OpenAI diam-diam telah mengurangi jendela konteks kerja untuk agen pengkodean Codex dan rangkaian model GPT-5.6 yang mendasarinya, memotong batas yang dapat digunakan dari sekitar 372,000 token menjadi 272,000 token. Perubahan tersebut, yang muncul melalui permintaan penarikan gabungan pada repositori Codex sumber terbuka perusahaan, telah menarik reaksi tajam dari pengembang yang mengandalkan konteks besar untuk menganalisis seluruh basis kode dalam satu kali proses.
Penyesuaian ini mencerminkan ketegangan yang lazim terjadi dalam industri AI, di mana perusahaan menyeimbangkan biaya inferensi konteks panjang dengan kenyamanan yang ditawarkan kepada pengguna. Untuk [cakupan industri AI] terbaru(https://aibuzzwire.news), langkah ini menggarisbawahi bagaimana perubahan kecil pada metadata model dapat berdampak pada jutaan alur kerja developer.
Apa yang berubah dan di mana ia terlihat
Pengurangan ini terlihat dalam file metadata model bundel repositori Codex, `codex-rs/models-manager/models.json`. Permintaan penarikan berjudul "Backport refreshed bundled model metadata to 0.144," dibuat oleh insinyur OpenAI sayan-oai dan digabungkan pada 18 Juli 2026, menyegarkan metadata yang digunakan klien Codex stabil untuk memahami kemampuan setiap model.
File saat ini menunjukkan nilai `context_window` sebanyak 272.000 token di seluruh jajaran GPT-5.6, termasuk varian GPT-5.6-Sol, GPT-5.6-Terra, dan GPT-5.6-Luna, serta entri GPT-5.5 dan GPT-5.2 yang lebih lama. Menurut diskusi di Hacker News, di mana perubahan tersebut menghasilkan lebih dari 350 suara positif, batas kerja sebelumnya mencapai sekitar 372,000 token. Beberapa model mempertahankan `max_context_window` yang lebih tinggi hingga satu juta token, namun jendela default yang sebenarnya diminta klien kini dibatasi hingga 272.000.
Perbedaan itu penting. Jendela konteks maksimum mewakili apa yang secara teoritis dapat diterima oleh model, sedangkan `context_window` yang berfungsi adalah apa yang dikonfigurasi oleh klien Codex untuk dikirim secara default. Dalam praktiknya, hal ini berarti pengembang yang sebelumnya memberi agen ratusan ribu token kode sumber kini akan mencapai puncaknya lebih cepat.
Mengapa panjang konteks penting bagi agen pengkodean
Untuk agen pengkodean seperti Codex, jendela konteks bukanlah metrik yang bagus. Ini menentukan seberapa banyak repositori yang dapat "dilihat" oleh model sekaligus ketika mempertimbangkan bug, membuat fitur, atau memfaktorkan ulang modul. Penurunan 100.000 token berarti berkurangnya 75.000 kata kode, komentar, dan dokumentasi yang dimuat ke dalam satu prompt.
Dalam dunia nyata, hal tersebut dapat menjadi perbedaan antara agen yang memahami keseluruhan layanan mikro secara menyeluruh dan perlu beroperasi dengan tampilan parsial dan terpotong. Pengembang yang mengerjakan monorepo besar atau melakukan migrasi lintas file secara menyeluruh adalah yang paling terkena dampaknya, karena tugas mereka bergantung pada menyimpan banyak file dalam konteks secara bersamaan.
Perubahan ini terjadi ketika alat pengkodean agen bersaing secara agresif dalam menentukan seberapa banyak konteks yang dapat mereka tangani. Para pesaingnya telah memasarkan jendela konteks yang sangat besar sebagai nilai jual utama, dengan membingkai kemampuan untuk menyerap seluruh basis kode sebagai jalan menuju rekayasa perangkat lunak otonom yang sesungguhnya. Kemunduran OpenAI mempersempit kesenjangan tersebut pada tingkat default.
Biaya, kualitas, dan keekonomian dalam konteks panjang
Motivasi yang mungkin adalah biaya. Konteks yang lebih panjang jauh lebih mahal untuk diproses, baik dalam komputasi maupun latensi, karena model harus memperhatikan setiap token yang dimasukkan. Tingkat kegagalan yang tinggi juga cenderung terjadi seiring dengan meluasnya konteks, yang berarti model terkadang melewatkan informasi yang terkubur jauh di dalam prompt yang panjang. Membatasi jendela default dapat mengurangi masalah akurasi ini sekaligus memangkas pengeluaran inferensi.
OpenAI tidak mempublikasikan pengumuman terpisah yang menjelaskan pengurangan tersebut. Perubahan hanya terjadi melalui penyegaran metadata dan backport ke jalur rilis 0.144, yang merupakan cabang yang dikirimkan ke sebagian besar pengguna Codex non-alfa. Peluncuran sederhana ini sendiri patut diperhatikan: keputusan yang secara langsung memengaruhi produktivitas pengembang dikomunikasikan melalui perbedaan kode, bukan melalui postingan blog atau log perubahan.
Bagi tim, implikasi praktisnya sangatlah jelas. Tugas yang sebelumnya masuk dalam satu konteks sekarang mungkin memerlukan pemisahan pekerjaan menjadi bagian-bagian yang lebih kecil, mengambil file yang relevan secara lebih selektif, atau menerima bahwa agen memiliki bidang pandang yang lebih sempit. Beberapa pengembang mungkin mengatasi batas tersebut dengan mengandalkan `max_context_window` yang lebih tinggi jika tersedia, meskipun hal ini biasanya memerlukan konfigurasi eksplisit.
Pola penyesuaian senyap yang lebih luas
Pemotongan konteks Codex sesuai dengan pola industri yang lebih luas di mana laboratorium AI menyesuaikan parameter model mereka di antara peluncuran judul. Ukuran jendela, batas kecepatan, dan perilaku default sering kali disesuaikan melalui pembaruan infrastruktur yang tidak pernah mencapai siaran pers. Pengembang yang bergantung pada sistem ini semakin memperhatikan repositori yang mendasarinya dan respons API untuk mencari sinyal awal.
Langkah OpenAI juga menyoroti kesenjangan antara pemasaran dan kenyataan. Sebuah model mungkin mendukung panjang konteks judul, namun jendela efektif yang dipaparkan produk bisa jauh lebih kecil, ditentukan oleh keputusan biaya yang dibuat oleh penyedia atas nama pengguna.
Tetap Terdepan dalam AI
Parameter model terus berubah, dan alat yang diandalkan oleh pengembang dapat berubah dalam semalam. Untuk pelaporan tepat waktu mengenai rilis, perubahan kemampuan, dan keekonomian AI frontier, ikuti berita AI terkini di AI Buzz Wire.
Baca berita AI selengkapnya →
