OpenAI 已为所有 Codex 和 ChatGPT Work 付费用户重置使用额度。消息由 Codex 负责人 Tibo 通过推文公布，时间点恰逢 Cursor CEO Michael Truell 透露，OpenAI 计划在三个月后阻止 Cursor 用户继续访问其模型，双方关系突然趋紧之际。
Tibo 表示，团队近期集中处理了数千份用户反馈，并对 Codex 背后的使用量计算机制进行了大范围排查。排查结果显示，此前用户对「额度不经用」的感受并非只是主观印象。在一系列 Bug 修复后，按不同使用方式计算，相同的 Codex 使用额度预计可比之前多撑 10% 至 50%。额度数字未必变化，但实际可完成的工作增加了。
上下文压缩与任务目标机制带来高额消耗
OpenAI 这次共列出 8 类已经发现并修复的问题。首先是上下文压缩。AI 编程工具运行时间变长后，上下文会不断膨胀，系统通常会压缩历史信息，以便继续执行任务。
此前 Codex 在执行上下文压缩时，会把旧图片继续保留在上下文中。原本用于缩小上下文的操作，反而因为旧图片没有被清掉，导致上下文依然偏大，甚至可能很快再次触发新一轮压缩。OpenAI 修复这一问题后，对大量使用图片的用户而言，相关使用量下降约 10%。
更大的额度消耗来自 Codex 的 Goals 机制。OpenAI 发现，在部分情况下，用户设定的 /goal 明明已经执行完成，Agent 却没有按预期停止，而是继续往后执行。还有一些情况是工具已经损坏，模型仍会持续重试。任务表面上已经结束，后台却还在重复运行。
OpenAI 表示，在部分案例中，仅这一类问题就可能消耗用户每周额度的 15% 至 70%。极端情况下，一个异常任务就可能吃掉七成周额度。该问题目前已经修复。
Memory Worker 曾出现长时间循环
另一处问题出现在 Memory 记忆系统。Codex 的后台 Memory Worker 在部分情况下会继承某些 Stop Hook。Stop Hook 原本用于控制任务何时停止，但在 Bug 出现后，某些后台任务可能因为停止条件无法满足而持续运行。
OpenAI 称，这类问题影响的用户不到 1%，但长尾案例非常夸张。团队曾发现一个案例，系统检查某个任务是否可以结束的动作，可能执行多达 15000 次。对大多数用户来说，这个 Bug 可能几乎无感；但对受到影响的用户而言，Token 会在后台持续消耗。该问题也已被修复。
Subagent 与自动化任务也存在异常
在 Subagent 子智能体部分，OpenAI 发现，一些能力较小的模型，例如 Luna，有时会在用户没有明确要求的情况下，自行选择能力更强、成本也更高的辅助模型。还有一些情况下，即便负责统筹任务的主模型没有运行在 /fast 模式下，它也可能要求下游子 Agent 使用 /fast。
这意味着，同一项任务在表面没有变化的情况下，底层资源消耗却可能上升。OpenAI 表示，这一问题已经修复。
Automations 自动化任务方面，OpenAI 还发现，一些自定义调度任务此前的实际执行频率可能高于用户设定频率。用户原本只希望某个自动化任务按固定频率执行，但系统可能会更频繁地唤醒任务。单次看增量不大，但在 Agent 可脱离用户操作自行运行的前提下，频繁重复执行会持续推高消耗。这个问题目前同样已经修复。
历史总结、滚动摘要与 MCP 调用重复编码
另一个较典型的问题来自 Computer History。为了让 Agent 理解自己此前在电脑上的操作，系统需要保存、整理并总结历史行为。旧版本实现中，Codex 可能会重复总结已经高度重叠的历史活动，相当于反复整理同一段工作记录。
OpenAI 表示，在一些案例里，这部分额外开销约占用户每周总使用量的五分之一，也就是 20% 左右。
与之类似的后台消耗还来自 Rolling Task Summaries。原本普通的对话轮次，也可能触发额外后台请求，用于生成滚动任务摘要。OpenAI 估计，这一机制大约会额外增加 1% 的 Token 使用量。团队已经直接关闭该机制。
在 MCP 工具调用部分，OpenAI 发现，部分工具返回结果可能被重复编码两次；另有一些工具说明会被意外截断，系统随后不得不重新获取一次。这类问题单次影响看起来不大，但在 Agent 一天可能调用几十次、几百次甚至更多工具的情况下，重复传输会持续累积成真实的 Token 消耗。相关问题也已修复。
OpenAI 称已做架构调整，并开发用量展示功能
OpenAI 这次披露的问题，集中反映了 Agent 产品与传统对话式模型在计费体验上的差异。过去使用 ChatGPT，用户通常可以把一次对话理解为一次模型调用；但在 Codex 这类 Agent 产品中，用户在界面上输入一句话，系统背后看到的可能是一整条工作流。
这些消耗并不只来自模型本身写代码所用的 Token，也来自上下文理解、记忆维护、任务摘要和自动调度等后台环节。只要其中任何一个环节出现循环、重复调用或错误调度，用户最后看到的就是额度异常下降。
除修复上述 Bug 外，OpenAI 表示已进行了架构层面的调整，以避免类似问题再次出现。如果相关异常重新发生，团队也会自动收到告警。
OpenAI 还在开发新的使用量展示功能。按照其说法，未来用户将可以直接在应用内查看自己的额度具体消耗在何处，而不必再依靠猜测判断。