Este artículo explica la anomalía de los `516` tokens de razonamiento en GPT-5.5 Codex reportada por desarrolladores, incluido el principal ...
516.El informe original no demuestra que OpenAI esté recortando en secreto el razonamiento. La afirmación más acotada es más cuidadosa: la telemetría compartida en una incidencia pública de GitHub muestra un patrón de agrupamiento inusual, específico de GPT-5.5, en torno a reasoning_output_tokens = 516, con picos adicionales cerca de 1034 y 1552.Ese detalle importa porque los desarrolladores no solo se están preguntando si GPT-5.5 está cometiendo errores. También se preguntan si el modelo a veces está tomando una ruta de razonamiento más corta en tareas complejas y luego devuelve respuestas que se sienten menos fiables de lo esperado.## Nota sobre la fuente- Artículo original: artículo de BAAI Hub
## GPT-5.5 se atasca en “516”: los desarrolladores detectan un patrón inusualLa discusión comenzó con un número sorprendentemente específico: 516.Según los informes de los desarrolladores, GPT-5.5 ha mostrado recientemente un rendimiento más débil en algunas tareas complejas de programación y razonamiento dentro de Codex. Lo que hizo que el problema destacara no fue solo que el modelo a veces produjera respuestas incorrectas. Fue que varias respuestas fallidas o sospechosas parecían detenerse en el mismo límite de tokens de razonamiento.
La pregunta central es simple: ¿por qué un modelo de razonamiento de primer nivel terminaría repetidamente en un mismo recuento exacto de tokens?## El issue de GitHub: una ventana de datos más amplia detrás de la afirmaciónLa referencia pública más importante es el issue de GitHub #30364, abierto en el repositorio openai/codex.En ese issue, el desarrollador informó de un patrón agregado en los metadatos token_count de Codex. La afirmación era que las respuestas de gpt-5.5 se concentraban de forma desproporcionada exactamente en reasoning_output_tokens = 516, con picos adicionales en límites fijos alrededor de 1034 y 1552.
El informe cubría una ventana del 1 de febrero al 27 de junio dereasoning_output_tokens = 516 | 3,363 |
El issue también comparó GPT-5.5 con otros modelos de la familia GPT. La brecha era lo bastante grande como para hacer sospechar a los desarrolladores que no se trataba simplemente de una distribución normal de longitudes de razonamiento.### Resultado a nivel de modelo| Modelo | Registros de respuesta | Exacto 516 / >=516 |gpt-5.5 | 75,401 | 44.0% |gpt-5.4 | 25,214 | 19.8% |gpt-5.2 | 247,575 | 0.34% |gpt-5.3-codex | 13,333 | 0.0% |gpt-5.3-codex-spark | 26,179 | 0.0% |
El problema también se conecta con un informe anterior, #29353, en el que un desarrollador describió un patrón reproducible en Codex Desktop usando gpt-5.5 con razonamiento xhigh.En esa reproducción, algunas ejecuciones nuevas pasaban directamente a una respuesta final, usaban exactamente 516 tokens de salida de razonamiento y devolvían una respuesta incorrecta. Otras ejecuciones empleaban miles de tokens de razonamiento, mostraban una fase intermedia visible y devolvían la respuesta esperada.Ese problema anterior no resolvió la cuestión, pero hizo que el informe agregado posterior pareciera menos aislado.## Las discusiones en Reddit y Hacker News añaden más presiónLa conversación también fue más allá de GitHub. Las capturas de pantalla del artículo original muestran a desarrolladores debatiendo si una parte de las solicitudes de Codex de alto riesgo podría estar degradándose silenciosamente debido al truncamiento del razonamiento.
Un comentario mostrado en el artículo sostenía que algunos problemas de razonamiento necesitan entre 6.000 y 8.000 tokens de pensamiento antes de que aparezca la respuesta correcta. Si un modelo se detiene alrededor de 516 tokens en esos casos, puede producir una respuesta demasiado pronto.
Otra captura de pantalla mostraba a usuarios comparando Codex y Claude, y algunos decían que cambiaban de herramienta según cuál pareciera menos averiada en una semana determinada.
## Lo que los desarrolladores quieren que OpenAI aclareLa petición central de la comunidad no es complicada. Los desarrolladores quieren que OpenAI o el equipo de Codex aclaren qué está ocurriendo en torno a 516, 1034 y 1552.Las preguntas abiertas incluyen:1. ¿Esto está causado por un presupuesto de razonamiento?516 exacto un punto de parada normal, un nivel degradado o un umbral interno?La incidencia original de GitHub es cuidadosa al no afirmar que pruebe un truncamiento oculto de la cadena de pensamiento. La afirmación más fuerte es simplemente que la agrupación parece lo bastante específica del modelo y parecida a un umbral como para merecer investigación.## No solo menos fiable: los usuarios también se quejan de la personalidadLa segunda mitad del artículo original pasa del rendimiento a la personalidad.Un desarrollador llamado Angel comparó ChatGPT usando GPT-5.5 Instant con Claude Fable 5 mediante capturas de pantalla lado a lado. La queja no era sobre si el modelo podía responder. Era sobre cómo se comportaba el asistente.
El artículo destaca tres frustraciones recurrentes.## Problema 1: todo se convierte en una lista con viñetasLa primera queja es que ChatGPT tiende a dar formato en exceso incluso a respuestas conversacionales simples.Cuando se le pidió que fuera más natural y menos parecido a una IA, ChatGPT supuestamente respondió con una explicación estructurada de cómo sería natural. Claude, en cambio, dio unauna respuesta mucho más corta y más informal.
Para los usuarios que escriben de forma casual, esto puede generar fricción. Un modelo que siempre “corrige” al usuario puede sentirse menos como una ayuda y más como un editor estricto.## Problema 3: Pides una cosa y te da tresLa tercera queja es que ChatGPT a menudo da más de lo que se le pide.En el ejemplo del artículo, un usuario pide un chiste. ChatGPT da un chiste, añade otro, añade un tercero y luego pregunta cuál es el estilo de humor que prefiere el usuario. Claude da una respuesta más corta.
Jul 8, 2026
Modelos como GLM-5.2, que ofrecen un alto rendimiento a bajo costo, están ganando terreno. ¿Podrían volverse asequibles la creación de sitio...
Jul 8, 2026
Este artículo explica por qué las demostraciones de mundos 3D de Fable 5 llamaron la atención: combinan generación de código, razonamiento e...
Jul 8, 2026
Una adaptación al inglés legible de la actualización LangBot Release 4.10.2, que abarca Sandbox, Skills, la conversión de RAG en plugins, in...