推理 token 精準卡在 516：社群數據質疑 GPT-5.5 被悄悄「限額思考」

GitHub 上編號 30364 的 issue 提出一份罕見的大樣本體檢：作者分析 2 月到 6 月共 390,195 筆回應層級的 token 紀錄、865 個 session，發現 GPT-5.5 的 reasoning_output_tokens 不成比例地精準落在 516，另外在 1034 與 1552 也有固定尖峰——三個數字呈等距排列，看起來像是某種以 516 為單位的門檻。

數據的對比相當刺眼：GPT-5.5 只占全部回應的 19.3%，卻包辦了 82% 的「恰好 516」事件；在推理 token 大於等於 516 的回應裡，GPT-5.5 恰好等於 516 的比率是 44%，其他模型只有 1.3%。時間軸更有戲——二月時占比僅 0.11%，五月飆到 53.3%，同期間平均推理 token 數持續下滑。另一條相關 issue 則回報過任務層級的重現：恰好停在 516 的回合，最終答案是錯的。

作者措辭謹慎，強調沒有證據證明隱藏思維鏈被截斷，只主張遙測呈現「疑似推理預算門檻化」的異常聚集。Hacker News 上 352 分的討論則沒那麼客氣，不少人把它跟近幾個月「Codex 處理複雜任務變笨」的體感連在一起，要求 OpenAI 給個說法。

本站第 26 期才報導過英國 AISI 的研究：token 給太少會系統性低估 agent 能力。如果供應商在尖峰時段悄悄壓低推理預算，用戶等於付一樣的錢拿到降規的思考——透明度問題比效能問題更傷信任。