OpenAI 悄悄地减少了其 Codex 编码代理和底层 GPT-5.6 模型系列的工作上下文窗口，将可用限制从大约 372,000 个令牌减少到 272,000 个令牌。这一变化是通过公司开源 Codex 存储库上的合并拉取请求而出现的，引起了依赖大型上下文一次性分析整个代码库的开发人员的强烈反应。
这一调整反映了人工智能行业中常见的紧张局势，即公司在长上下文推理的成本与其为用户提供的便利性之间进行权衡。对于最新的人工智能行业报道，此举强调了即使模型元数据发生微小变化也可能影响数百万开发人员工作流程。
发生了什么变化以及在哪里发现的
这种减少在 Codex 存储库的捆绑模型元数据文件“codex-rs/models-manager/models.json”中可见。由 OpenAI 工程师 sayan-oai 撰写并于 2026 年 7 月 18 日合并的题为“将捆绑模型元数据向后移植到 0.144”的拉取请求刷新了稳定 Codex 客户端用于了解每个模型功能的元数据。
当前文件显示 GPT-5.6 系列中的“context_window”值为 272,000 个令牌，包括 GPT-5.6-Sol、GPT-5.6-Terra 和 GPT-5.6-Luna 变体，以及较旧的 GPT-5.5 和 GPT-5.2 条目。根据 Hacker News 的讨论，该更改获得了超过 350 票赞成，之前的工作限制约为 372,000 个代币。某些模型保留了高达 100 万个令牌的更高“max_context_window”，但客户端实际请求的默认窗口现在上限为 272,000 个。
这种区别很重要。最大上下文窗口代表模型理论上可以接受的内容，而工作的“context_window”是 Codex 客户端默认配置发送的内容。实际上，这意味着之前向代理提供数十万代源代码的开发人员现在将更快达到上限。
为什么上下文长度对于编码代理很重要
对于像 Codex 这样的编码代理，上下文窗口不是一个虚荣指标。它决定了在推理错误、生成功能或重构模块时模型可以立即“看到”存储库的多少内容。减少 100,000 个令牌意味着单个提示中加载的代码、注释和文档大约减少 75,000 个单词。
在现实世界中，这可能是代理端到端理解整个微服务与需要使用部分、截断的视图进行操作之间的区别。从事大型单一存储库或执行全面跨文件迁移的开发人员受影响最大，因为他们的任务依赖于同时在上下文中保存许多文件。
随着代理编码工具在能够处理的上下文数量方面展开激烈竞争，这一变化随之而来。竞争对手将巨大的上下文窗口作为一个关键卖点，将摄取整个代码库的能力视为实现真正自主软件工程的道路。 OpenAI 的回调将这一差距缩小到了默认水平。
成本、质量和长期背景的经济学
可能的动机是成本。较长的上下文在计算和延迟方面的处理成本要高得多，因为模型必须关注输入中的每个标记。随着上下文的延伸，“大海捞针”的高失败率也往往会逐渐增加，这意味着模型有时会错过埋藏在长提示中的信息。限制默认窗口可以减少这些准确性问题，同时减少推理支出。
OpenAI 没有发布单独的公告来解释此次削减。该更改仅通过元数据刷新和向后移植到 0.144 发行版（这是交付给大多数非 alpha Codex 用户的分支）进行。这种低调的推出本身就值得注意：直接影响开发人员生产力的决定是通过代码差异而不是博客文章或变更日志来传达的。
对于团队来说，实际意义很简单。以前适合单个上下文传递的任务现在可能需要将工作分成更小的块，更有选择性地检索相关文件，或者接受代理具有更窄的视野。一些开发人员可能会通过依赖可用的更高的“max_context_window”来绕过限制，尽管这样做通常需要显式配置。
更广泛的悄然调整模式
Codex 上下文切合了更广泛的行业模式，其中人工智能实验室在头条新闻发布之间调整其模型的参数。窗口大小、速率限制和默认行为经常通过基础设施更新进行调整，而这些更新从未发布到新闻稿中。依赖这些系统的开发人员越来越多地关注底层存储库和 API 响应以获取早期信号。
OpenAI的举动也凸显了营销与现实之间的差距。模型可能支持标题上下文长度，但产品实际公开的有效窗口可能要小得多，这是由提供商代表用户做出的成本决策决定的。
保持人工智能领先地位
模型参数不断变化，开发人员所依赖的工具可能会在一夜之间发生变化。如需及时报告前沿 AI 的发布、功能变化和经济效益，请关注 AI Buzz Wire 上的 突发 AI 新闻。
阅读更多人工智能新闻 →
