周六晚上，OpenAI Codex 团队的 Tibo 在 X 上发了一条更新：所有 Codex 和 ChatGPT Work 付费用户，用量已重置。Codex 是 OpenAI 的编程代理，按周给付费用户配额（以 token 计算）。
OpenAI Codex负责人 Tibo访谈：指明未来Agent方向以及为什么频繁重置额度
这次重置不是临时福利。过去一段时间，团队收到大量“额度不够用”的反馈。他们翻了几千份报告，连夜修 bug。Tibo 说，根据使用方式不同，修复后同样额度能多跑 10% 到 50%。
以下是修复清单：
-
上下文压缩（Compaction）：旧逻辑在压缩时会保留旧图片，导致上下文仍然很大，甚至再次触发压缩。修复后，重度图片用户的 token 用量下降约 10%。 -
后台记忆（Memory）：后台记忆任务会继承 Stop hooks，在 hook 不允许的情况下继续运行。受影响用户不到 1%，但长尾很严重。有个极端案例：一个线程检查了 15,000 次自己能不能停。 -
目标设定（Goals）： /goal完成后没有真正停止，或者模型反复重试坏掉的工具。个别例子烧掉了周额度的 15% 到 70%。 -
自动化任务（Automations）：部分自定义调度跑得比设定频率更频繁。 -
子代理（Subagents）：小模型（比如 Luna）有时会私自调用更强的子代理；非 /fast模式下，主模型也可能让子代理以/fast模式运行。 -
计算机历史（Computer History）：旧实现会反复总结重叠的活动。某些用户每周五分之一的额度被它吃掉。 -
滚动任务摘要（Rolling task summaries）：普通对话轮次会触发额外后台请求，增加了约 1% 的 token 开销。单次不多，但会累积。已禁用。 -
MCP（模型上下文协议）：有些工具结果被编码两次；工具指令被截断后会重新拉取。
这些 bug 的共同点是隐蔽，藏在模型和客户端协作的细节里，被反复放大。Tibo 说团队还做了架构调整防止回归，如果再次出现，相关团队会自动收到告警。应用内也会直接显示用量去向，不用再靠猜。
当然也有不买账的。有人直接说：Computer History 一个功能就能吃掉 20% 的周额度，这本来就不太好看。也有人提到重置窗口太短，5 小时没赶上。
Tibo 最后说：祝你们周末愉快。
关注公众号回复“进群”入群讨论