Jul 8, 2026
低コストモデルGLM-5.2が追い上げ：AIによるWebサイト構築とSEOコンテンツ制作は手頃になるのか？
GLM-5.2のように、高性能でありながら低コストなモデルが存在感を増しています。AIによるWebサイト構築やSEOコンテンツ制作は、手頃な価格で実現できるようになるのでしょうか。本記事では、モデルコスト、コンテンツ品質、Webサイトの成長、そしてWe0 AIの「Build → ...
この記事では、開発者から報告されているGPT-5.5 Codexの「516」推論トークン異常について、主なGitHubのIssue、報告された集計データ、そして一部の複雑なタスクが早すぎる段階で終了している可能性への懸念を含めて解説します。 また、2つ目のユーザー体験に関する不満...
516――付近で止まっているように見えるのです。元の報告は、OpenAIが密かに推論を打ち切っていることを証明するものではありません。より限定的な主張は、もう少し慎重です。公開されたGitHub Issueで共有されたテレメトリーには、reasoning_output_tokens = 516付近に、GPT-5.5特有の異常な集中パターンが見られ、さらに1034および1552付近にも追加のスパイクがあることが示されています。この点が重要なのは、開発者たちが単にGPT-5.5が間違いを犯しているかどうかを問うているだけではないからです。彼らが問うているのは、複雑なタスクにおいてモデルが時により短い推論経路をたどり、その結果、期待していたより信頼性に欠けるように感じられる回答を返しているのではないか、ということです。## 出典メモ- 元記事: BAAI Hubの記事
## GPT-5.5は「516」で止まるのか：開発者たちが異例のパターンに気づくこの議論は、驚くほど具体的な数字――516――から始まりました。開発者たちの報告によると、GPT-5.5は最近、Codex内での一部の複雑なプログラミングおよび推論タスクにおいて、性能の低下を示しているとのことです。問題が目立った理由は、モデルが時々誤った答えを出したという点だけではありません。失敗した、あるいは不審に見える応答のいくつかが、同じ推論トークン境界で止まっているように見えたことです。その後、多くのCodexユーザーが議論に加わり、同様の挙動を見たことがあると述べました。中心的な問いはシンプルです。なぜ最高水準の推論モデルが、繰り返しまったく同じトークン数に着地するのでしょうか。## GitHub Issue：この主張の背景にある、より大きなデータ範囲最も重要な公開情報源は、openai/codexリポジトリで作成された GitHub issue [#30364](https://github.com/openai/codex/issues/30364) です。この issue では、開発者が Codex のtoken_count メタデータにおける集計パターンを報告しました。主張は、gpt-5.5の応答がreasoning_output_tokens = 516にちょうど一致するケースに不釣り合いなほど集中しており、さらに1034と1552付近にも固定境界のスパイクが見られる、というものでした。この報告は、2026年2月1日から6月27日までの期間を対象としていました。分析対象は、865 セッションにまたがる 390,195 件の応答レベルのトークン記録です。### Issue #30364 で報告された証拠| 指標 | 値 | |-|-| | 分析対象の応答レベルのトークン記録数 | 390,195 | | 対象セッション数 | 865 | | 正確にreasoning_output_tokens = 516となった件数 | 3,363 | | 全応答に占める GPT-5.5 の割合 | 19.3% | | 正確に 516 となった事例に占める GPT-5.5 の割合 | 82.0% | | GPT-5.5 の exact-516 / >=516 比率 | 44.0% | | 非 GPT-5.5 の exact-516 / >=516 比率 | 1.3% |この issue では、GPT-5.5 を他の GPT 系モデルとも比較していました。その差は、これが単なる推論長の通常分布ではないのではないかと開発者が疑うのに十分なほど大きいものでした。### モデル別の結果| モデル | 応答記録数 | Exact 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% |元の記事はこの点を端的に要約しています。GPT-5.5 は総応答数の中では少数派にすぎない一方で、このデータセットにおける正確に 516 となる事例の大半を占めているように見える、ということです。## さらに疑わしい部分：全体的推論強度は低下していた考えられる反論の一つは、GPT-5.5が単により多く考えるようになっただけであり、その結果として、より多くの応答が高い推論トークン範囲に自然に到達している、というものだろう。しかし、報告されたデータはその逆を示している。正確に516へ集まる傾向がより顕著になったとされる5月と6月には、GPT-5.5の全体的な推論トークン強度は低下していた。平均推論トークン数も、P90の推論トークン数も、いずれもそれ以前の月より低かった。### 月別の推論トークン強度| 月 | 平均推論トークン数 | P90推論トークン数 | |-|-|-| | 2026年2月 | 268.1 | 772 | | 2026年3月 | 256.8 | 723 | | 2026年4月 | 228.7 | 669 | | 2026年5月 | 106.9 | 344 | | 2026年6月 | 168.5 | 515 |そのため、開発者たちはこのパターンに不快感を抱いた。一方では、正確に516となる事例がより頻繁になっていた。他方では、モデルは全体として費やす推論トークン数が少なくなっているように見えた。その結果、より深刻な懸念が生じた。複雑または高リスクなタスクにおいて、GPT-5.5はより深い推論経路を完了する前に、隠れた推論予算、打ち切りポイント、フォールバック経路、あるいはスケジューラの挙動に達してしまっている可能性がある、というものだ。明確にしておくと、これはあくまで開発者から報告された異常であり、OpenAIによる公式な説明ではない。## GitHubの開発者たちが異議を唱えるGitHubでの議論には、同様の問題を経験したと述べるほかのユーザーたちもすぐに集まった。この問題は、以前のレポートである[#29353](https://github.com/openai/codex/issues/29353)にもつながっている。そこでは、ある開発者が、xhigh推論でgpt-5.5を使用したCodex Desktopにおいて、再現可能なパターンを説明していた。その再現例では、新しい実行の一部が最終回答へ直接進み、推論出力トークンをちょうど516使用し、しかも誤答を返した。別の実行では、何千もの推論トークンが使われ、目に見える中間段階が現れ、期待された回答が返された。この以前の問題提起によって結論が出たわけではないが、その後の集計レポートが孤立した事例ではないという印象を強めた。## RedditとHacker Newsでの議論がさらに圧力を強めるこの議論はGitHubの外にも広がった。元の記事にあるスクリーンショットでは、高リスクなCodexリクエストの一部が、推論の打ち切りによって静かに性能低下させられている可能性について、開発者たちが議論している様子が示されている。記事内で示されたあるコメントでは、正しい答えが出るまでに6,000～8,000個の思考トークンを必要とする推論問題もあると主張されていた。そうしたケースでモデルが516トークン前後で停止してしまうと、答えを早まって出してしまう可能性がある。別のスクリーンショットでは、ユーザーたちがCodexとClaudeを比較しており、その週にどちらのほうがまだ壊れていないと感じるかによってツールを切り替える、という声も見られた。## 開発者がOpenAIに明確化を求めていることコミュニティの中核的な要望は複雑なものではない。開発者たちは、516、1034、1552`をめぐって実際に何が起きているのかを、OpenAIまたはCodexチームに明らかにしてほしいと望んでいる。未解決の疑問には、次のようなものがある。1. これは推論予算によって引き起こされているのか？516という値は、通常の停止点なのか、性能低下した階層なのか、それとも内部しきい値なのか？元のGitHub issueは、これが隠れたchain-of-thoughtの打ち切りを証明しているとは慎重に主張していない。より強い主張は単に、このクラスター化がモデル固有かつしきい値的に見えるほど顕著であり、調査に値するということだ。## 信頼性が低いだけではない：ユーザーは人格面にも不満を抱いている元の記事の後半では、話題が性能から人格へと移っている。Angelという開発者は、GPT-5.5 Instantを使ったChatGPTとClaude Fable 5を、並べたスクリーンショットで比較した。問題視されていたのは、モデルが答えられるかどうかではない。アシスタントがどのように振る舞うかだった。
記事では、繰り返し見られる3つの不満点が取り上げられている。## 問題1：何でも箇条書きになってしまう最初の不満は、ChatGPTが単純な会話的応答でさえ過度に整形しがちだという点だ。もっと自然でAIっぽくないようにしてほしいと求められたとき、ChatGPTは、どう自然にするかについて構造化された説明で応じたとされている。対照的にClaudeは、より自然な返答をした。もっと短くて、もっとくだけた返答。
普段くだけた文体で書くユーザーにとって、これは摩擦を生むことがある。いつもユーザーを「直す」モデルは、助け手というより厳しい編集者のように感じられるかもしれない。## 問題3：1つ頼むと3つ返ってくる3つ目の不満は、ChatGPTが頼まれた以上のことを返しがちな点だ。記事の例では、ユーザーがジョークを1つ頼む。するとChatGPTは1つジョークを出し、さらにもう1つ、さらに3つ目まで加えたうえで、どんなユーモアのスタイルが好みかまで尋ねる。Claudeの返答はもっと短い。
](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/5dae8b13-68c4-41a0-ac41-d5700f95a278-18-435af1bb-60ec-4684-8e4b-cab023cbbe2d.png)
Jul 8, 2026
この記事では、Fable 5の3Dワールドのデモが注目を集めた理由を解説している。コード生成、空間認識、アニメーション、インタラクション、そしてビジュアルストーリーテリングが組み合わされており、静的なメディアを作るというより、小さな実行可能世界を構築しているように感じられるためだ...
Jul 8, 2026
LangBot リリース 4.10.2 のアップデート内容を、Sandbox、Skills、RAG のプラグイン化、AI プラットフォーム連携、LangTARS、エンタープライズルーティング、IM 対応、ワークフロールーティング、高同時接続テスト結果を含めて、読みやすい英語版とし...