【你的 codex 为什么降智？】gpt-6-astra 长推理请求思维链被截断的占比超过 50%

Hao-linuxdo · 2026-09-18T10:16:00+08:00

TL;DR先说结论，统计最近十几天的历史请求数据可以发现，gpt-6-astra 在长推理请求（reasoning tokens >= 516）中超过 50% 的请求思维链长度被截断到了 518k-2（主要是 516）的位置。作为对比，gpt-5.6-sol 占比不超过 10%.这就可以解释为什么总有佬友观察到 gpt-6-astra 表现差（降智），前言不搭后语。这些异常表现都是思维链被截断的 debuff 效果。用人话说，当你的请求足够复杂，需要长推理的时候，有 50% 以上的概率达不到预期效果，甚至可能因为残缺的思维链带来负面效果。[1] 思维链截断是从 gpt-5.5 时期就存在的一个问题，具体可以参考这个 issue完整对比下图对比 gpt-6-astra 和 gpt-5.6-sol 在推理 tokens 不为 0 的情况下 516 的占比情况，结论是 gpt-6-astra 的推理截断情况要比 gpt-5.6-sol 要严重的多。并且 gpt-6-astra 在 reasoning effort 等级高的时候 516 占比会明显增加。如果把上述统计的分母换成 reasoning token>=516 就会发现，gpt-6-astra 在需要长推理链条的请求上，推理被截断的比例接近 40%，小一半了。如果把 1034 截断也算上的话，事情就变得更加糟糕了。- 脚注 ↩︎

Hao-linuxdo2026-09-18
4914
TL;DR
先说结论，统计最近十几天的历史请求数据可以发现，gpt-6-astra 在长推理请求（reasoning tokens >= 516）中超过 50% 的请求思维链长度被截断到了 518k-2（主要是 516）的位置。作为对比，gpt-5.6-sol 占比不超过 10%.
这就可以解释为什么总有佬友观察到 gpt-6-astra 表现差（降智），前言不搭后语。
这些异常表现都是思维链被截断的 debuff 效果。
用人话说，当你的请求足够复杂，需要长推理的时候，有 50% 以上的概率达不到预期效果，甚至可能因为残缺的思维链带来负面效果。
[1] 思维链截断是从 gpt-5.5 时期就存在的一个问题，具体可以参考这个 issue
完整对比
下图对比 gpt-6-astra 和 gpt-5.6-sol 在推理 tokens 不为 0 的情况下 516 的占比情况，结论是 gpt-6-astra 的推理截断情况要比 gpt-5.6-sol 要严重的多。并且 gpt-6-astra 在 reasoning effort 等级高的时候 516 占比会明显增加。
如果把上述统计的分母换成 reasoning token>=516 就会发现，gpt-6-astra 在需要长推理链条的请求上，推理被截断的比例接近 40%，小一半了。
如果把 1034 截断也算上的话，事情就变得更加糟糕了。
- 脚注 ↩︎
主楼
FFFFFFFFFir2026-09-18
18888
佬请问这个怎么监测，我看看我这边的
#1
jv-kssma2026-09-18
9441
啊？5.5 那套又來了嗎？截斷降智大法
#2
Hao-linuxdo2026-09-18
4914
如果你用 cpa 并且安装 keeper、cpamp 之类的，可以直接导出历史请求事件进行分析。
sub2api、new-api、cc-switch 以及其他类似工具应该也能导出记录。
如果你是本地直接登录账号使用的话，可以直接让 agent 帮你分析 ~/.codex 里面的日志。
#3
Hao-linuxdo2026-09-18
4914
gpt-6-astra 刚出来的就伴随着严重的 516 截断问题，可以看下面的按日统计，9月5日是 gpt-6-astra 开发给普通用户的第一天。
#4
jv-kssma2026-09-18
9441
那是不是可以開啟之前5.5 年代的修補功能看看有沒有用，不過到時就算有用，按Astra本身的價格，應該會貴不少
#5
shinokiri-linuxdo2026-09-18
35206
我也是这个比例：
OpenAI 可能部署了类似这个 CGR 的动态推理预算机制：在每个 Δtoken 处强制生成一个简短答案，答案中最不确定 token 的生成置信度不足阈值就继续推理，否则提前停止。
arXiv.org
Certainty-Guided Reasoning in Large Language Models: A Dynamic Thinking...
Large reasoning language models are typically run with fixed inference budgets, which can waste computation or terminate reasoning prematurely. We introduce Certainty-Guided Reasoning (CGR), a model-agnostic adaptive inference procedure that...
类似做法还有这个 LearnStop：
arXiv.org
When Does Learning to Stop Help? A Cost-Aware Study of Early Exits in...
Reasoning models spend test-time compute unevenly across instances, and a growing family of early-exit rules -- confidence thresholds, entropy monitors, answer-stability checks, and learned stoppers -- promises to reclaim the waste. These rules,...
#6

发表回复

登录后回复