OpenAI 修复 Codex 中 GPT-5.5 性能衰减 重置付费计划用量限制

OpenAI 于 5 月 16 日 宣布修复 Codex 中 GPT-5.5 模型的能力衰减问题，并同步重置所有付费计划的用量限制。据开发者社区反馈，此次 Codex GPT-5.5 修复 耗时不足 10 小时，迅速平息了因底层模型响应异常引发的生产力中断危机。在 Codex 用户规模突破峰值的背景下，底层模型路由策略的稳定性直接决定了多轮代码生成的连贯性。

异常信号与快速排查链路

性能异常的首个公开信号出现在 5 月 15 日 晚间。Tibo Sottiaux 发布的技术排查公告 披露了详细的时间线：AI 研究者 Yam Peleg 率先在社交平台指出 GPT-5.5 在 Codex 环境下的表现偏离预期，具体表征为模型在相同参数设置下，突然默认调用 PIL 库生成图像缩略图，而非调用 GPT image 原生功能。这一行为差异在图像预处理与自动化流水线任务中尤为明显，原本依赖视觉编码或特定 API 调用的节点输出出现严重偏离，导致自动化工作流被迫中断。

Codex 团队在收到反馈后迅速介入。Tibo 于 5 月 15 日 晚间 23:56 确认已启动调查，并在 5 月 16 日 早晨 08:31 通报取得进展。团队在约 48 小时 的关键窗口期内定位并修复了两项导致 GPT-5.5 能力衰减的技术问题。尽管官方未公开具体代码级细节，但极短的反应周期与时间窗吻合表明，该异常很可能与近期灰度发布引入的策略路由覆盖或上下文缓存污染有关。通过底层指令拦截日志还原，团队确认了特定代码补全请求被错误导向了备用路由分支，进而触发了非预期的本地库降级逻辑。

用量重置推动长任务开发

在确认底层修复完成后，OpenAI 同步操作了调用配额策略。Tibo 明确宣布所有付费订阅计划的 Codex 用量限制均已重置，建议开发者利用周末窗口开展长周期编码测试。此举直接将之前因异常排查导致的额度消耗予以清零，避免了开发者在模型不稳定期间产生不必要的配额损耗，同时也为后续的高强度迭代预留了缓冲空间。

此次用量重置直接回应了开发者的实际痛点。随着 Codex 周活跃用户突破 数百万 量级，模型在复杂调试与多步骤代码生成任务中的 token 消耗呈现几何级增长。在限制策略执行期间，开发者被迫频繁触发阈值中断，必须手动重启会话并重新注入上下文，严重拖慢了长任务执行效率。用量重置使得连续推理与多轮迭代得以恢复，直接拉升了整体生产力表现。针对高频编码场景，开发者可以利用重置后的额度进行完整的单元测试生成、跨模块依赖验证与架构重构。

Codex GPT-5.5 修复背后的工程逻辑

GPT-5.5 在 Codex 中的异常暴露了单一模型适配多任务栈时的脆弱性。当推理引擎切换至特定代码生成或图像预处理管线时，底层策略约束未能及时兼容，导致行为回退至默认库调用。此次快速修复表明 OpenAI 在模型路由层增加了更细粒度的版本追踪机制，通过动态权重分配确保各子任务模块的独立运行。这种架构调整降低了上下文窗口内的策略冲突概率，使多模态输入与纯代码输出能够并行处理，从而削弱了单一异常节点对全局流程的破坏力。

考虑到此类能力衰减与策略漂移多发生于灰度发布窗口，实际部署中建议保留本地验证脚本与依赖快照。当主模型输出出现非预期降级时，可临时切换至稳定版本分支或开启保守模式降级策略，以保障核心业务链路的连贯性。开发者可通过配置环境变量临时锁定推理版本，避免因上游路由波动导致的生产力中断。建立模型版本基线对照表，能够在异常发生后的数分钟内快速定位偏离点。

参考此前同类模型更新的维护节奏，短期的紧急补丁通常会在后续大版本中合并至统一架构。该修复主要缓解了调用阈值阻断与路由错误问题，模型深层能力的稳定性仍需等待第三方基准测试的长期跟进。在内部测试完全通过前，建议关键业务流保留版本回滚通道，以应对可能的策略回退。