兩天前，我把大部分的 coding job 從 Codex 的 Astra 換到 Opus 5.5。

原因只有一個：太慢了。慢到是一週前的兩倍。

換過去之後，Opus 5.5 甚至可以後發先至：同一個 job，比 Astra 晚開始，比 Astra 早做完。

切換本身很簡單，因為我的 coding orchestration 機制已經做完整了，所以切過去沒什麼成本。真正讓我停下來想的是另一件事：我不是唯一一個在搬家的人。

10 月 15 日，一個叫 Robinson Honour 的開發者在 X 上發了這段：

“after this month i don’t think i’ll be subbing my codex again, their models seems to be getting dumber by the day.”

這個月結束就不續訂 Codex 了，模型一天比一天笨。

同一天，OpenAI Codex 負責人 Tibo 發了 28 天挑戰的 Day 11：加了算力，大幅減少「Selected model is at capacity」這個錯誤。底下有人直接回：

“Why codex or specifically 6.1 sol is feeling dumber today?”

一邊在加算力，一邊在問為什麼又變笨。這兩句話放在一起，是這篇要講的事。

30 秒定位

抱怨 代表說法 證據等級
Sol 6.1 很慢 一個回應等 25 到 30 分鐘；個人 log 裡 15 個模型排最後 個人量測，沒有公開 benchmark
Codex 變笨 “Can’t solve simple logic, takes for ever.” 使用者體感
Astra 疑似量化 “Astra is quantized and nerfed instead” 傳聞，OpenAI 沒有確認過
Reset 救不回來 reset 之後額度掉得快將近兩倍 個人觀察
Pro 500 不值得 “500$ plan 25x is just not worth it with its limits.” 使用者評價

先講清楚：這張表裡沒有一項是嚴格量測。但五個方向的抱怨同時出現，指向的是同一個東西。

一、Sol 6.1：慢到不知道它是卡住還是在想

GPT-6.1 Sol 是 9 月 30 日 DevDay 發的，主打智力打到五分之一價。

Sol 系列的慢，在 6.1 出來之前就有人抱怨。9 月 29 日，Codex 的 GitHub 上有人開了 issue #49296，標題就叫「GPT-6-sol is extremely slow」。開 issue 的人是 Pro 20x 用戶，最後切回 gpt-5.6-sol。6.1 上線後，同一串有人貼出一次 GPT-6.1 Sol 跑 10 分 29 秒、每秒 15.2 token 的紀錄，10 月 9 日回來留言：「Terminated both subscriptions」。

9 月 30 日，J A Z I I 寫：

“tested model alot last night and it was super fast, but now it feels like the slowest model out there”

昨晚超快，今天像最慢的模型。

之後兩週有兩份比較像樣的個人數據：

  • Harshith 量了 Codex 裡的 Sol：一般模式平均每秒 22 個 token、Fast 模式 43。同一個人量 Claude Code 裡的 Opus 5.5，一般模式 83 到 110、Fast 200 到 250。
  • Tyler 叫 agent 翻自己的 log：從 8 月到 10 月初、大約 65,000 次呼叫、用過的 15 個模型裡，6.1 Sol 排最後。他自己標註：「Not a benchmark, just my real usage.」

最直接的描述來自 Connor Brewer，10 月 14 日。他說一個 session 等一個回應等了 25 到 30 分鐘，而且看不到模型在做什麼，不知道它是卡住了、往錯的方向跑了 30 分鐘，還是在寫一個傑作。

慢本身可以忍。看不到它為什麼慢，才是讓人抓狂的地方。

二、Codex 變笨，Astra 疑似量化

速度之外是品質。

Hemali Tanna 10 月 13 日：

“Codex is completely nerfed. Can’t solve simple logic, takes for ever. Pro plan feels useless.”

Gatsby.ts 10 月 14 日點名兩個模型：

“Codex 6.1-Sol and Astra have been getting worse over the past few days. … Burned through tokens all day hallucinating”

J.P Mishra 說同一個任務丟給 Claude，大約四分之一的時間做完。

Astra 的部分比較複雜。X 上一直有人說它被偷偷量化（Quantization，簡單講就是把模型權重壓成更少 bit，省記憶體、省算力，代價是精度），10 月 15 日 Vishnu 的說法最短：

“Astra is quantized and nerfed instead”

但要老實講：這類貼文讚數都很低，沒有一則拿得出證據。Grok 在 9 月 11 日的回覆寫得很中肯，發布一週後品質下滑的對比圖確實在流傳，但 OpenAI 從沒確認過量化、換模型或砍能力。

我覺得最值得看的一則，反而是 Astra 發布前五天的預言。Prabh 8 月 29 日寫：

“1-2 weeks of release something like q8 so we can all feel the AGI and then will drop down to q4-q6 quality.”

這是臆測，不是證據。但它說明了一件事：使用者已經把「發布兩週後變弱」當成預設劇本了。 還沒發布，就先預期它會變弱。這個信任赤字，比任何一次量化都難補。

三、Reset 再多，也救不回一個用不滿的模型

Tibo 10 月 4 日立了一個規則：

“Over the next 28 days, each day we’ll either ship one thing that is a clear improvement and relevant for most codex/work users or ship a full reset.”

接下來 28 天，每天要嘛出一個明確的改進，要嘛把大家的額度全部重置。

Day 1 把 Astra 跟 Sol 的預設速度調快約 50%，Tibo 自己的說法是從每秒 30 token 到 50。之後依社群整理，前 11 天裡有 5 天是 reset。Day 10 的 reset 貼文拿了一萬六千個讚，隔天宣布加算力的 Day 11 是 8,605 個。

問題是 reset 解決的是「額度不夠」，可是大家抱怨的是「模型不好用」。

10 月 15 日 reset 落地之後，Codex Tracker 說同樣的模型、同樣的工作量，reset 之後額度掉得快將近兩倍。另一個極端是 Satyam：

“Because of Tibo resets, I’m unable to utilize the Codex usage.”

reset 太頻繁，他根本用不完。

這兩則放在一起看很有意思。一個人覺得燒太快，一個人覺得用不完。但兩種人碰到的是同一件事：一個又慢又笨的模型，額度不是瓶頸。 每個回應要等 30 分鐘，一天能跑幾輪？做一半就停下來說做完了，給再多額度也只是多幾次重來的機會。

額度是時間的上限，算力才是時間裡能做多少事。reset 給的是前者。

四、買了 $500，能換到一個沒被量化的 Astra 嗎？

DevDay 推出了 $500 的 Pro 500，多篇整理寫是 25 倍 Plus 用量，外加 Ultrafast。

這兩週 X 上對它的評價很一致。Moriarty 10 月 13 日：

“500$ plan 25x is just not worth it with its limits. 10x also.”

embw_l0x 給了另一種 $500 的花法：兩個 $200 的 Claude Code，加一個 $100 的 Codex 只拿來做 review。同一週 Theo 那則拿了 4,826 個讚：

“The $200 Claude Code sub is one of the best values in software right now.”

但我想問的不是值不值得，是一個更根本的問題：$500 買到的是更多額度、更快的速度，有沒有任何一個方案，保證你拿到的是發布那一天的 Astra？

沒有。我查到的 Pro 500 整理裡沒有這一條，其他家的訂閱方案也沒有。你可以付錢買倍數、買 Ultrafast、買 Dots，唯獨買不到「明天的 Astra 跟今天一樣」。

五、這個循環，我們已經看過了

把時間拉長，這不是 OpenAI 一家的事。

新模型很強、驚艷大家、湧入、算力不夠、能力變弱、下一個新模型、使用者遷移，接著再推一個新模型把舊模型的算力搬走——這個循環一個半月內轉了一圈

9 月 7 日我寫 Anthropic vs OpenAI 算力對決的時候，開場講的是 Fable 5：剛出來多強，用了一陣子很多人覺得變弱了，很有可能不是模型降級，是推理需求暴增，電跟不上。Anthropic 過去十一個月簽了至少 14.8 GW，是在補這個洞。

然後劇本換到 OpenAI：

  • 9 月 3 日，GPT-6 Astra 發布，驚艷大家
  • 9 月 10 日，OpenAI 暫停 $200 Pro 新訂閱，同時 X 上已經有人說 Astra 變慢變笨，Tibo 當時否認智力被削弱
  • 9 月 30 日，DevDay 發布 Sol 6.1，五分之一價，大家轉過去
  • 10 月，Sol 6.1 慢、Astra 被懷疑量化、使用者回頭找 Claude

Elaina 當時那句話，現在看幾乎是整個循環的摘要：

“We went from an astonishing Astra launch to degradation, limits, overload, and paused subscriptions in a matter of days.”

把它畫成一個圈：

  1. 新 model 很強
  2. 驚艷大家，很多人湧入
  3. 算力不夠，能力慢慢變弱
  4. 另一家出新 model，再驚艷一次
  5. 大家遷移過去
  6. 原廠只好再出一個新 model，把舊 model 的算力移過去，舊 model 徹底被廢掉

然後回到 1。

我們已經厭倦這樣的循環了。

六、算力就是智力

這整件事的根因只有一個：算力不足。

這不是比喻。在推理端，「算力 = 智力」是字面上的意思。

最直接的證據是 effort 設定。Jacob Beers 說他把 Sol 的 effort 從 Max 降到 Medium，理由是速度跟成本的差距，值得犧牲一點智力。同一個模型、同一組權重，給它想得久一點就比較聰明，給它想得短一點就比較笨。reasoning effort 本身是一個「用算力換智力」的旋鈕。

那廠商後台有沒有同樣的旋鈕？當然有，而且不只一個：

  • 量化幾 bit
  • 預設的 reasoning 長度
  • 每張卡同時塞多少個 request（batch size）
  • 速度優先還是品質優先

Day 1 那個「預設速度快 50%」怎麼做出來的，Tibo 沒講細節。但不管用哪種方法，都是在動這些旋鈕。Day 11 說得更直白：「more compute」。

所以我一直覺得，算力儲備才是雲端大廠真正的護城河，不是模型。Google 把 TPU 賣給競爭對手那篇的結論是：模型的營收天花板可見，算力的需求上限不可見。這一個月的 Codex 把後半句演了一遍：需求一湧進來，算力撐不住，智力就跟著往下掉。

再補一個帳面上的角度。巴克萊拆帳那篇算出來，推理毛利一年跳到 65%，量化（Quantization）是壓低推理成本的手段之一。毛利率是財報上的好消息，換到使用者這端，意思是每個 request 分到的算力被精打細算過。

縮水式通膨

我覺得最貼切的類比是縮水式通膨（shrinkflation）。

洋芋片一包還是同樣價錢，包裝一樣大，裡面的洋芋片變少了。廠商沒有說謊，包裝上寫的克數是對的，只是你沒注意到它改過。

$200 還是 $200，模型名字還是 Astra，裡面每個 request 分到的算力變少了。

所以使用者的懷疑是有道理的：也許今天的 Astra，能力差不多等於過去的 GPT-5.5。 不是權重變回 5.5，是後台把算力調到差不多的位置，解題能力也就落在差不多的位置。X 上 zuphr1n 的說法是「even astra feels lobotomized compared to 5.5」；更早之前，Flask 作者 Armin Ronacher 也說過 Astra 很驚艷，但做軟體工程他退回去用 5.6。

這個假說我沒辦法證明。但它解釋了一件事：為什麼每一代新模型發布時都比上一代強很多，用了一個月後，體感卻總是落回差不多的地方。

七、反方：也許降智只是感覺

這段要認真寫，因為反方很強。

第一，蜜月期效應。 新模型剛出來，大家拿它做最擅長的事，覺得驚艷。用久了開始丟各種邊角任務，失敗率自然變高。不是模型變笨，是你的期待變高了。

第二，設定差異。 上面那則 Max 降 Medium 是一個例子，很多抱怨沒有附上 effort 設定。也有人反駁 Tyler 那張圖：DeepSeek 這種模型同一個任務吐的 token 多很多，比「等多久」不公平，應該比「每秒完成幾個任務」。DevDiary 就說他開 extra high 用起來還行。

第三，就算真的變差，也不一定是故意的。 這有前例。2025 年 9 月，Anthropic 發過一篇 postmortem，承認那段時間 Claude 的品質確實掉了，原因是三個基礎設施 bug，最糟的一小時有 16% 的 Sonnet 4 請求被送錯伺服器。他們在同一篇裡寫：

“To state it plainly: We never reduce model quality due to demand, time of day, or server load.”

使用者感覺到的降智是真的，原因卻不是使用者猜的那個。

這三點我都接受。但它們推不翻主論點，反而補強了一件事。

同一篇 postmortem 裡還有一句：

“The evaluations we ran simply didn’t capture the degradation users were reporting”

連廠商自己的 eval 都抓不到品質下滑，使用者更不可能抓到。 不管是故意量化、是 bug、還是算力被稀釋，在使用者這一端看到的結果都一樣：同一個模型名字，今天跟上週不是同一個東西，而你沒有任何工具可以確認。

所以問題不是「OpenAI 有沒有偷偷量化」。這題我們回答不了，可能永遠回答不了。問題是：你的工作流能不能建立在一個不可重現、不可稽核的東西上面？

八、到頭來，地端還是最穩定的解

講地端之前，先把話講清楚：地端不會比較聰明。

我 10 月 9 日到 14 日在兩台 DGX Spark 上輪流跑了三個 Flash 模型，品質題庫都在 94 到 97.67 分之間，打不過 Astra，也打不過 Sol 6.1 的巔峰狀態。

而且地端一樣受「算力 = 智力」這條定律管。同一次測試裡，一個人用最快的 DeepSeek，八個人同時用時變成最慢的。Strata 能把 MoE 塞進遊戲顯卡，靠的也是 IQ3 量化。地端也在量化，也會因為人多而變慢。

差別在於：量化是你自己選的，你知道它是 IQ3；人多變慢，你看得到是八個人在用。

地端「穩定」的真正意思在這裡。不是不會變慢，是你看得到儀表：

  • 你知道它是幾 bit
  • 你知道今天跟上週跑的是同一個檔案
  • 你知道它慢是因為幾個人在用
  • 明天早上打開，它跟今天一樣

雲端給的是一個比較聰明、但會在你不知道的時候縮水的模型；地端給的是一個沒那麼聰明、但不會偷偷改變的模型。對 demo 來說前者比較好。對要天天跑的 production 工作流，可預測性比巔峰智力更值錢。

代價當然有。RTX 5090 從 5 月的 10 萬漲到 10 月 1 日的 22 萬，而且還買不到。大家都想通了同一件事，硬體就跟著漲。

坦白說

這篇的證據大部分是 X 上的個人貼文跟一個 GitHub issue。Tyler 跟 Harshith 的數字是個人量測，不是公開 benchmark；「Astra 被量化」到今天為止仍是傳聞，OpenAI 沒有承認，我也拿不出證據。X 上抱怨的人本來就比滿意的人更會發文，這個樣本有偏差。

「今天的 Astra ≈ 過去的 GPT-5.5」是一個假說。要驗證它，需要同一組固定題目在不同日期重跑，我手上沒有這份數據。

也有反例：10 月 15 日 Deependra Solanky 說前一天超慢、今天正常了。Tibo 的 Day 11 可能真的改善了一部分。這篇寫的是過去兩週的狀態，不保證兩週後還成立。

地端那段，我的測試是兩台借來的 DGX Spark、三個 Flash 模型，八個人以內的同時使用。它證明的是「可預測」，不是「夠用」。很多任務地端模型做不了，還是得回到雲端。

我自己的「兩倍慢」也一樣。那是我自己跑 job 的觀察，不是控制變因的實驗。而且 Opus 5.5 現在快，不代表它不會走進同一個循環——Fable 5 就走過一次。我搬過去，是換到循環裡目前比較順的那一格，不是跳出循環。

但這篇做對了一件事：把「最近好像變笨了」這種模糊感覺，對回同一個循環和同一個根因。下一次新模型驚艷大家的時候，你大概已經知道一個半月後會發生什麼事。

關鍵洞察

reset 解決的是額度，不是智力。 判斷一個訂閱值不值得，先看模型這週的速度跟品質，不是看倍數。又慢又笨的模型，25 倍也用不滿。

沒有任何方案賣「明天跟今天一樣」。 付再多錢買到的是額度和速度，不是固定的算力分配。工作流要是依賴雲端模型的巔峰狀態，就要接受它隨時會縮水。

能換，比換到哪一家重要。 我這次從 Astra 搬到 Opus 5.5 沒什麼成本，是因為 coding orchestration 早就做完整了。下一輪循環輪到哪一家變慢，誰也猜不到；底層模型可以隨時抽換的人，每一輪都能站在比較順的那一邊。

留一個你看得到儀表的基準。 一台地端機器，或一組固定題目每週重跑。不是為了取代雲端，是為了在雲端縮水的時候，你有東西可以比、有地方可以退。

新模型發布的那一刻，就把一個半月後的劇本算進去。 驚艷期是真的，但它不是穩態。

常見問題 Q&A

Q: Codex 最近真的降智了嗎？

沒有官方承認，也沒有公開 benchmark 證明。證據來自使用者：2026 年 10 月 X 上大量抱怨 Codex 和 GPT-6.1 Sol 變笨、變慢，GitHub 上 openai/codex 的 issue #49296 有 Pro 20x 用戶說 Sol 慢到切回 gpt-5.6-sol；一位使用者分析自己 8 月到 10 月初約 65,000 次呼叫，在 15 個模型裡 Sol 6.1 最慢。這些是個人量測，不是嚴格實驗，但方向一致。

Q: 為什麼說「算力 = 智力」？

在推理端這是字面意思。同一組權重，推理努力程度（Reasoning Effort）調高就比較聰明、調低就比較笨，effort 設定本身是用算力換智力的旋鈕。廠商後台還有量化（Quantization）位元數、預設推理長度、批次大小（Batch Size）等旋鈕。需求暴增而算力沒跟上時，每個請求分到的算力變少，使用者感受到的就是「降智」。

Q: 降智一定是廠商故意量化模型嗎？

不一定。2025 年 9 月 Anthropic 發布 postmortem，承認 Claude 品質下滑是三個基礎設施 bug 造成的，最糟的一小時有 16% 的 Sonnet 4 請求被送錯伺服器，並聲明從不因需求或伺服器負載降低模型品質。同一篇也承認內部評測沒抓到使用者回報的下滑。所以故意與否很難判斷，但使用者端結果相同：同一個模型名字，品質不可重現、也無法稽核。

Q: ChatGPT Pro 500 能解決 Codex 變慢變笨的問題嗎？

不能保證。Pro 500 是每月 $500，依多篇整理為 25 倍 Plus 用量並附 Ultrafast 速度，買到的是額度和速度，沒有任何條款保證你拿到的模型品質固定。2026 年 10 月 X 上不少重度用戶認為不值得，常見替代配置是兩個 $200 的 Claude Code 方案加一個 $100 的 Codex 方案只用來做程式碼審查。

Q: 地端模型比雲端模型好嗎？

地端模型通常沒有雲端旗艦模型聰明，也一樣會因量化和多人同時使用而變慢。它的優勢是可預測：量化等級（例如 IQ3）是你自己選的，今天跟上週跑的是同一個檔案，變慢時你看得到原因。適合需要天天穩定執行的生產工作流（Production Workflow）當基準和備援；需要最高智力的任務仍要用雲端。

來源