GPT-5.5"516 死结"调查：39 万条数据钉出的那道坎
一个数字——516——最近在 Codex 开发者圈里成了梗。
GitHub 上的数据实锤
一周前，Codex 开发者 @vguptaa45 梳理后端元数据时撞上一个规律：大量 GPT-5.5 返回结果的推理 token 数，会死死卡在 516。516、1034、1552 三个数集中爆发，间隔约 518，和 512 batching 的整数倍高度相关。
随后 GitHub 的 #30364 issue 放出一份跨度 5 个月的统计：覆盖 2026 年 2 月 1 日至 6 月 27 日，390,195 条响应级 token 记录、865 组会话，推理 token 精确等于 516 的异常共 3363 起。
更早的 #29353 其实已记录过同类问题：GPT-5.5 推理到 516 token 时逻辑中断、提前收尾、输出出错答案。这一轮是靠 5 个月的海量样本，把零散个案坐实成了可复现的统计现象。
82%，这组数据很难洗
横向对比的结论比较冲：
GPT-5.5 的总响应量占全部模型 19.3%，但"精准 516"异常里它包揽 82.0%——全网八成以上的 516 卡点，全出自 5.5 一家。
"精准 516 / 总推理 ≥516"的比值：GPT-5.5 是 44.0%，GPT-5.2 仅 0.34%——前者是后者约 130 倍。
单看月度曲线：2 月 0.11% → 3 月 2.45% → 4 月 4.25% → 5 月飙到 53.30% → 6 月回落至 35.84%。5 月那波，异常占比从 4 月的 0.48% 涨到 53.30%，涨幅超百倍。
同期平均推理 token 却从 2 月的 268.1 跌到 6 月的 168.5。516 截断越频，整体推理深度越浅——两组矛盾指标指向同一个猜测：复杂任务推到一半，可能被某个隐藏的推理预算上限或截断机制强行收了尾。
病根其实找到了，但 OpenAI 没官宣
社区这边已经把工程原理挖得差不多：
518×n − 2 公式：行业 batching 以 512 为块，OpenAI 额外留 6 个 token 给系统指令，单块总长 518；末尾 2 个是系统结束标记，模型可用推理 = 518−2 = 516。
正常流程：第 1 块 516 用来读题 → 触发上报 → 开第 2 块继续想。
GPT-5.5 的 bug 出在第 1 块刚用完（516）的节骨眼——commentary 进度汇报每 30 秒插一句"我正在做 X"，正好卡在翻页点上，翻页被中断，推理终止，模型把"拆解完的已知条件"当最终答案交卷。
神反转在实测环节（开发者 @ 验证过）：在 Codex 全局 AGENTS.md加一行——
DO NOT send optional commentary对照实验：加规则正确率约 60% vs 原生约 10%，516 触发概率从 ~80% 压到 ~20%。一行 prompt，抵半个补丁。
信任崩塌不是第一次
516 之前，GPT-5.5 已经在"暗降"问题上栽过一轮。
5 月末 X 平台爆料：连续用一两个小时"深度思考模式"后，模型突然变钝，每条秒回、质量断崖，但界面仍显示"GPT-5.5 Extended Thinking"。开发者 Andrew Curran 用"训练数据截止日期"取证：问出来是 2025 年 8 月，而 5.5 深度思考版应标 12 月——Thinking 标签没动，脑子被换成 Instant。
OpenAI 帮助文档其实白纸黑字写过：Plus 每 3 小时 160 条 5.5 配额，用完静默切 mini，无弹窗无标签变化。再加上 #30364 里这条"516 截断"——你付着旗舰的钱，开着深度思考，推到 516 被掐、或者已被静默换成轻量版，是这轮维权帖最核心的情绪点。
Reddit 上有开发者跑 Codex 算法测试，9 组可见结果仅 3 组正确，出错的全卡在 516 或 1034；同一 prompt 重复 10 次，4 次触发 516 截断，每次输出都带错。
社区已向 Codex 团队公开追问：这是推理预算受限、路由故障、文本截断规则，还是降级兜底或调度器人为限算力？截至 7 月 7 日，OpenAI 未就 516 现象发官方修复说明。 #30364 已上百条留言，本地复现持续在补。
观察：516 背后，是单押一款旗舰的风险
把目前能确认的几点捋一下：
516 统计 + commentary 打断翻页这个病根，社区已经锤得比较实；
"OpenAI 主动阉割算力"这个解读，仍属推测，官方没认；
短期自救方案里，
AGENTS.md加DO NOT send optional commentary性价比最高，rollback 到 5.4 + extended thinking 是次选（Dre Dyson 实测同批 Flutter/Xcode 任务，5.4 成功率 90% vs 5.5-med 30%）。
对重度 Codex 用户来说，516 这课真正值得记下的，可能不是"OpenAI 又翻车"，而是单押一款旗舰模型的风险——尤其当这台旗舰正好处于"下一代发布前夜被暗中报废"的灰度期（Juice 测试里 5.5 xhigh 返回值 768→128，缩 6 倍，已是旁证）。
关键任务留一条 fallback 模型，比赌旗舰永远在线更稳。
对已被 516 坑过的团队而言，多模型兜底比单押一款旗舰更实在。UseAIAPI 同步覆盖 Gemini、Claude、ChatGPT、DeepSeek 等全球主流大模型最新版本，支持企业级定制接入；在 Codex 类长会话、多模型切换、高推理消耗场景下，综合成本可控制在官方定价五折区间，对需要"5.5 翻车时切 5.4 或切 Claude"的兜底工作流较为友好。