GPT-5.5 supostamente esbarra em um limite de raciocínio de 516 tokens, e os desenvolvedores não estão nada satisfeitos

IntroduçãoNos últimos dias, desenvolvedores que usam o OpenAI Codex têm discutido um padrão estranho: algumas respostas do GPT-5.5 parecem parar em torno de uma contagem muito específica de tokens de raciocínio — 516.O relatório original não prova que a OpenAI esteja secretamente cortando o raciocínio. A afirmação mais restrita é mais cautelosa: a telemetria compartilhada em uma issue pública no GitHub mostra um padrão incomum, específico do GPT-5.5, de concentração em torno de reasoning_output_tokens = 516, com picos adicionais perto de 1034 e 1552.Esse detalhe importa porque os desenvolvedores não estão apenas perguntando se o GPT-5.5 está cometendo erros. Eles estão perguntando se o modelo às vezes está seguindo um caminho de raciocínio mais curto em tarefas complexas e, em seguida, retornando respostas que parecem menos confiáveis do que o esperado.## Nota sobre a fonte- Artigo original: artigo do BAAI Hub

• Issue original referenciada no GitHub: openai/codex issue #30364
• Issue de reprodução relacionada: openai/codex issue #29353
• A página do BAAI afirma que o artigo foi obtido de um artigo do WeChat da Xinzhiyuan.
• O artigo original não continha blocos de código. Ele continha principalmente capturas de tela, tabelas e referências com links.
• Nota sobre as imagens: capturas de tela, gráficos e imagens comparativas relevantes foram preservados abaixo. Separadores decorativos, imagens apenas de marca, códigos QR, gráficos de recrutamento e imagens promocionais não relacionadas não foram incluídos.## O GPT-5.5 fica preso em “516”: desenvolvedores percebem um padrão incomumA discussão começou com um número surpreendentemente específico: 516.Segundo relatos de desenvolvedores, o GPT-5.5 tem apresentado recentemente um desempenho mais fraco em algumas tarefas complexas de programação e raciocínio dentro do Codex. O que fez o problema se destacar não foi apenas o fato de o modelo às vezes produzir respostas erradas. Foi que várias respostas com falhas ou suspeitas pareciam parar exatamente no mesmo limite de tokens de raciocínio.![A imagem mostra uma postagem no Twitter em que o usuário @bdsq1sz afirma que o GPT-5.5 na verdade “ficou mais burro” — ele pode estar sendo silenciosamente truncado. O prompt do sistema instrui o modelo a fornecer dados a cada 30 segundos, o que faz com que o modelo trunque automaticamente os tokens quando o comprimento atinge `(usage.output_tokens_details.reasoning_tokens == 518 * n
• 2). Essa postagem está relacionada ao contexto em que o GPT-5.5 teve pior desempenho no Codex, com várias respostas anômalas parando no mesmo limite de tokens de raciocínio, e pode ser uma explicação para esse fenômeno.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/6476d652-b821-4649-a709-e9548a80bb12-03-ca6f89d3-9d3b-4c3b-838e-42aeddb232a4.png)Vários usuários do Codex então entraram na discussão, dizendo que haviam observado um comportamento semelhante.![A imagem mostra quatro usuários mencionando o mesmo problema na discussão. loner2403, partment, Suvmaker e lujunjiehhh disseram respectivamente, há 1 semana, “Same issue”, “Same issue”, “same problem” e “Same issue”, indicando que também encontraram uma situação semelhante. Isso ecoa o contexto acima, no qual o GPT-5.5 apresentou desempenho enfraquecido no Codex, com algumas respostas com falhas ou suspeitas parando no mesmo limite de tokens de raciocínio, demonstrando a atenção de desenvolvedores e usuários a esse problema.](https://we0-cms.oss-cn-beijing.aliyuncs.)com/cms-assets/image/2026/07/ff2f0787-2820-4bdf-b103-11b74925167c-04-26d319be-fd5b-4534-b116-0a99c4489246.png)A questão central é simples: por que um modelo de raciocínio de primeira linha acabaria repetidamente em uma mesma contagem exata de tokens?## A issue no GitHub: uma janela de dados maior por trás da alegaçãoA referência pública mais importante é a issue do GitHub [#30364](https://github.com/openai/codex/issues/30364), aberta no repositório openai/codex.Nessa issue, o desenvolvedor relatou um padrão agregado nos metadados token_countdo Codex. A alegação era de que as respostas dogpt-5.5se concentravam de forma desproporcional exatamente emreasoning_output_tokens = 516, com picos adicionais em limites fixos por volta de 1034e1552`.![A imagem mostra a issue #30364 do GitHub, com o título “GPT-5.5 Codex reasoning-token clustering at 516/1034/1552 may be leading to degraded performance on complex tasks”. O desenvolvedor vguptaa45 a abriu há 1 semana, apontando a existência de um padrão de agrupamento nos metadados token_count do Codex, em que respostas do gpt-5.5 apresentam picos significativos em limites fixos como 516, 1034 e

1. Isso pode estar relacionado a uma intensidade de tokens de raciocínio mais baixa específica do modelo, levando a pior desempenho em tarefas complexas/de alto risco no Codex. A issue também está relacionada à #29353, que relatou reprodução em nível de tarefa, na qual uma execução do gpt-5.5 terminava em 516 tokens de raciocínio e retornava uma resposta incorreta.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/126299af-18be-4167-a836-fd9a9aa0a784-05-b716e700-3c92-4018-960e-6694428a1805.png)O relatório cobriu uma janela de 1º de fevereiro a 27 de junho de
2. Ele analisou 390.195 registros de tokens em nível de resposta, distribuídos por 865 sessões.### Evidências relatadas na issue #30364| Métrica | Valor |
   |-|-|
   | Registros de tokens em nível de resposta analisados | 390.195 |
   | Sessões representadas | 865 |
   | Eventos exatos de reasoning_output_tokens = 516 | 3.363 |
   | Participação do GPT-5.5 em todas as respostas | 19,3% |
   | Participação do GPT-5.5 nos eventos exatos de 516 | 82,0% |
   | Razão GPT-5.5 exatos-516 / >=516 | 44,0% |
   | Razão não-GPT-5.5 exatos-516 / >=516 | 1,3% |A issue também comparou o GPT-5.5 com outros modelos da família GPT. A diferença era grande o suficiente para levar os desenvolvedores a suspeitar que isso não era apenas uma distribuição normal dos comprimentos de raciocínio.### Resultado no nível do modelo| Modelo | Registros de resposta | Exatos 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% |![Esta imagem é uma tabela de resultados em nível de modelo de um documento intitulado “7.8日文章改写：GPT-5.5 Codex 516 Reasoning Token Clustering”, mostrando dados relevantes de diferentes modelos de linguagem de grande porte. As colunas da tabela incluem nome do modelo, total de registros de resposta e proporção de resultados que correspondem exatamente a 516 ou a valores maiores ou iguais a
3. O GPT-5.5 tem 75.401 registros de resposta, com uma proporção de 44,0% para correspondência exata de 516; o GPT-5.4 tem 25.214 registros, com 19,8%; os outros três modelos têm mais registros de resposta, mas as proporções correspondentes são todas inferiores a 0,34%, algumas inclusive 0,0%. Esses dados ecoam o ponto mencionado no documento de que o GPT-5.5 representa apenas uma minoria das respostas totais, mas contribui com a maior parte dos resultados exatos de 516.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/0116ced2-ab37-42a9-af40-a9b52e6dd749-07-af91cf00-67ee-4ceb-b87a-55b9d04286b2.png)O artigo original resumiu o ponto de forma direta: o GPT-5.5 representava apenas uma minoria do total de respostas, mas ainda assim parecia responder pela maior parte dos eventos exatos de 516 nesse conjunto de dados.## A parte mais suspeita:A Intensidade Geral do Raciocínio CaiuUma possível defesa seria que o GPT-5.5 simplesmente pensa mais, de modo que mais respostas naturalmente alcancem faixas mais altas de tokens de raciocínio.Mas os dados relatados apontam na direção oposta.Em maio e junho, quando o agrupamento exato em 516 supostamente se tornou mais evidente, a intensidade geral de tokens de raciocínio do GPT-5.5 caiu. Tanto a média de tokens de raciocínio quanto a contagem P90 de tokens de raciocínio ficaram abaixo das dos meses anteriores.### Intensidade de Tokens de Raciocínio por Mês| Mês | Média de Tokens de Raciocínio | Tokens de Raciocínio P90 |
   |-|-|-|
   | Fev 2026 | 268.1 | 772 |
   | Mar 2026 | 256.8 | 723 |
   | Abr 2026 | 228.7 | 669 |
   | Mai 2026 | 106.9 | 344 |
   | Jun 2026 | 168.5 | 515 |![A imagem é uma tabela que mostra dados relacionados a tokens de raciocínio de fevereiro a junho de
4. A tabela contém três colunas: mês, média de tokens de raciocínio (Mean reasoning tokens) e tokens de raciocínio no percentil 90 (P90 reasoning tokens). Os dados específicos são: fevereiro, média de 268.1 e P90 de 772; março, média de 256.8 e P90 de 723; abril, média de 228.7 e P90 de 669; maio, média de 106.9 e P90 de 344; junho, média de 168.5 e P90 de
5. A tabela está intimamente relacionada ao contexto e apresenta de forma visual a variação da intensidade dos tokens de raciocínio ao longo do tempo, servindo como base de dados para a análise da queda na intensidade de tokens de raciocínio do GPT-5.5.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/67ba545d-de3a-46ae-a296-9085a142d013-08-5fee5f35-896a-4de9-9fe0-2b9564eb0281.png)Foi por isso que os desenvolvedores consideraram o padrão desconfortável. De um lado, os eventos exatos de 516 tornaram-se mais frequentes. Do outro, o modelo parecia gastar menos tokens de raciocínio no geral.Isso levou a uma preocupação mais séria: em tarefas complexas ou de alto risco, o GPT-5.5 pode às vezes estar atingindo um orçamento oculto de raciocínio, um ponto de truncamento, uma rota de fallback ou um comportamento do agendador antes de concluir um caminho de raciocínio mais profundo.Para deixar claro, isso continua sendo uma anomalia relatada por desenvolvedores, e não uma explicação oficial da OpenAI.## Desenvolvedores no GitHub ReagemA discussão no GitHub rapidamente atraiu outros usuários que disseram ter enfrentado problemas semelhantes.A questão também se conecta a um relatório anterior, #29353, no qual um desenvolvedor descreveu um padrão reproduzível no Codex Desktop usando gpt-5.5 com raciocínio xhigh.Nessa reprodução, algumas execuções novas iam diretamente para uma resposta final, usavam exatamente 516 tokens de saída de raciocínio e retornavam a resposta errada. Outras execuções gastavam milhares de tokens de raciocínio, produziam uma fase intermediária visível e retornavam a resposta esperada.Esse problema anterior não resolveu a questão, mas fez com que o relatório agregado posterior parecesse menos isolado.## Discussões no Reddit e no Hacker News Aumentam a PressãoA conversa também foi além do GitHub. Capturas de tela no artigo original mostram desenvolvedores discutindo se uma parte das solicitações Codex de alto risco poderia estar sendo degradada silenciosamente devido ao truncamento do raciocínio.Um comentário mostrado no artigo argumentava que alguns problemas de raciocínio precisam de 6.000 a 8.000 tokens de pensamento antes que a resposta correta apareça. Se um modelo parar por volta de 516 tokens nesses casos, ele pode produzir uma resposta cedo demais.Outra captura de tela mostrava usuários comparando Codex e Claude, com alguns dizendo que trocam de ferramenta dependendo de qual parece menos problemática em uma determinada semana.## O que os desenvolvedores querem que a OpenAI esclareçaO pedido central da comunidade não é complicado. Os desenvolvedores querem que a OpenAI ou a equipe do Codex esclareça o que está acontecendo em torno de 516, 1034 e 1552.As questões em aberto incluem:1. Isso é causado por um orçamento de raciocínio?
6. É um problema de roteamento?
7. É um comportamento de truncamento ou de streaming?
8. É um caminho de fallback?
9. Um agendador ou sistema de backend está criando limites fixos de parada?
10. O 516 exato é um ponto normal de parada, um nível degradado ou um limite interno?A issue original no GitHub toma cuidado para não afirmar que prova um truncamento oculto da cadeia de pensamento. A afirmação mais forte é simplesmente que o agrupamento parece suficientemente específico do modelo e parecido com um limiar para merecer investigação.## Não é só menos confiável: usuários também reclamam da personalidadeA segunda metade do artigo original muda o foco do desempenho para a personalidade.Um desenvolvedor chamado Angel comparou o ChatGPT usando o GPT-5.5 Instant com o Claude Fable 5 por meio de capturas de tela lado a lado. A reclamação não era sobre o modelo conseguir ou não responder. Era sobre como o assistente se comportava.O artigo destaca três frustrações recorrentes.## Problema 1: Tudo vira uma lista com marcadoresA primeira reclamação é que o ChatGPT tende a formatar demais até respostas conversacionais simples.Quando lhe pediram para ser mais natural e menos “parecido com IA”, o ChatGPT teria respondido com uma explicação estruturada de como seria natural. O Claude, em contraste, deu umresposta muito mais curta e mais casual.![A imagem mostra uma interface de conversa. No topo, o usuário escreve “please be natural, i don't like AI-ish responses”, e abaixo o ChatGPT responde: “Got it

• I'll keep things natural and conversational. What's up?”. Na parte inferior da interface, há ícones de arquivo, reprodução, curtir, não curtir e atualizar, além de um ícone laranja em forma de estrela. A imagem está relacionada à seção “Problem 1: Everything Becomes a Bullet List” do documento e serve para ilustrar como o ChatGPT responde quando lhe pedem para ser mais natural, destacando problemas de formatação.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/6de5dfcb-bab7-43a4-96b3-3e462d2428a4-15-02681313-0e89-4c98-9c40-1b78cc88c8d4.png)O problema não é que listas com marcadores sejam sempre ruins. Elas são úteis em explicações técnicas. O problema é que um assistente de conversa pode parecer engessado quando transforma todo pedido pequeno em títulos, texto em negrito, listas e sugestões de acompanhamento.## Problema 2: Ele sempre quer corrigir alguma coisaA segunda reclamação é sobre edição excessiva.Quando recebe um pedido para verificar uma frase ou um tuíte, o ChatGPT muitas vezes tenta melhorá-lo, reescrevê-lo ou oferecer alternativas, mesmo quando o usuário talvez queira apenas um simples “isso está bom”.

O artigo original contrasta isso com um comportamento mais ao estilo do Claude, em que o assistente com mais frequência diz que o texto está aceitável como está quando não há necessidade real de correção.Para usuários que escrevem de forma casual, isso pode gerar atrito. Um modelo que sempre “corrige” o usuário pode parecer menos um ajudante e mais um editor rígido.## Problema 3: Você pede uma, ele entrega trêsA terceira reclamação é que o ChatGPT frequentemente dá mais do que foi pedido.No exemplo do artigo, um usuário pede uma piada. O ChatGPT dá uma piada, acrescenta outra, acrescenta uma terceira e depois pergunta qual é o estilo de humor preferido do usuário. O Claude dá uma resposta mais curta.![A imagem mostra a interface de conversa entre o ChatGPT e um usuário sobre o fornecimento de piadas. O usuário pergunta “can you try to cheer me up with a joke”, e o ChatGPT responde “Sure, here's one for you: Why don't scientists trust atoms? Because they make up everything. If that one didn't land, I've got plenty more where it came from

• puns, dad jokes, you name it.”, acompanhada de quatro ícones de interação. A imagem está relacionada à seção “Problem 3: You Ask for One, It Gives Three” do documento e ilustra de forma clara que, quando o usuário pede uma piada, o ChatGPT não apenas fornece uma, mas acrescenta mais duas e ainda pergunta qual estilo de humor o usuário prefere, evidenciando o problema de excesso de resposta na conversa.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/04b98953-0b9e-44c7-ade2-75d859b85c8d-19-64cbb94b-6984-43eb-891d-1336a4ea80b2.png)Este é um problema sutil de produto. Mais saída pode parecer útil em um benchmark, mas em uma conversa pode dar a sensação de que o assistente não está ouvindo.## Por que isso importa para assistentes de IAPara um agente de programação, confiabilidade é importante. Se um modelo para cedo demais, segue um caminho de raciocínio mais curto ou cai em um limite fixo de tokens em tarefas difíceis, os desenvolvedores precisam saber disso. Eles dependem dessas ferramentas para depuração, revisão de código, decisões de arquitetura e mudanças em produção.Para um assistente de chat, a personalidade também importa. Se toda resposta for excessivamente formatada, excessivamente corretiva ou excessivamente carregada de opções, a experiência do usuário se torna mais pesada com o tempo.O argumento mais amplo do artigo é que ambos os problemas apontam para o mesmo risco de produto: um assistente pode se tornar bom em “entregar uma resposta” enquanto piora em realmente ajudar o usuário naquele momento.## FAQ### O que é o problema dos 516 reasoning tokens no GPT-5.5?Refere-se a relatos de desenvolvedores de que algumas respostas do GPT-5.5 Codex parecem se agrupar exatamente em reasoning_output_tokens = 516. A principal referência pública é a issue #30364 no repositório openai/codex no GitHub. A issue afirma que esse padrão é muito mais forte no GPT-5.5 do que em vários outros modelos.### Isso prova que a OpenAI está truncando secretamente o raciocínio do GPT-5.5?Não. A própria issue no GitHub diz que isso não prova um truncamento oculto da cadeia de pensamento. A conclusão mais segura é que os dados relatados mostram um padrão incomum de agrupamento em um número fixo de tokens, que pode ser compatível com um comportamento de orçamento de raciocínio com limiar.### Por que o número 516 é importante?O número importa porque pontos de parada exatamente repetidos podem parecer menos naturais do que uma distribuição normal dos comprimentos de raciocínio. No conjunto de dados relatado, 516, 1034 e 1552 apareceram como picos em limites fixos. Os desenvolvedores estão perguntando se isso é causado por um orçamento, comportamento de roteamento, caminho de fallback ou outro mecanismo de backend.### Para que o OpenAI Codex é usado?O OpenAI Codex é um agente de programação para desenvolvimento de software. De acordo com a documentação para desenvolvedores da OpenAI, o Codex pode ajudar a ler bases de código, editar arquivos, corrigir bugs, revisar código e trabalhar em tarefas de software em ambientes locais ou na nuvem.### O problema dos 516 é específico do Codex?A discussão pública se concentra principalmente no Codex e nos metadados do Codex Desktop. As afirmações mais fortes do artigo estão vinculadas aos dados de token_count do Codex e às issues do GitHub no repositório openai/codex. Isso não deve ser generalizado para todo uso do ChatGPT ou da API da OpenAI.caso sem evidências separadas.### Por que o artigo compara o ChatGPT com o Claude?O artigo usa a comparação para discutir a “personalidade” do assistente, não apenas o desempenho bruto de raciocínio. As capturas de tela mostram reclamações de que o ChatGPT pode ser excessivamente estruturado, corretivo demais e excessivamente inclinado a fornecer várias opções, enquanto as respostas no estilo Claude às vezes são mais curtas e mais conversacionais.### O que os desenvolvedores devem fazer se observarem um comportamento semelhante no Codex?Os desenvolvedores devem salvar exemplos reproduzíveis, metadados, registros de data e hora, configurações do modelo e prompts de tarefa sempre que possível. Um relatório claro com contagens de tokens, comportamento esperado, comportamento real e etapas de reprodução é mais útil do que uma reclamação vaga.## Ferramentas relacionadas- OpenAI Codex: o agente de programação da OpenAI para ler, editar, depurar e revisar código.
• Codex CLI: uma versão local de terminal do Codex para trabalhar com código diretamente na sua máquina.
• Codex Web: o ambiente em nuvem do Codex da OpenAI para delegar tarefas de programação em segundo plano.
• GitHub Issues: o sistema integrado do GitHub para rastrear bugs, feedback, tarefas e discussões técnicas.
• Instruções Personalizadas do ChatGPT: o recurso oficial da OpenAI para orientar o estilo e o comportamento do ChatGPT.
• Claude: o assistente de IA da Anthropic, mencionado na comparação de personalidade do artigo.
• Claude Code: o agente de programação da Anthropic para trabalhar com bases de código, arquivos, comandos e ferramentas de desenvolvimento.## Links relacionados- Artigo original do BAAI Hub: o artigo republicado em chinês no qual esta versão em inglês se baseia.
• GitHub Issue #30364: a principal issue pública relatando o agrupamento dos tokens de raciocínio do GPT-5.5 em torno de 516, 1034 e 1552.
• GitHub Issue #29353: um relatório de reprodução relacionado envolvendo gpt-5.5, raciocínio xhigh e exatamente 516 tokens de raciocínio.
• Documentação para desenvolvedores do OpenAI Codex: documentação oficial da OpenAI para o Codex.
• Documentação do OpenAI Codex CLI: documentação oficial para executar o Codex localmente a partir do terminal.
• Documentação do OpenAI Codex Web: documentação oficial para usar o Codex na nuvem.
• Documentação do GitHub: Sobre Issues: documentação oficial do GitHub explicando como as issues são usadas para rastrear bugs e discussões.
• Ajuda das Instruções Personalizadas do OpenAI ChatGPT: orientações oficiais para personalizar as respostas do ChatGPT.## ResumoEste artigo explica a anomalia dos 516 tokens de raciocínio no GPT-5.5 Codex relatada por desenvolvedores, incluindo a principal issue do GitHubo problema, os dados agregados relatados e a preocupação de que algumas tarefas complexas possam estar terminando cedo demais.Também aborda uma segunda reclamação sobre a experiência do usuário: a tendência do ChatGPT a formatar demais, corrigir demais e responder demais a solicitações simples. Essa parte da discussão é mais subjetiva, mas importa porque a personalidade do assistente afeta diretamente a experiência cotidiana com o produto.O ponto importante não é tratar o padrão 516 como uma truncagem oculta comprovada. As evidências públicas são mais bem compreendidas como uma anomalia de comportamento do modelo que merece investigação.Para os desenvolvedores, a conclusão prática é simples: quando um agente de IA para programação parecer subitamente pior, coletem metadados, comparem execuções e relatem padrões reproduzíveis em vez de depender apenas de impressões.