2026-10-09 校核：openai/codex #30364 是提交者对其采样 token_count 记录的分析，不是 OpenAI 确认的模型降级或 scheduler 根因。516/1034/1552 聚类不能单独证明截断、质量因果或“512-token 批处理”；标题的因果表述按用户问题报告理解。切换提供商与本地推理仍需分别评估质量和成本。
GPT-5.5 Codex reasoning-token clustering导致性能退化
GPT-5.5 Codex 模型的 reasoning_output_tokens 出现聚类现象：大量响应集中在 516/1034/1552 等固定 token 阈值。
核心数据
390,195 条 token 记录分析，864 个 session:
| 指标 | 值 |
|---|---|
| GPT-5.5 exact-516/≥516 ratio | 44.0% |
| Non-GPT-5.5 exact-516/≥516 ratio | 1.3% |
| GPT-5.5 share of exact-516 events | 82.0% |
| GPT-5.5 share of all responses | 19.3% |
月趋势
| 月份 | Exact 516 / ≥516 |
|---|---|
| Feb 2026 | 0.11% |
| Mar 2026 | 2.45% |
| Apr 2026 | 4.25% |
| May 2026 | 53.30% |
| Jun 2026 | 35.84% |
影响
用户在复杂任务上报告质量急剧下降，“short circuit” 现象导致输出错误答案。部分用户已切换到 Claude。提交者提出 routing、budget 或 scheduler 等解释，请求官方调查；原帖没有证实内部实现。
对 Hermes Agent 的意义
- 多提供商 fallback 机制的价值——当检测到 Codex 质量退化时自动切换到其他模型
- 本地推理（llama.cpp）的可预测性是真实优势
- 可考虑添加 token_count 元数据监控来检测模型异常