GPT-5.6 Sol ist über Nacht dümmer geworden, das Denkbudget wurde von 960 auf 128 gekürzt. Gibt es kein Modell mit fester Intelligenz mehr?
Im ganzen Netz wird behauptet, dass die Max-Einstellung von GPT-5.6 Sol an Intelligenz eingebüßt hat. OpenAI hingegen bestreitet die Drosselung und spricht lediglich von „einem Experiment“. Bei diesem Experiment wurde ein versteckter Parameter angepasst: Der Wert der Max-Einstellung fiel von 960 auf 120 – für Nutzer unsichtbar.
Nach dem Aufwachen stellte man fest: GPT-5.6 Sol ist plötzlich weniger leistungsfähig!
Ein japanisches Marktforschungs-Team bemerkte kurz nach Arbeitsbeginn, dass Codex Sol Max nicht mehr wie gewohnt funktionierte. Der Teamleiter fasste die Vorkommnisse des Morgens in einem ausführlichen Beitrag zusammen und veröffentlichte ihn im r/codex-Forum auf Reddit.
Um 9 Uhr begann das Team wie üblich mit der Arbeit. Bis 10:40 Uhr hatte jedes Mitglied das gleiche ungewöhnliche Verhalten festgestellt.
Sie hatten Codex Sol Max mit einem selbst entwickelten CLI-Tool verbunden, das für Aufgaben mit hochkomplexen Berechnungen und tiefgreifenden Analysen zuständig war.
Anfangs erfüllte Codex Sol Max die Erwartungen voll: Wenn die Anforderungen auf einem Niveau von 10 lagen, lieferte es stets Ergebnisse mit 12 bis 13 Punkten – es war ein „über alle Erwartungen hinausragendes Werkzeug“, mit dem „jeder vollkommen zufrieden“ war.
Doch an diesem Morgen verschlechterte sich die Leistung plötzlich auf nur noch 8 Punkte.
Die Tiefe der Argumentation war deutlich reduziert.
Zuvor verbrachte Codex Sol Max bei einer Aufgabenstellung mehr als 10 Minuten damit, wiederholt zu testen, zu analysieren und die Tools aufzurufen, bis die Aufgabe fehlerfrei erledigt war.
Diese Fähigkeit war an diesem Morgen „völlig verschwunden“.
Im ganzen Netz wird festgestellt: Es ist „weniger leistungsfähig“ geworden
Die Erfahrung des japanischen Teams ist nur ein Beispiel für die Stimmung in der Codex-Community der letzten Tage.
Die Klagen sind einhellig: Das Modell ist zwar schneller und liefert Antworten zügiger, aber es ist nicht mehr bereit, in die Tiefe zu gehen. Die vorherige Herangehensweise – zuerst zu recherchieren, dann zu handeln und sich dabei selbst zu korrigieren – ist verschwunden.
Ein Satz eines Nutzers auf X fasst das gemeinsame Erlebnis aller zusammen:
Die Analyse-Einstellung für alle wurde um eine Stufe herabgesetzt – wer vorher auf „Extra High“ arbeitete, muss jetzt auf „Max“ umschalten, um die ursprüngliche Leistungsfähigkeit zurückzuerhalten.
Diese Veränderung ist für normale Nutzer kaum nachweisbar.
Man kann nicht sehen, ob die Modellgewichte geändert wurden, oder wie viel Rechenleistung der Server zugewiesen hat.
Das Einzige, was man wahrnimmt, ist: Wie schnell es antwortet, wie lange es nachdenkt, ob es seine Ergebnisse überprüft und ob es andere Agenten zur Unterstützung hinzuzieht.
Das sind alles indirekte Anzeichen – keine davon ist in der Modellspezifikation dokumentiert.
Daher hat ein Mitglied der Community selbst nachgeforscht und einen internen Parameter entdeckt, den OpenAI nie öffentlich gemacht hat: der „Juice-Wert“.
Eine Zahl, die das Unternehmen nie erwähnt hat
OpenAI hat bisher nur die Analyse-Einstellungen öffentlich erläutert.
Als GPT-5.6 am 9. Juli veröffentlicht wurde, hieß es offiziell, dass erstmals die „maximale Analyseintensität“ eingeführt wurde, um Sol ausreichend Zeit für tiefgreifende Analysen zu geben. Darüber hinaus gibt es die „Ultra“-Einstellung, die standardmäßig vier Agenten parallel arbeiten lässt.
In ChatGPT entsprechen diese Werte den Optionen im Modellauswahlmenü: „Medium“, „High“ und „Extra High“ laufen alle auf Sol, während die „Pro“-Einstellung Sol Pro nutzt.
Der „Juice-Wert“ liegt unterhalb dieser Einstellungen: Es ist das interne Budget für die Analyse-Rechenleistung. Nutzer können ihn nicht sehen, und OpenAI hat seine Werte nie veröffentlicht.
Der Community-Nutzer ns123abc hat mit einem versteckten Prompt, der als „Modell-Fingerabdruck“ bezeichnet wird, den Wert aus der Systemkonfiguration ausgelesen: „Juice“.
Zuvor hatte die Community beobachtet, dass die „Max“-Einstellung von Sol dem Wert 960 entsprach. Jetzt zeigte der Bildschirm 120 an – ein Rückgang von fast 87 %.
Fast gleichzeitig tauchten weitere Screenshots auf: Der tatsächlich nutzbare Kontextbereich im Codex-Client war von rund 372.000 auf 272.000 zurückgesetzt worden.
Diese beiden Zahlen lösten in der gesamten Community große Aufmerksamkeit aus.
Tibis Erklärung: Keine Drosselung, wir prüfen die Nutzung
Am selben Abend meldete sich Thibaud Sutter – der bei OpenAI für Codex und ChatGPT Work zuständig ist – zu Wort.
Auf X veröffentlichte er eine Mitteilung, die mit dem Satz begann: „Keine Drosselung, nur gute Nachrichten.“
Anschließend hob er vier Punkte hervor:
Erstens: Die Optimierung der Analyseeffizienz ist abgeschlossen. Die dadurch eingesparte Rechenleistung kommt allen Abonnenten zugute – dadurch steht rund 10 % mehr Kapazität zur Verfügung.
Zweitens: Die Kontextgrenze von Sol wurde von 272.000 (bei GPT-5.5) auf 372.000 angehoben, was zu einer höheren als erwarteten Abrechnung geführt hat. Jetzt wurde sie wieder auf 272.000 zurückgesetzt, und in den nächsten Tagen wird die 372.000-Grenze wieder aktiviert.
Drittens: Um den Ursprung der erhöhten Nutzung zu ermitteln, hat das Team einige Experimente durchgeführt, bei denen die „Analyseintensität“ angepasst wurde – intern als „Juice-Werte“ bezeichnet. Diese Einstellungen sind inzwischen rückgängig gemacht worden.
Viertens: Bei den Einstellungen „High“ und „Extra High“ wurden mehr Agenten aufgerufen als erwartet, und auch die automatische Überprüfung verschwendete Ressourcen – beide Probleme werden behoben.
Zusammengefasst lautete Tibis Aussage: Es handelt sich nicht um eine „Leistungsminderung“, sondern um eine „Parameteranpassung“.
Er erwähnte nicht, ob die Modellgewichte verändert wurden. Er bestätigte aber, dass die Konfiguration, die Nutzer tatsächlich erhalten, angepasst wurde.
Was genau ist „Juice“? Aus den verfügbaren Informationen geht hervor, dass es sich um eine interne Markierung für die Zuweisung von Analyseressourcen handelt – grob gesagt, gibt sie an, wie viel Rechenzeit das Modell für eine einzelne Aufgabe aufwenden darf.
Obwohl eine reduzierte Kapazität nicht bedeutet, dass das „Modell schwächer geworden ist“, kann sie viele Dinge verändern:
Wie viele Ansätze ein langwieriges Projekt verfolgen kann, wie viele Vergleiche zwischen verschiedenen Lösungen stattfinden, ob das Modell nach dem Generieren von Code automatisch Tests durchführt, wie oft es nach einem Fehler zurückgeht – und jene „Randfähigkeiten“, die über den Erfolg bei schwierigen Aufgaben entscheiden.
Letztendlich gibt es an, wie viel Aufwand das Modell für eine Aufgabe aufbringt.
Um diese Debatte zu beenden, wäre ein streng kontrolliertes Experiment nötig: Mit demselben Modell-Schnappschuss, denselben Aufgaben und derselben Umgebung – bei dem nur der „Juice“-Wert verändert wird.
Man müsste messen, wie stark die Leistung bei komplexer Codierung, langwierigen Agentenaufgaben, mathematischen Analysen und Fehlerwiederherstellung tatsächlich abnimmt.
Derartige Beweise fehlen bislang.
Jeder eingesparte Token des Anbieters ist für Nutzer spürbar
Kehren wir zurück zu dem von Tibi erwähnten Experiment. Wie kam es dazu?
Nach der Veröffentlichung von GPT-5.6 stieg die Nachfrage sprunghaft an.
OpenAI hob kurzzeitig die Nutzungsbegrenzung für das Fünf-Stunden-Fenster auf, um die hohe Anzahl an Anfragen bewältigen zu können.
Die neuen Highlights von GPT-5.6 – längere Denkzeit in der „Max“-Einstellung, vier parallele Agenten in der „Ultra“-Einstellung und ein größeres Kontextfenster – sind allesamt ressourcenintensiv.
Die unerwartete hohe Nutzung stammt genau von diesen Funktionen.
Daher wurde das Experiment durchgeführt: Um die Ursache der Übernutzung zu finden, wurde das Budget vorübergehend reduziert – ein technisch nachvollziehbarer Schritt.
Aber genau hier liegt das Problem: Wenn der Anbieter Tokens einspart, merken das Nutzer – das Offensichtlichste ist, dass das Modell „weniger nachdenkt“.
Der angepasste Parameter ist genau das, was Nutzer wahrnehmen.
Die KI „wundert“ nicht mehr – sie arbeitet im Rhythmus
In den vergangenen Jahren haben KI-Unternehmen eine fast religiöse Vorstellung verbreitet.
Die Nutzer betrachteten das Modell als Orakel und erwarteten, dass es nachts Antworten liefert, die kein Mensch gedacht hätte – auch wenn es dafür langsamer, teurer oder manchmal ungenau war.
Die Wunder im Labor können ohne Rücksicht auf Kosten geschehen – aber in der industriellen Infrastruktur des Produktionsbetriebs ist das nicht möglich.
Daher verwandeln sich Spitzenmodelle wie Sol von einem „Propheten“, der im Labor gelegentlich Wunder zeigt, zu einer Maschine, die im täglichen Arbeitsablauf zuverlässig läuft.
Das ist im Grunde eine „Domestizierung der Intelligenz“ – und diese Kontroverse hat diesen Prozess öffentlich gemacht. Zugleich ist die Illusion der Nutzer von einer „festen Intelligenz“ des Modells zerbrochen.
Ein Modell zu abonnieren, ist wie eine Glühbirne zu kaufen: Der Typ ist festgelegt, aber der Helligkeitsregler liegt immer in der Hand des Anbieters.
Das mag wirtschaftlich sinnvoll sein – aber es sollte nicht für immer im Verborgenen bleiben.
Wenn KI zu einer echten Infrastruktur für Unternehmen werden soll, müssen die Anbieter genauere Spezifikationen liefern als nur den Modellnamen. Die Nutzer müssen verstehen, was die „Max“-Einstellung, für die sie bezahlen, tatsächlich garantiert.
Sonst bleibt es nur ein leeres Etikett.
Referenzen:
https://x.com/thsutt/status/2076496912332277776
https://x.com/FixAI/status/2076495132168794129
https://www.reddit.com/r/codex/comments/1uud7/nerfed_codex_sol_max/
Dieser Artikel stammt von dem WeChat-Offiziellen Konto „Xinzhiyuan“, verfasst von Yuan Yu. 36kr veröffentlicht ihn mit Genehmigung.