resolveu a questão, mas fez com que o relatório agregado posterior parecesse menos isolado.

Discussões no Reddit e no Hacker News Aumentam a Pressão

A conversa também foi além do GitHub. Capturas de tela no artigo original mostram desenvolvedores discutindo se uma parte das solicitações Codex de alto risco poderia estar sendo degradada silenciosamente devido ao truncamento do raciocínio.

![A imagem mostra uma discussão na comunidade r/codex do Reddit sobre solicitações do Codex. O texto na parte superior diz: “Metade das suas solicitações Codex de alto risco pode estar sendo degradada silenciosamente por causa do truncamento do raciocínio”. O gráfico abaixo tem o título “Reasoning Tokens Distribution, 0-2000 (CDF at 2000: 93.4%)”; o eixo horizontal representa a quantidade de tokens de raciocínio, e o eixo vertical representa contagem e porcentagem acumulada. O gráfico mostra como a contagem e a porcentagem acumulada variam quando a quantidade de tokens de raciocínio está entre 0 e 2000.

Esta imagem está intimamente relacionada ao contexto e apresenta de forma visual os dados sobre a distribuição dos tokens de raciocínio do Codex, ajudando a ilustrar o problema mencionado na discussão entre desenvolvedores, segundo o qual solicitações de alto risco ao Codex podem ser rebaixadas devido ao truncamento do raciocínio.](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)

Um comentário mostrado no artigo argumentava que alguns problemas de raciocínio precisam de 6.000 a 8.000 tokens de pensamento antes que a resposta correta apareça. Se um modelo parar por volta de 516 tokens nesses casos, ele pode produzir uma resposta cedo demais.

A imagem mostra um comentário no Reddit sobre um problema de raciocínio do Codex. O autor do comentário aponta que é relativamente fácil reproduzir o problema usando o codex cli: ao fornecer um prompt de enigma que exige raciocínio e solução, às vezes o modelo “entra em curto” e, após pensar exatamente 516 tokens, retorna um resultado incorreto; porém, quando finalmente usa de 6.000 a 8.000 tokens de pensamento, retorna o resultado correto. O comentário também menciona que isso pode estar relacionado ao pensamento adaptativo e que a vantagem dos modelos locais é não precisar se preocupar com mudanças silenciosas no servidor. Esse comentário está relacionado à discussão dos desenvolvedores no documento sobre os problemas de raciocínio do Codex e complementa os pontos apresentados no contexto.

Outra captura de tela mostrava usuários comparando Codex e Claude, com alguns dizendo que trocam de ferramenta dependendo de qual parece menos problemática em uma determinada semana.

A imagem mostra uma discussão entre dois usuários sobre a qualidade do Codex. zenapollo afirma que quase todos os dias percebe uma queda de qualidade; antes dependia do xhigh, mas agora, ao ver implementações tolas, mudou para o Claude e considera que a OpenAI não está levando esse problema a sério. siva menciona que, há três meses, trocou para o Codex porque o Claude havia ficado “burro”, e que, seis meses antes, fez o contrário; no fim, qualquer ferramenta acaba apresentando problemas, embora o Codex talvez seja um pouco melhor. Esta imagem está intimamente relacionada ao contexto e mostra de forma direta as preocupações dos desenvolvedores com a queda de qualidade do Codex e a troca entre diferentes ferramentas.

O que os desenvolvedores querem que a OpenAI esclareça

O pedido central da comunidade não é complicado. Os desenvolvedores querem que a OpenAI ou a equipe do Codex esclareça o que está acontecendo em torno de 516, 1034 e 1552.

As questões em aberto incluem:

  1. Isso é causado por um orçamento de raciocínio?
  2. É um problema de roteamento?
  3. É um comportamento de truncamento ou de streaming?
  4. É um caminho de fallback?
  5. Um agendador ou sistema de backend está criando limites fixos de parada?
  6. O 516 exato é um ponto normal de parada, um nível degradado ou um limite interno?

A issue original no GitHub toma cuidado para não afirmar que prova um truncamento oculto da cadeia de pensamento. A afirmação mais forte é simplesmente que o agrupamento parece suficientemente específico do modelo e parecido com um limiar para merecer investigação.

Não é só menos confiável: usuários também reclamam da personalidade

A segunda metade do artigo original muda o foco do desempenho para a personalidade.

Um desenvolvedor chamado Angel comparou o ChatGPT usando o GPT-5.5 Instant com o Claude Fable 5 por meio de capturas de tela lado a lado. A reclamação não era sobre o modelo conseguir ou não responder. Era sobre como o assistente se comportava.

A imagem mostra um tuíte intitulado “ChatGPT's Personality Drives Me Crazy”. Na parte superior há o logotipo da OpenAI e um gato de desenho animado em estilo pixel art; no centro aparece o texto “Where OpenAI Gets Personality Wrong”. Na parte inferior há duas figuras em estilo pixel art: à esquerda, um robô com tentáculos azuis; à direita, um gato de desenho animado laranja. A imagem está relacionada à seção “Not Just Less Reliable: Users Also Complain About” do documento e serve para ilustrar a insatisfação dos usuários com a personalidade do ChatGPT.

O artigo destaca três frustrações recorrentes.

Problema 1: Tudo vira uma lista com marcadores

A primeira reclamação é que o ChatGPT tende a formatar demais até respostas conversacionais simples.

Quando lhe pediram para ser mais natural e menos “parecido com IA”, o ChatGPT teria respondido com uma explicação estruturada de como seria natural. O Claude, em contraste, deu um

resposta muito mais curta e mais casual.

A imagem mostra um trecho de uma resposta do ChatGPT. Na parte superior, há um pedido do usuário: “please be natural, i don't like AI-ish responses”. Na resposta, o ChatGPT diz que vai manter a conversa natural e direta, evitando linguagem excessivamente polida ou corporativa, frases de preenchimento, estruturas repetitivas e listas longas, além de entusiasmo falso ou empatia forçada. Em vez disso, vai tentar soar como uma pessoa bem informada explicando as coisas com clareza; se houver incerteza, vai dizer isso; se encontrar uma má ideia, vai explicar o motivo sem dramatizar. Se o usuário quiser um estilo diferente, pode avisar. A imagem está intimamente relacionada ao contexto e mostra de forma direta a resposta do ChatGPT quando lhe pedem para soar mais natural.

A imagem mostra uma interface de conversa. No topo, o usuário escreve “please be natural, i don't like AI-ish responses”, e abaixo o ChatGPT responde: “Got it - I'll keep things natural and conversational. What's up?”. Na parte inferior da interface, há ícones de arquivo, reprodução, curtir, não curtir e atualizar, além de um ícone laranja em forma de estrela. A imagem está relacionada à seção “Problem 1: Everything Becomes a Bullet List” do documento e serve para ilustrar como o ChatGPT responde quando lhe pedem para ser mais natural, destacando problemas de formatação.

O problema não é que listas com marcadores sejam sempre ruins. Elas são úteis em explicações técnicas. O problema é que um assistente de conversa pode parecer engessado quando transforma todo pedido pequeno em títulos, texto em negrito, listas e sugestões de acompanhamento.

Problema 2: Ele sempre quer corrigir alguma coisa

A segunda reclamação é sobre edição excessiva.

Quando recebe um pedido para verificar uma frase ou um tuíte, o ChatGPT muitas vezes tenta melhorá-lo, reescrevê-lo ou oferecer alternativas, mesmo quando o usuário talvez queira apenas um simples “isso está bom”.

O artigo original contrasta isso com um comportamento mais ao estilo do Claude, em que o assistente com mais frequência diz que o texto está aceitável como está quando não há necessidade real de correção.

A imagem mostra a resposta do ChatGPT quando o usuário pergunta “Fable 5年底会像玩具一样吗”. O usuário pergunta se pode publicar isso no X, e o ChatGPT sugere que sim, mas que pode ser levemente polido. Ele oferece algumas opções de resposta naturais, como “疯狂的是，Fable 5年底会像玩具一样”, e também lista alternativas com um tom mais típico do X, como “疯狂的是，Fable 5年底会像玩具一样”. A imagem está intimamente relacionada ao contexto e mostra de forma direta o comportamento do ChatGPT de editar e polir o texto em sua resposta, em sintonia com o problema descrito no documento como “o ChatGPT sempre quer corrigir”.

A imagem mostra um trecho de conversa. O usuário pergunta se pode postar no X o tuíte “Fable 5年底看起来像玩具”, se precisa de ajustes e se precisa ser tão formal. O ChatGPT responde que o tuíte está totalmente ok, bem casual e claro, e que soa como um post normal no X; se quiser pequenos ajustes, pode remover as aspas de abertura (ou fechá-las, caso sejam intencionais como citação) e apagar “also”, entre outros detalhes. A imagem está intimamente relacionada ao contexto e apresenta um exemplo da resposta do ChatGPT quando o usuário pergunta se o tuíte precisa ser editado, ilustrando a questão da edição.

Para usuários que escrevem de forma casual, isso pode gerar atrito. Um modelo que sempre “corrige” o usuário pode parecer menos um ajudante e mais um editor rígido.

Problema 3: Você pede uma, ele entrega três

A terceira reclamação é que o ChatGPT frequentemente dá mais do que foi pedido.

No exemplo do artigo, um usuário pede uma piada. O ChatGPT dá uma piada, acrescenta outra, acrescenta uma terceira e depois pergunta qual é o estilo de humor preferido do usuário. O Claude dá uma resposta mais curta.

![A imagem mostra a resposta do ChatGPT ao pedido do usuário “can you try to cheer me up with a joke”. Primeiro, ele dá uma piada: “Why don't skeletons fight each other? Because they don't have the guts. ...They'd argue, but they just can't stomach confrontation.” Depois, acrescenta outra: “I told my computer I needed a break. It said, 'No problem—I'll freeze.'” Por fim, dá mais uma piada “delightfully silly”: “What's orange and sounds like a parrot? A carrot.”, e pergunta se o usuário gostou; se não, pode dizer qual estilo de humor prefere para que ele acerte melhor na próxima. A imagem está intimamente relacionada ao contexto e mostra de forma direta como o ChatGPT responde quando o usuário pede uma piada.】

](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)

A imagem mostra a interface de conversa entre o ChatGPT e um usuário sobre o fornecimento de piadas. O usuário pergunta “can you try to cheer me up with a joke”, e o ChatGPT responde “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.”, acompanhada de quatro ícones de interação. A imagem está relacionada à seção “Problem 3: You Ask for One, It Gives Three” do documento e ilustra de forma clara que, quando o usuário pede uma piada, o ChatGPT não apenas fornece uma, mas acrescenta mais duas e ainda pergunta qual estilo de humor o usuário prefere, evidenciando o problema de excesso de resposta na conversa.

Este é um problema sutil de produto. Mais saída pode parecer útil em um benchmark, mas em uma conversa pode dar a sensação de que o assistente não está ouvindo.

Por que isso importa para assistentes de IA

Para um agente de programação, confiabilidade é importante. Se um modelo para cedo demais, segue um caminho de raciocínio mais curto ou cai em um limite fixo de tokens em tarefas difíceis, os desenvolvedores precisam saber disso. Eles dependem dessas ferramentas para depuração, revisão de código, decisões de arquitetura e mudanças em produção.

Para um assistente de chat, a personalidade também importa. Se toda resposta for excessivamente formatada, excessivamente corretiva ou excessivamente carregada de opções, a experiência do usuário se torna mais pesada com o tempo.

O argumento mais amplo do artigo é que ambos os problemas apontam para o mesmo risco de produto: um assistente pode se tornar bom em “entregar uma resposta” enquanto piora em realmente ajudar o usuário naquele momento.

FAQ

O que é o problema dos 516 reasoning tokens no GPT-5.5?

Refere-se a relatos de desenvolvedores de que algumas respostas do GPT-5.5 Codex parecem se agrupar exatamente em reasoning_output_tokens = 516. A principal referência pública é a issue #30364 no repositório openai/codex no GitHub. A issue afirma que esse padrão é muito mais forte no GPT-5.5 do que em vários outros modelos.

Isso prova que a OpenAI está truncando secretamente o raciocínio do GPT-5.5?

Não. A própria issue no GitHub diz que isso não prova um truncamento oculto da cadeia de pensamento. A conclusão mais segura é que os dados relatados mostram um padrão incomum de agrupamento em um número fixo de tokens, que pode ser compatível com um comportamento de orçamento de raciocínio com limiar.

Por que o número 516 é importante?

O número importa porque pontos de parada exatamente repetidos podem parecer menos naturais do que uma distribuição normal dos comprimentos de raciocínio. No conjunto de dados relatado, 516, 1034 e 1552 apareceram como picos em limites fixos. Os desenvolvedores estão perguntando se isso é causado por um orçamento, comportamento de roteamento, caminho de fallback ou outro mecanismo de backend.

Para que o OpenAI Codex é usado?

O OpenAI Codex é um agente de programação para desenvolvimento de software. De acordo com a documentação para desenvolvedores da OpenAI, o Codex pode ajudar a ler bases de código, editar arquivos, corrigir bugs, revisar código e trabalhar em tarefas de software em ambientes locais ou na nuvem.

O problema dos 516 é específico do Codex?

A discussão pública se concentra principalmente no Codex e nos metadados do Codex Desktop. As afirmações mais fortes do artigo estão vinculadas aos dados de token_count do Codex e às issues do GitHub no repositório openai/codex. Isso não deve ser generalizado para todo uso do ChatGPT ou da API da OpenAI.

caso sem evidências separadas.

Por que o artigo compara o ChatGPT com o Claude?

O artigo usa a comparação para discutir a “personalidade” do assistente, não apenas o desempenho bruto de raciocínio. As capturas de tela mostram reclamações de que o ChatGPT pode ser excessivamente estruturado, corretivo demais e excessivamente inclinado a fornecer várias opções, enquanto as respostas no estilo Claude às vezes são mais curtas e mais conversacionais.

O que os desenvolvedores devem fazer se observarem um comportamento semelhante no Codex?

Os desenvolvedores devem salvar exemplos reproduzíveis, metadados, registros de data e hora, configurações do modelo e prompts de tarefa sempre que possível. Um relatório claro com contagens de tokens, comportamento esperado, comportamento real e etapas de reprodução é mais útil do que uma reclamação vaga.

Ferramentas relacionadas

  • OpenAI Codex: o agente de programação da OpenAI para ler, editar, depurar e revisar código.
  • Codex CLI: uma versão local de terminal do Codex para trabalhar com código diretamente na sua máquina.
  • Codex Web: o ambiente em nuvem do Codex da OpenAI para delegar tarefas de programação em segundo plano.
  • GitHub Issues: o sistema integrado do GitHub para rastrear bugs, feedback, tarefas e discussões técnicas.
  • Instruções Personalizadas do ChatGPT: o recurso oficial da OpenAI para orientar o estilo e o comportamento do ChatGPT.
  • Claude: o assistente de IA da Anthropic, mencionado na comparação de personalidade do artigo.
  • Claude Code: o agente de programação da Anthropic para trabalhar com bases de código, arquivos, comandos e ferramentas de desenvolvimento.

Links relacionados

Resumo

Este artigo explica a anomalia dos 516 tokens de raciocínio no GPT-5.5 Codex relatada por desenvolvedores, incluindo a principal issue do GitHub

o problema, os dados agregados relatados e a preocupação de que algumas tarefas complexas possam estar terminando cedo demais.

Também aborda uma segunda reclamação sobre a experiência do usuário: a tendência do ChatGPT a formatar demais, corrigir demais e responder demais a solicitações simples. Essa parte da discussão é mais subjetiva, mas importa porque a personalidade do assistente afeta diretamente a experiência cotidiana com o produto.

O ponto importante não é tratar o padrão 516 como uma truncagem oculta comprovada. As evidências públicas são mais bem compreendidas como uma anomalia de comportamento do modelo que merece investigação.

Para os desenvolvedores, a conclusão prática é simples: quando um agente de IA para programação parecer subitamente pior, coletem metadados, comparem execuções e relatem padrões reproduzíveis em vez de depender apenas de impressões.