https://codexer.com/tags/%E6%8E%A8%E7%90%86%E6%9C%BA%E5%88%B6/Recent content in 推理机制 on CodexerHugozh-cnWed, 22 Jul 2026 09:00:00 +0800https://codexer.com/posts/2026-07-22-codex-gpt55-reasoning-token-clustering/Wed, 22 Jul 2026 09:00:00 +0800https://codexer.com/posts/2026-07-22-codex-gpt55-reasoning-token-clustering/<p>你用 Codex 写代码的时候，有没有遇到过这种情况：明明选的是 xhigh（最高推理强度），模型也「思考」了，但给出的答案却离谱得不像 GPT-5.5 的水平。更让人困惑的是，同样的问题，有时候答案完全正确，有时候却像换了个模型。</p> <p>这不是你的幻觉。一位开发者在分析了 <strong>390,195 次 Codex 响应记录</strong>（覆盖 865 个会话）后，发现了一个惊人的规律：GPT-5.5 有 <strong>44% 的概率在产生恰好 516 个推理 Token 时停止思考</strong>，而其他模型几乎不存在这种模式。</p> <h2 id="516-魔咒">516 魔咒</h2> <p>如果你觉得「516」这个数字很眼熟，那不是巧合。在 GitHub 上，一个相关 Issue 的标题直接写道：「gpt-5.5 xhigh sometimes short-circuits with reasoning_output_tokens=516 and wrong final_answer」。更早的时候，CLIProxyAPI 社区也有人报告了完全相同的行为：GPT-5.5 在某些推理任务上会突然「短路」，跳过中间推导步骤，直奔 final_answer，然后给出错误答案。</p> <p>而这个问题被系统性地量化之后，数字更加触目惊心。</p> <p>一位叫 Felagund 的开发者从 Codex 的 <code>token_count</code> 元数据中提取了 2026 年 2 月到 6 月的海量响应记录，发现 GPT-5.5 的推理 Token 分布存在三个异常「尖峰」：<strong>516、1034 和 1552</strong>。这三个数字恰好是 516 的倍数（516 × 1、516 × 2、516 × 3），看起来就像模型内部存在某种以 516 为单位的「推理预算」分配机制。</p> <h2 id="数据不会说谎">数据不会说谎</h2> <p>来看这张关键数据表，它比较了不同模型在推理 Token ≥ 516 的响应中，恰好命中 516 的比例：</p>