Прогнав через ніч кілька кейсів на GPT-5.6 Sol у Codex, мій коротенький вердикт

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

На цей момент я не рекомендую використовувати GPT-5.6 Sol для тривалих агентних задач у Codex, особливо без жорстких обмежень часу, кількості ітерацій і бюджету. Мій досвід виявився відверто невдалим. У першому випадку я попросив модель створити відносно простого анімованого Pet (при чому цей процес вже інтегрований у ChatGPT Work як Hatch Pet і на веб версії в мене спрацював значно швидше, в Кодексі десктоп читайте далі). Замість готового результату процес тривав понад 11 годин. Модель постійно запускала нових субагентів, повторювала візуальні перевірки, перегенеровувала ті самі елементи та поверталася до вже нібито виправлених проблем. У підсумку роботу довелося зупинити вручну: повністю готового й придатного до використання результату я так і не отримав.

У другому випадку ситуація повторилася вже з примітивною програмою. Модель знову застрягла в циклі:

зміна коду → запуск тесту → невдалий тест → додаткова діагностика → чергова зміна → повторний тест.

При цьому кожна нова ітерація подавалася як майже фінальне виправлення, але задача не завершувалася. У результаті обидві спроби разом фактично спалили два мої тижневі бюджети Codex, не створивши завершеного продукту ( я навмисне не зупиняв генерації, використовував персональну підписку GPTPlus + використав 1 рефреш з 4 доступних).

Найбільша проблема навіть не в тому, що модель припустилася помилки. Помиляються всі моделі. Проблема в тому, що GPT-5.6 Sol:

• не розпізнала, що потрапила в повторюваний цикл;
• не зупинилася після кількох невдалих спроб;
• не повідомила вчасно, що обраний підхід не працює;
• продовжувала запускати дорогі перевірки та субагентів;
• створювала враження прогресу, хоча фактично повторювала ті самі дії;

Після цього досвіду я б радив ніколи не залишати GPT-5.6 Sol працювати безконтрольно протягом багатьох годин. Перед запуском варто явно встановлювати правила, наприклад:

Виконай не більше трьох циклів виправлення. Якщо після третьої спроби тест не проходить, зупинись, поясни причину та запропонуй альтернативний підхід. Не запускай додаткових субагентів без мого підтвердження.

Також рекомендую:

• ділити задачу на маленькі етапи з окремим підтвердженням кожного результату;
• вимагати робочий мінімальний прототип якомога раніше;
• встановлювати часовий ліміт на одну фазу;
• обмежувати кількість субагентів і паралельних перевірок;
• зупиняти процес після двох-трьох однотипних помилок;
• перевіряти реальні файли та результат, а не орієнтуватися на повідомлення моделі про «майже завершену роботу»;
• створювати checkpoint після кожного справді робочого етапу;
• не дозволяти моделі нескінченно «покращувати» вже прийнятний результат;
• починати нову сесію, коли контекст переповнений повторними виправленнями;
• для великої задачі спочатку просити короткий план із критеріями завершення.

Мій висновок: GPT-5.6 Sol може виглядати сильною моделлю на початку роботи, вона детально описує процес, запускає багато перевірок і демонструє високу активність. Але активність — це ще не результат. У моєму випадку модель двічі зайшла в loop, працювала годинами, використала два тижневі бюджети та не створила нічого завершеного. Тому наразі я однозначно не рекомендую GPT-5.6 Sol для автономних довгих задач у Codex. Для подібних сценаріїв я поки що радше дивився б у бік Claude моделей. З мого досвіду, Claude Opus 4.6/8 частіше поводиться передбачувано, краще утримує межі задачі й рідше компенсує відсутність прогресу нескінченними ітераціями. Це не означає, що Claude не помиляється, але для мене зараз він виглядає більш контрольованим і економним вибором для агентної розробки.

P.S. Може знадобиться, додавайте у промпт:

Якщо ти двічі повторив подібну дію без помітного покращення результату, вважай це циклом. Негайно зупини виконання, не запускай нові інструменти та повідом, що саме блокує завершення задачі.