【新智元导读】GPT-5.5 遭遇严重性能瓶颈，推理过程频繁被数字「516」强制截断。数据显示，其 80% 的复杂推理任务被暗中限制，引发开发者对 OpenAI 算力阉割的强烈质疑：高昂的订阅费用并未匹配相应的智能体验。
OpenAI 旗舰模型 GPT-5.5 近期在复杂编程任务中表现异常，智能水平出现显著下降。经过深入排查，开发者发现了一个导致模型瞬间失效的特定阈值。
关键触发数字：516
大量 Codex 开发者验证了这一异常现象。顶级大模型为何会被一个特定数字限制？
GPT-5.5 死卡「516」：80% 任务悄然降智
一周前，Codex 开发者@vguptaa45 通过分析后台元数据，发现了一条令人震惊的规律：GPT-5.5 的大量回复中，推理 Token 数量精确地停滞在「516」。
除 516 外，1034 和 1552 这两个节点也出现了类似的异常集中。在 GitHub Issue #30364 中，开发者公布了详细统计数据：分析窗口覆盖 2026 年 2 月 1 日至 6 月 27 日，涉及 390,195 条响应级 Token 记录及 865 个会话。其中，推理 Token 精确等于 516 的事件高达 3363 次。
跨模型横向对比结果更为触目惊心：GPT-5.5 仅占全部响应量的 19.3%，却包揽了 82.0% 的「精准 516」事件。这意味着，全网超过八成的此类异常均源自 GPT-5.5。
进一步对比 GPT 系列内部模型，「精准 516/大于等于 516」这一指标在 GPT-5.5 上接近 50%，即近一半的深度思考回复都终结于该数值。相比之下，GPT-5.2 的该比例仅为 0.34%。GPT-5.5 的异常比值比其他非 5.5 模型高出整整 33.6 倍。
这种断崖式且针对单一模型的分布，显然不符合大模型自然思考的特征，更像是底层开关被强制设定在了「516」档位。
推理强度不升反降
理论上，频繁触发特定 Token 数可能意味着模型进行了大量推理。然而事实恰恰相反。数据显示，在「516 现象」恶化的 5 月和 6 月，GPT-5.5 的整体推理强度（包括平均值和 P90 分位）较 2 月至 4 月大幅缩水。
这两组矛盾数据指向一个严峻推测：GPT-5.5 在处理复杂或高风险任务时，可能触发了隐藏的「推理预算上限」或「截断机制」。用户付费使用最高档模型，却在思考中途被强制终止，导致输出结果未经充分推导。
GitHub 万人请愿：开发者质疑算力阉割
GitHub Issue #30364 发布后，迅速引发社区共鸣，众多开发者反馈遭遇相同问题。
该问题长期困扰开发工作，恳请 OpenAI 给出解释。
早在之前的 Issue #29353 中，已有用户复现了 GPT-5.5 在达到 516 个推理 Token 后停止并输出错误答案的现象。此次开发者通过横跨 5 个月的海量数据，将孤例确认为系统性缺陷。相关讨论已蔓延至 Reddit，有观点指出半数高风险 Codex 请求可能被悄悄降级。
社区反馈显示，解决某些推理问题通常需要 6000-8000 个思考 Token，而 GPT-5.5 远未达到此标准便已中断。
部分用户因此开始在 Codex 和 Claude 之间切换使用。
社区向 Codex 团队提出尖锐质问：这是推理预算限制、路由故障、截断机制还是调度器问题？若属正常设计，516 究竟是合理的思考终点，还是被降级的劣质档位？
这到底是推理预算被限了，是路由出了问题，是被截断了，是触发了某种 fallback，还是调度器在搞鬼，导致回复统统在 516/1034/1552 附近戛然而止？如果这是「正常设计」，那请告诉我们——516，究竟是一个正常的思考终点，一个预算天花板，还是一个被降级的「劣质档位」？
尽管提出者未直接断定 OpenAI 主动阉割算力，但指出这是一种"GPT-5.5 特有的、符合阈值化推理预算行为”的异常聚集。真相仍有待官方回应。
不仅变笨，交互体验也更僵化
除了推理能力下降，GPT-5.5 的交互风格也遭到广泛批评。开发者 Angel 通过对比 ChatGPT (GPT-5.5 Instant) 与 Claude (Fable 5) 的回答，揭示了三大问题：
过度格式化
ChatGPT 难以用自然语言交流，习惯将回答拆解为标题、加粗、列表和冒号。即使要求“自然点”，它仍会列出一个四点项目符号列表来解释“如何不像 AI"，而 Claude 则能直接以自然口吻回应。
上下滑动查看
过度纠错
在检查文本时，ChatGPT 倾向于强行找出问题，即便原文无误也会提供多个改写版本及风格建议；而 Claude 在确认无误后会直接告知“可以发送”。
上下滑动查看
过度冗余
面对简单指令如“讲个笑话”，Claude 通常只提供一个优质回答，而 ChatGPT 往往会连续输出多个笑话，并追加询问用户的幽默偏好，显得冗长且机械。
上下滑动查看
开发者指出，对于聊天助手而言，性格即产品。过度格式化、纠错和选项堆砌会累积用户体验摩擦。无论是被"516"锁死的推理，还是困在格式里的表达，都反映出 GPT-5.5 正从“智能助手”退化为“按件计酬的执行者”。真正的智能不应是被预设阈值限制的提线木偶，用户需要的是能并肩作战的天才，而非机械的教导主任。
参考资料：
https://github.com/openai/codex/issues/30364
编辑：桃子