让 AI 多“想”一会儿，不等于一定答得更好；但如果它总在几个固定位置停笔，就值得警惕。一份 Codex issue 汇总了 2 月至 6 月的 390,195 条响应记录，发现 GPT-5.5 的推理 token——模型回答前用于内部计算的 token——异常集中在 516，另在 1034 和 1552 附近出现峰值。
作者称，GPT-5.5 只占全部响应的 19.3%，却占精确 516-token 事件的 82%；与此同时，月均推理 token 从 2 月的 268.1 降至 5 月的 106.9。此前还有个别任务报告称，恰好在 516 停止的运行给出了错误答案。因此作者怀疑，系统可能存在推理预算档位、截断、路由或调度边界，并建议用同一批复杂任务做受控复测。
但这还不能回答“为何越想越差”。token 数只反映计算投入，固定值聚集也可能来自服务配置或统计口径；聚合分析还会掩盖任务难度差异。作者也明确表示，这些数据不能证明内部推理链被截断。目前更准确的结论是：这里出现了一个与 GPT-5.5 高度相关、值得调查的异常信号，而非已确认的性能退化机制。