OpenAI har tyst minskat arbetskontextfönstret för sin Codex-kodningsagent och den underliggande GPT-5.6-modellfamiljen, och minskat den användbara gränsen från ungefär 372 000 tokens till 272 000 tokens. Förändringen, som dök upp genom en sammanslagen pull-begäran på företagets Codex-förråd med öppen källkod, har väckt skarpa reaktioner från utvecklare som förlitar sig på stora sammanhang för att analysera hela kodbaser i ett enda pass.
Justeringen återspeglar en välbekant spänning i AI-branschen, där företag balanserar kostnaden för långa kontexter mot den bekvämlighet som det erbjuder användarna. För den senaste AI-branschens täckning, understryker flytten hur även små förändringar av modellmetadata kan sprida sig över miljontals utvecklararbetsflöden.
Vad förändrades och var det sågs
Minskningen blev synlig i Codex-förvarets medföljande modellmetadatafil, `codex-rs/models-manager/models.json`. En pull-begäran med titeln "Backport refreshed bundled model metadata to 0.144", författad av OpenAI-ingenjören sayan-oai och slogs samman den 18 juli 2026, uppdaterade metadata som stabila Codex-klienter använder för att förstå varje modells kapacitet.
Den aktuella filen visar ett `context_window`-värde på 272 000 tokens i GPT-5.6-serien, inklusive GPT-5.6-Sol, GPT-5.6-Terra och GPT-5.6-Luna-varianterna, såväl som äldre GPT-5.5 och GPT-5.2-poster. Enligt diskussionen på Hacker News, där förändringen drog mer än 350 röster upp, var den tidigare arbetsgränsen cirka 372 000 tokens. Vissa modeller behåller ett högre `max_context_window` på upp till en miljon tokens, men standardfönstret som klienter faktiskt begär är nu max 272 000.
Den skillnaden spelar roll. Det maximala kontextfönstret representerar vad modellen teoretiskt skulle kunna acceptera, medan det fungerande `context_window` är vad Codex-klienten är konfigurerad att skicka som standard. I praktiken betyder det att utvecklare som tidigare matade agenten hundratusentals tokens av källkod nu kommer att nå taket tidigare.
Varför sammanhangslängd är viktig för kodningsagenter
För en kodningsagent som Codex är sammanhangsfönstret inte ett fåfängamått. Det bestämmer hur mycket av ett arkiv som modellen kan "se" på en gång när den resonerar om en bugg, genererar en funktion eller omfaktorerar en modul. En minskning av 100 000 token betyder ungefär 75 000 färre ord med kod, kommentarer och dokumentation som laddas in i en enda prompt.
I verkliga termer kan det vara skillnaden mellan att en agent förstår en hel mikrotjänst från början till slut och att behöva arbeta med en partiell, trunkerad vy. Utvecklare som arbetar på stora monorepos eller utför svepande filmigreringar är de mest drabbade, eftersom deras uppgifter är beroende av att hålla många filer i sitt sammanhang samtidigt.
Förändringen kommer när agentiska kodningsverktyg tävlar aggressivt om hur mycket sammanhang de kan hantera. Konkurrenter har marknadsfört enorma sammanhangsfönster som ett nyckelförsäljningsargument, som inramat förmågan att inta hela kodbaser som vägen mot äkta autonom mjukvaruutveckling. OpenAI:s tillbakadragande minskar det gapet på standardnivån.
Kostnad, kvalitet och ekonomin i långa sammanhang
Den troliga motivationen är kostnaden. Längre sammanhang är dramatiskt dyrare att bearbeta, både i beräkning och latens, eftersom modellen måste ta hand om varje token i inmatningen. Höga "nål i en höstack" misslyckanden tenderar också att smyga sig in när sammanhangen sträcker sig, vilket innebär att modeller ibland missar information som är begravd djupt i en lång prompt. Att begränsa standardfönstret kan minska dessa noggrannhetsproblem samtidigt som slutsatserna minskas.
OpenAI har inte publicerat ett separat tillkännagivande som förklarar minskningen. Ändringen gick endast genom metadatauppdateringen och backporten till 0.144-releaselinjen, som är grenen som skickas till de flesta icke-alfa Codex-användare. Denna lågprofilutrullning är i sig anmärkningsvärd: ett beslut som direkt påverkar utvecklarens produktivitet kommunicerades via en koddiff snarare än ett blogginlägg eller ändringslogg.
För team är den praktiska innebörden enkel. Uppgifter som tidigare passade inom ett enda sammanhangspass kan nu kräva att arbetet delas upp i mindre bitar, hämta relevanta filer mer selektivt eller acceptera att agenten har ett smalare synfält. Vissa utvecklare kan gå runt gränsen genom att förlita sig på det högre `max_context_window` där det är tillgängligt, även om det vanligtvis kräver explicit konfiguration.
Ett bredare mönster av tysta justeringar
Codex-kontextsnittet passar ett bredare branschmönster där AI-labb justerar parametrarna för sina modeller mellan rubriklanseringar. Fönsterstorlekar, hastighetsgränser och standardbeteenden justeras ofta genom infrastrukturuppdateringar som aldrig når ett pressmeddelande. Utvecklare som är beroende av dessa system tittar allt oftare på de underliggande arkiven och API-svaren för tidiga signaler.
OpenAI:s drag lyfter också fram klyftan mellan marknadsföring och verklighet. En modell kan stödja en rubrikkontextlängd, men det effektiva fönstret som produkter faktiskt exponerar kan vara avsevärt mindre, format av kostnadsbeslut som leverantörer fattar för användarnas räkning.
Ligg före AI
Modellparametrar ändras hela tiden, och de verktyg som utvecklarna är beroende av kan ändras över en natt. För aktuell rapportering om utgåvor, kapacitetsförändringar och ekonomin för frontier AI, följ de brytande AI-nyheterna på AI Buzz Wire.
Läs mer AI-nyheter →
