Codex 推理 token 卡在 516?这类异常更该被当成 Agent 可靠性问题

如果一个编程 Agent 偶尔答错题,我不会太紧张;如果它总是在某几个固定的 reasoning token 数上“刹车”,那就不是普通失误了。 这两天 Hacker News 上有个很适合做工程复盘的讨论:GPT-5.5 Codex reasoning-token clustering may be leading to degraded performance。原帖指向 OpenAI Codex 仓库里的一个 issue:报告者分析了 Codex token_count 元数据,发现 GPT-5.5 的 reasoning_output_tokens 异常集中在 516,另外还有 1034、1552 这类固定边界;同时,复杂任务上的表现似乎变差。这个 issue 目前仍是 open 状态,不能把它当成 OpenAI 已确认的根因结论。但它暴露的问题非常真实:当 AI 编程助手进入生产工作流,模型内部“想了多久、在哪里停下、什么情况下短路”,会变成可靠性指标,而不是研究员才关心的细节。 我更愿意把它看成一个 Agent 可观测性案例,而不是“GPT-5.5 又翻车了”的新闻。 516 这个数字为什么值得警惕 先把事实边界说清楚。 在 OpenAI Codex issue #30364 中,报告者声称自己分析了 2026 年 2 月到 6 月的 Codex token 元数据,共 390,195 条 response-level token records、865 个 sessions。其中最刺眼的数据是:GPT-5.5 只占全部响应的 19.3%,却占了精确 reasoning_output_tokens = 516 事件的 82.0%;在 GPT-5.5 中,达到 516 及以上 reasoning token 的响应里,有 44.0% 精确停在 516。非 GPT-5.5 的对应比例只有 1.3%。 ...

July 6, 2026 · 3 min · Hypho

AI 生成代码该不该进开源仓库?Godot 争议背后的工程审查问题

AI 写的代码,到底能不能进开源仓库? 如果只把它当成一个道德问题,答案会很无聊:有人说 AI 是工具,不该歧视;有人说 AI 生成内容不可信,应该一刀切。可我更关心的是另一个更工程化的问题:当维护者看不出贡献者是否真正理解这段代码时,代码审查还成立吗? 这几天 Hacker News 上一条关于 Godot 的讨论冲到了几百 points:Godot will no longer accept AI-authored code contributions。原始报道来自 PC Gamer,标题里那句很刺耳:“We can’t trust heavy users of AI to understand their code enough to fix it”。 我不想把这篇写成“Godot 禁止 AI”的新闻复述。真正值得拆的是:Godot 这类大型开源项目为什么会把 AI 贡献视为维护风险,以及这个判断对企业内部使用 Claude Code、Copilot、Cursor、Codex 这类工具有什么启发。 Godot 真正担心的不是“用了 AI”,而是责任链断掉 先看事实。 Godot 主仓库当前的 PR 模板里已经写明:Use of AI must be disclosed and should include a description of how it was used。也就是说,它至少要求贡献者披露 AI 使用方式。与此同时,一个仍在讨论中的 PR 试图把模板改得更明确:新增 Author disclosure 小节,要求如果 PR 中有不是作者自己写的部分,或者使用了 AI,就具体说明 AI 被用于哪里。这个 PR 的动机写得很直白:过去一个月里,明显由 AI 生成的 PR 里,至少一半没有披露;审查者不得不花时间调查 PR 和作者来判断 AI 使用情况,浪费维护者精力。见 godotengine/godot#119894。 ...

July 3, 2026 · 2 min · Hypho

AI 编程成本怎么管?Budi 给了一个 local-first 的工程答案

你有没有发现一个很尴尬的现象:团队开始认真用 AI 写代码以后,最先失控的往往不是代码质量,而是账单。Claude Code、Cursor、Codex CLI、Copilot Chat 各跑各的,每个人都觉得自己只是“顺手问了一下”,月底看费用才发现它已经变成了一项真实的研发成本。更麻烦的是,你很难回答几个最朴素的问题:钱花在哪个 repo?哪个分支?哪个 ticket?哪类任务最烧 token?一次看起来普通的重构,为什么会突然吃掉几十美元? HN 上这两天出现了一个小项目 Budi,标题很直白:local-first AI coding cost tracker。它的 GitHub README 说得更具体:Budi 用来追踪 Claude Code、Cursor、Codex CLI、Copilot CLI 和 Copilot Chat 的 token 与成本,并按 repo、branch、ticket、file 做归因,默认数据都留在本机;可选的云同步只上传聚合后的日报指标,不上传 prompt、代码和回复。项目还很年轻,GitHub stars 只有十几个,但最近提交就在 2026 年 5 月,README、Homebrew tap、Cursor/VS Code 扩展和文档都已经成体系。所以我不会把它包装成“成熟企业级平台”,但它抓住了一个真实问题:AI 编程正在从个人效率工具,变成需要治理的工程基础设施。 这件事比“又一个成本看板”重要。 过去我们管云成本,有 FinOps;管服务质量,有 APM;管模型调用,有 LLM gateway 和 tracing。可 AI coding agent 的调用链很奇怪:它发生在开发者本地,混在编辑器、CLI、终端和 IDE 插件里,很多时候并不经过公司统一网关。你当然可以强推所有请求走代理,但这会碰到权限、延迟、离线开发、个人账号和隐私边界等一堆问题。Budi 的路线反过来:不拦在网络路径上,而是读本地已经存在的 transcript / JSONL / SQLite / session-state,再从这些记录里还原 token、模型、时间、项目上下文和成本。 用人话说,它不是收费站,更像电表。 Budi 官网把这个卖点写得很清楚:安装后本机跑一个小 daemon,tail AI 工具已经写到磁盘的 transcript;编辑器里显示状态栏;CLI 用来做 repo、branch、ticket 级别的归因;“Nothing in your network path”。这句话其实是架构取舍的核心。走网络代理的好处是数据完整、控制力强,可以做限流、审计、脱敏和统一 key 管理;坏处是部署重、侵入强,还可能成为单点故障。走本地日志解析的好处是轻、隐私边界清晰、不中断开发者原有工作流;坏处也明显:不同工具日志格式会变,成本估算依赖 pricing manifest,某些 provider 的真实账单可能需要后续 API reconciliation。 ...

May 11, 2026 · 2 min · Hypho