Catatan pengelola paritas GPT-5.5 / Codex

Catatan ini menjelaskan cara meninjau program paritas GPT-5.5 / Codex sebagai empat unit penggabungan tanpa kehilangan arsitektur enam kontrak aslinya.

# Unit penggabungan

# PR A: eksekusi agentik ketat

Bertanggung jawab atas:

• executionContract
• tindak lanjut giliran yang sama dengan GPT-5 sebagai prioritas
• update_plan sebagai pelacakan progres non-terminal
• status terblokir eksplisit, bukan penghentian senyap yang hanya berupa rencana

Tidak bertanggung jawab atas:

• klasifikasi kegagalan auth/runtime
• kebenaran izin
• desain ulang replay/kelanjutan
• pembandingan paritas

# PR B: kebenaran runtime

Bertanggung jawab atas:

• kebenaran cakupan OAuth Codex
• klasifikasi kegagalan provider/runtime bertipe
• ketersediaan /elevated full yang jujur dan alasan terblokir

Tidak bertanggung jawab atas:

• normalisasi skema tool
• status replay/keaktifan
• gating benchmark

# PR C: kebenaran eksekusi

Bertanggung jawab atas:

• kompatibilitas tool OpenAI/Codex yang dimiliki provider
• penanganan skema ketat tanpa parameter
• pemunculan replay yang tidak valid
• visibilitas status tugas panjang yang dijeda, terblokir, dan ditinggalkan

Tidak bertanggung jawab atas:

• kelanjutan yang dipilih sendiri
• perilaku dialek Codex generik di luar hook provider
• gating benchmark

# PR D: harness paritas

Bertanggung jawab atas:

• paket skenario gelombang pertama GPT-5.5 vs Opus 4.6
• dokumentasi paritas
• laporan paritas dan mekanisme release-gate

Tidak bertanggung jawab atas:

• perubahan perilaku runtime di luar QA-lab
• simulasi auth/proxy/DNS di dalam harness

# Pemetaan kembali ke enam kontrak asli

Kontrak asli	Unit penggabungan
Kebenaran transport/auth provider	PR B
Kompatibilitas kontrak/skema tool	PR C
Eksekusi giliran yang sama	PR A
Kebenaran izin	PR B
Kebenaran replay/kelanjutan/keaktifan	PR C
Benchmark/gerbang rilis	PR D

# Urutan peninjauan

1. PR A
2. PR B
3. PR C
4. PR D

PR D adalah lapisan pembuktian. PR ini tidak boleh menjadi alasan PR kebenaran runtime tertunda.

# Yang perlu diperhatikan

# PR A

• Proses GPT-5 bertindak atau gagal tertutup, bukan berhenti pada komentar
• update_plan tidak lagi tampak seperti progres dengan sendirinya
• perilaku tetap memprioritaskan GPT-5 dan berada dalam cakupan Pi tertanam

# PR B

• kegagalan auth/proxy/runtime berhenti melebur ke penanganan generik "model gagal"
• /elevated full hanya dijelaskan tersedia ketika benar-benar tersedia
• alasan terblokir terlihat oleh model dan runtime yang menghadap pengguna

# PR C

• registrasi tool OpenAI/Codex ketat berperilaku dapat diprediksi
• tool tanpa parameter tidak gagal pada pemeriksaan skema ketat
• hasil replay dan Compaction mempertahankan status keaktifan yang jujur

# PR D

• paket skenario dapat dipahami dan direproduksi
• paket menyertakan jalur keamanan replay yang memutasi, bukan hanya alur baca-saja
• laporan dapat dibaca oleh manusia dan otomasi
• klaim paritas didukung bukti, bukan anekdot

Artefak yang diharapkan dari PR D:

• qa-suite-report.md / qa-suite-summary.json untuk setiap proses model
• qa-agentic-parity-report.md dengan perbandingan agregat dan tingkat skenario
• qa-agentic-parity-summary.json dengan putusan yang dapat dibaca mesin

# Gerbang rilis

Jangan mengklaim paritas atau keunggulan GPT-5.5 atas Opus 4.6 sampai:

• PR A, PR B, dan PR C sudah digabungkan
• PR D menjalankan paket paritas gelombang pertama dengan bersih
• suite regresi kebenaran runtime tetap hijau
• laporan paritas tidak menunjukkan kasus keberhasilan palsu dan tidak ada regresi dalam perilaku berhenti

flowchart LR
    A["PR A-C merged"] --> B["Run GPT-5.5 parity pack"]
    A --> C["Run Opus 4.6 parity pack"]
    B --> D["qa-suite-summary.json"]
    C --> E["qa-suite-summary.json"]
    D --> F["qa parity-report"]
    E --> F
    F --> G["Markdown report + JSON verdict"]
    G --> H{"Pass?"}
    H -- "yes" --> I["Parity claim allowed"]
    H -- "no" --> J["Keep runtime fixes / review loop open"]

Harness paritas bukan satu-satunya sumber bukti. Pertahankan pemisahan ini secara eksplisit dalam peninjauan:

• PR D bertanggung jawab atas perbandingan berbasis skenario GPT-5.5 vs Opus 4.6
• suite deterministik PR B tetap bertanggung jawab atas bukti kebenaran auth/proxy/DNS dan akses penuh

# Alur kerja penggabungan cepat untuk maintainer

Gunakan ini saat Anda siap mendaratkan PR paritas dan menginginkan urutan yang dapat diulang dengan risiko rendah.

1. Konfirmasi bar bukti terpenuhi sebelum penggabungan:
   • gejala yang dapat direproduksi atau pengujian yang gagal
   • akar penyebab terverifikasi dalam kode yang disentuh
   • perbaikan pada jalur yang terkait
   • pengujian regresi atau catatan verifikasi manual eksplisit
2. Triase/label sebelum penggabungan:
   • terapkan label auto-close r:* jika PR tidak boleh mendarat
   • pastikan kandidat penggabungan bebas dari utas blocker yang belum diselesaikan
3. Validasi secara lokal pada permukaan yang disentuh:
   • pnpm check:changed
   • pnpm test:changed saat pengujian berubah atau keyakinan perbaikan bug bergantung pada cakupan pengujian
4. Mendaratkan dengan alur maintainer standar (proses /landpr), lalu verifikasi:
   • perilaku auto-close issue tertaut
   • CI dan status pasca-penggabungan pada main
5. Setelah mendarat, jalankan pencarian duplikat untuk PR/issue terbuka terkait dan tutup hanya dengan referensi kanonis.

Jika salah satu item bar bukti tidak ada, minta perubahan alih-alih menggabungkan.

# Peta tujuan-ke-bukti

Item gerbang penyelesaian	Pemilik utama	Artefak tinjauan
Tidak ada macet yang hanya berupa rencana	PR A	pengujian runtime agentik ketat dan approval-turn-tool-followthrough
Tidak ada progres palsu atau penyelesaian tool palsu	PR A + PR D	jumlah keberhasilan palsu paritas plus detail laporan tingkat skenario
Tidak ada panduan /elevated full yang salah	PR B	suite kebenaran runtime deterministik
Kegagalan replay/keaktifan tetap eksplisit	PR C + PR D	suite siklus hidup/replay plus compaction-retry-mutating-tool
GPT-5.5 menyamai atau mengungguli Opus 4.6	PR D	qa-agentic-parity-report.md dan qa-agentic-parity-summary.json

# Singkatan peninjau: sebelum vs sesudah

Masalah yang terlihat pengguna sebelumnya	Sinyal tinjauan sesudah
GPT-5.5 berhenti setelah perencanaan	PR A menunjukkan perilaku bertindak-atau-terblokir, bukan penyelesaian hanya komentar
Penggunaan tool terasa rapuh dengan skema OpenAI/Codex ketat	PR C menjaga registrasi tool dan pemanggilan tanpa parameter tetap dapat diprediksi
Petunjuk /elevated full terkadang menyesatkan	PR B mengaitkan panduan dengan kemampuan runtime aktual dan alasan terblokir
Tugas panjang dapat menghilang dalam ambiguitas replay/Compaction	PR C mengeluarkan status dijeda, terblokir, ditinggalkan, dan replay tidak valid yang eksplisit
Klaim paritas bersifat anekdot	PR D menghasilkan laporan plus putusan JSON dengan cakupan skenario yang sama pada kedua model

# Terkait

• Paritas agentik GPT-5.5 / Codex