近日，科技社区 Linux.do 上出现了一项关于 OpenAI Codex 模型性能表现的调查，主题围绕“降智”现象展开。部分开发者反映，在使用集成 Codex 的开发环境（非网页版 ChatGPT）时，模型的响应质量似乎出现了下降，表现为拒绝回答简单问题或基础推理能力受限。为了科学验证这一主观感受并探究其背后的原因，社区成员发起了一项具体的测试投票。测试设计了一个包含四个特定问题的 Prompt，要求模型在禁止联网、禁止调用外部工具的情况下，仅凭内部知识回答关于模型自身标识、2025年底特定国家领导人姓名以及 Python 未来版本号的问题。设计逻辑在于，正常模型应在面对无法确认的未来信息时保持不确定性，而“降智”模型则可能在基础知识层面表现异常或过度触发安全审查机制。该调查的核心目的在于统计所谓的“降智”现象是否与账号所在区域有关，即对比美区账号与低价区账号在模型表现上的差异，旨在为开发者在后续充值订阅时提供参考依据。
事件分析
从技术层面分析，开发者反馈的“降智”现象可能涉及 API 路由策略、模型微调版本差异或安全对齐机制的强度差异。目前主流大模型厂商通常会在网页版、API 接口以及特定生态应用（如 IDE 插件）之间部署不同的模型变体或安全过滤层。如果 Codex 在特定区域或低价套餐中被限制使用更强大的推理模型，或者被施加了更保守的拒绝策略，这将直接导致开发者在代码辅助场景中的体验下降。这反映了在商业化过程中，厂商可能存在的资源分级策略。不同区域、不同付费层级的用户，可能会被分配到不同算力或不同版本的模型实例。此次投票实质上是对 API 服务一致性的一次大规模分布式测试，其结果将揭示是否存在基于地域或定价的算法歧视或服务降级问题。
核心观点：所谓“降智”疑云背后，实则是开发者对 API 服务一致性及厂商可能存在的区域性分层策略的焦虑与验证。
原文链接：Linux.do
