Concept internals

GPT-5.5 / Codex agentische pariteit

OpenClaw werkte al goed met frontiermodellen die tools gebruiken, maar GPT-5.5 en Codex-achtige modellen presteerden op een paar praktische punten nog ondermaats:

ze konden na het plannen stoppen in plaats van het werk te doen
ze konden strikte OpenAI/Codex-toolschema's verkeerd gebruiken
ze konden om /elevated full vragen, zelfs wanneer volledige toegang onmogelijk was
ze konden de status van langlopende taken verliezen tijdens replay of Compaction
pariteitsclaims tegenover Claude Opus 4.6 waren gebaseerd op anekdotes in plaats van herhaalbare scenario's

Dit pariteitsprogramma lost die gaten op in vier beoordeelbare delen.

Wat is gewijzigd

PR A: strikte agentische uitvoering

Dit deel voegt een opt-in strict-agentic uitvoeringscontract toe voor ingesloten Pi GPT-5-runs.

Wanneer dit is ingeschakeld, accepteert OpenClaw plan-only-beurten niet langer als "goed genoeg" voltooiing. Als het model alleen zegt wat het van plan is te doen en niet daadwerkelijk tools gebruikt of voortgang boekt, probeert OpenClaw het opnieuw met een sturing om nu te handelen en faalt daarna gesloten met een expliciete geblokkeerde status in plaats van de taak stilzwijgend te beëindigen.

Dit verbetert de GPT-5.5-ervaring vooral bij:

korte "ok doe het"-vervolgen
codetaken waarbij de eerste stap voor de hand ligt
flows waarin update_plan voortgangsregistratie moet zijn in plaats van opvultekst

PR B: runtime-waarheidsgetrouwheid

Dit deel zorgt ervoor dat OpenClaw de waarheid vertelt over twee dingen:

waarom de provider-/runtime-aanroep is mislukt
of /elevated full daadwerkelijk beschikbaar is

Dat betekent dat GPT-5.5 betere runtimesignalen krijgt voor ontbrekende scope, mislukte auth-verversingen, HTML 403-authfouten, proxyproblemen, DNS- of time-outfouten en geblokkeerde modi met volledige toegang. Het model zal minder snel de verkeerde oplossing hallucineren of blijven vragen om een permissiemodus die de runtime niet kan bieden.

PR C: uitvoeringscorrectheid

Dit deel verbetert twee soorten correctheid:

door providers beheerde OpenAI/Codex-toolschema-compatibiliteit
zichtbaarheid van replay en liveness bij lange taken

Het tool-compat-werk vermindert schemafrictie voor strikte OpenAI/Codex-toolregistratie, vooral rond tools zonder parameters en strikte verwachtingen voor object-roots. Het replay/liveness-werk maakt langlopende taken beter observeerbaar, zodat gepauzeerde, geblokkeerde en verlaten statussen zichtbaar zijn in plaats van te verdwijnen in generieke fouttekst.

PR D: pariteitsharnas

Dit deel voegt het eerste QA-lab-pariteitspakket toe, zodat GPT-5.5 en Opus 4.6 via dezelfde scenario's kunnen worden uitgevoerd en met gedeeld bewijs kunnen worden vergeleken.

Het pariteitspakket is de bewijslaag. Op zichzelf wijzigt het geen runtimegedrag.

Nadat je twee qa-suite-summary.json-artefacten hebt, genereer je de release-gatevergelijking met:

pnpm openclaw qa parity-report \
  --repo-root . \
  --candidate-summary .artifacts/qa-e2e/gpt55/qa-suite-summary.json \
  --baseline-summary .artifacts/qa-e2e/opus46/qa-suite-summary.json \
  --output-dir .artifacts/qa-e2e/parity

Die opdracht schrijft:

een voor mensen leesbaar Markdown-rapport
een machineleesbaar JSON-oordeel
een expliciet pass / fail-gateresultaat

Waarom dit GPT-5.5 in de praktijk verbetert

Vóór dit werk kon GPT-5.5 op OpenClaw in echte codeersessies minder agentisch aanvoelen dan Opus, omdat de runtime gedrag tolereerde dat vooral schadelijk is voor GPT-5-achtige modellen:

beurten met alleen commentaar
schemafrictie rond tools
vage permissiefeedback
stille replay- of Compaction-breuk

Het doel is niet om GPT-5.5 Opus te laten imiteren. Het doel is GPT-5.5 een runtimecontract te geven dat echte voortgang beloont, schonere tool- en permissiesemantiek levert en faalmodi omzet in expliciete machine- en mensleesbare statussen.

Dat verandert de gebruikerservaring van:

"het model had een goed plan, maar stopte"

naar:

"het model handelde, of OpenClaw toonde de exacte reden waarom dat niet kon"

Voor en na voor GPT-5.5-gebruikers

Vóór dit programma	Na PR A-D
GPT-5.5 kon na een redelijk plan stoppen zonder de volgende toolstap te nemen	PR A verandert "alleen plan" in "handel nu of toon een geblokkeerde status"
Strikte toolschema's konden parameterloze of OpenAI/Codex-vormige tools op verwarrende manieren weigeren	PR C maakt door providers beheerde toolregistratie en aanroep voorspelbaarder
`/elevated full`-richtlijnen konden vaag of onjuist zijn in geblokkeerde runtimes	PR B geeft GPT-5.5 en de gebruiker waarheidsgetrouwe runtime- en permissiehints
Replay- of Compaction-fouten konden aanvoelen alsof de taak stilzwijgend was verdwenen	PR C toont gepauzeerde, geblokkeerde, verlaten en replay-ongeldige uitkomsten expliciet
"GPT-5.5 voelt slechter dan Opus" was vooral anekdotisch	PR D zet dat om in hetzelfde scenariopakket, dezelfde metrics en een harde pass/fail-gate

Architectuur

flowchart TD
    A["User request"] --> B["Embedded Pi runtime"]
    B --> C["Strict-agentic execution contract"]
    B --> D["Provider-owned tool compatibility"]
    B --> E["Runtime truthfulness"]
    B --> F["Replay and liveness state"]
    C --> G["Tool call or explicit blocked state"]
    D --> G
    E --> G
    F --> G
    G --> H["QA-lab parity pack"]
    H --> I["Scenario report and parity gate"]

Releaseflow

flowchart LR
    A["Merged runtime slices (PR A-C)"] --> 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["openclaw qa parity-report"]
    E --> F
    F --> G["qa-agentic-parity-report.md"]
    F --> H["qa-agentic-parity-summary.json"]
    H --> I{"Gate pass?"}
    I -- "yes" --> J["Evidence-backed parity claim"]
    I -- "no" --> K["Keep runtime/review loop open"]

Scenariopakket

Het eerste pariteitspakket bevat momenteel vijf scenario's:

`approval-turn-tool-followthrough`

Controleert dat het model niet stopt bij "I'll do that" na een korte goedkeuring. Het moet in dezelfde beurt de eerste concrete actie uitvoeren.

`model-switch-tool-continuity`

Controleert dat werk met tools coherent blijft over model-/runtimewisselgrenzen heen in plaats van terug te vallen naar commentaar of uitvoeringscontext te verliezen.

`source-docs-discovery-report`

Controleert dat het model broncode en docs kan lezen, bevindingen kan synthetiseren en de taak agentisch kan voortzetten in plaats van een dunne samenvatting te produceren en vroeg te stoppen.

`image-understanding-attachment`

Controleert dat taken in gemengde modus met bijlagen uitvoerbaar blijven en niet instorten tot vage vertelling.

`compaction-retry-mutating-tool`

Controleert dat een taak met een echte muterende schrijfactie replay-onveiligheid expliciet houdt in plaats van stilletjes replay-veilig te lijken als de run compacter wordt, opnieuw probeert of antwoordstatus verliest onder druk.

Scenariomatrix

Scenario	Wat het test	Goed GPT-5.5-gedrag	Faalindicator
`approval-turn-tool-followthrough`	Korte goedkeuringsbeurten na een plan	Start onmiddellijk de eerste concrete toolactie in plaats van intentie opnieuw te formuleren	plan-only-vervolg, geen toolactiviteit of geblokkeerde beurt zonder echte blokkade
`model-switch-tool-continuity`	Runtime-/modelwissel tijdens toolgebruik	Behoudt taakcontext en blijft coherent handelen	valt terug naar commentaar, verliest toolcontext of stopt na de wissel
`source-docs-discovery-report`	Bron lezen + synthese + actie	Vindt bronnen, gebruikt tools en produceert een nuttig rapport zonder vast te lopen	dunne samenvatting, ontbrekend toolwerk of stop bij onvolledige beurt
`image-understanding-attachment`	Agentisch werk gedreven door bijlagen	Interpreteert de bijlage, verbindt die met tools en zet de taak voort	vage vertelling, bijlage genegeerd of geen concrete volgende actie
`compaction-retry-mutating-tool`	Muterend werk onder Compaction-druk	Voert een echte schrijfactie uit en houdt replay-onveiligheid expliciet na het neveneffect	muterende schrijfactie gebeurt, maar replayveiligheid wordt geïmpliceerd, ontbreekt of is tegenstrijdig

Release-gate

GPT-5.5 kan alleen als op pariteit of beter worden beschouwd wanneer de samengevoegde runtime tegelijkertijd slaagt voor het pariteitspakket en de runtime-waarheidsgetrouwheidsregressies.

Vereiste uitkomsten:

geen plan-only-vastloper wanneer de volgende toolactie duidelijk is
geen schijnvoltooiing zonder echte uitvoering
geen onjuiste /elevated full-richtlijnen
geen stille replay- of Compaction-verlating
pariteitspakketmetrics die minstens zo sterk zijn als de overeengekomen Opus 4.6-baseline

Voor het eerste harnas vergelijkt de gate:

voltooiingspercentage
percentage onbedoelde stops
percentage geldige toolaanroepen
aantal schijnsuccessen

Pariteitsbewijs is bewust verdeeld over twee lagen:

PR D bewijst GPT-5.5- versus Opus 4.6-gedrag in dezelfde scenario's met QA-lab
PR B deterministische suites bewijzen auth-, proxy-, DNS- en /elevated full-waarheidsgetrouwheid buiten het harnas

Matrix van doel naar bewijs

Completion gate-item	Eigenaar-PR	Bewijsbron	Pass-signaal
GPT-5.5 loopt niet langer vast na planning	PR A	`approval-turn-tool-followthrough` plus PR A-runtimesuites	goedkeuringsbeurten starten echt werk of een expliciete geblokkeerde status
GPT-5.5 veinst niet langer voortgang of schijnbare toolvoltooiing	PR A + PR D	pariteitsrapport-scenario-uitkomsten en aantal schijnsuccessen	geen verdachte pass-resultaten en geen voltooiing met alleen commentaar
GPT-5.5 geeft niet langer valse `/elevated full`-richtlijnen	PR B	deterministische waarheidsgetrouwheidssuites	geblokkeerde redenen en hints voor volledige toegang blijven runtime-accuraat
Replay-/liveness-fouten blijven expliciet	PR C + PR D	PR C-lifecycle-/replaysuites plus `compaction-retry-mutating-tool`	muterend werk houdt replay-onveiligheid expliciet in plaats van stilzwijgend te verdwijnen
GPT-5.5 evenaart of verslaat Opus 4.6 op de overeengekomen metrics	PR D	`qa-agentic-parity-report.md` en `qa-agentic-parity-summary.json`	dezelfde scenariodekking en geen regressie op voltooiing, stopgedrag of geldig toolgebruik

Hoe je het pariteitsoordeel leest

Gebruik het oordeel in qa-agentic-parity-summary.json als de definitieve machineleesbare beslissing voor het eerste pariteitspakket.

pass betekent dat GPT-5.5 dezelfde scenario's heeft gedekt als Opus 4.6 en niet is teruggevallen op de overeengekomen geaggregeerde metriek.
fail betekent dat ten minste één harde gate is afgegaan: zwakkere voltooiing, meer onbedoelde stops, zwakker geldig toolgebruik, een nep-succesgeval of niet-overeenkomende scenariodekking.
"gedeeld/basis-CI-probleem" is op zichzelf geen pariteitsresultaat. Als CI-ruis buiten PR D een run blokkeert, moet het oordeel wachten op een schone uitvoering van de samengevoegde runtime in plaats van te worden afgeleid uit logs van de branchfase.
Auth, proxy, DNS en waarheidsgetrouwheid van /elevated full komen nog steeds uit de deterministische suites van PR B, dus de uiteindelijke releaseclaim heeft beide nodig: een geslaagd pariteitsoordeel voor PR D en groene waarheidsgetrouwheidsdekking voor PR B.

Wie `strict-agentic` moet inschakelen

Gebruik strict-agentic wanneer:

van de agent wordt verwacht dat deze onmiddellijk handelt wanneer een volgende stap duidelijk is
GPT-5.5- of Codex-familiemodellen de primaire runtime zijn
u de voorkeur geeft aan expliciete geblokkeerde statussen boven "behulpzame" antwoorden die alleen samenvatten

Behoud het standaardcontract wanneer:

u het bestaande lossere gedrag wilt
u geen GPT-5-familiemodellen gebruikt
u prompts test in plaats van runtime-handhaving

Gerelateerd

Onderhoudersnotities voor GPT-5.5 / Codex-pariteit

# Wat is gewijzigd

# PR A: strikte agentische uitvoering

# PR B: runtime-waarheidsgetrouwheid

# PR C: uitvoeringscorrectheid

# PR D: pariteitsharnas

# Waarom dit GPT-5.5 in de praktijk verbetert

# Voor en na voor GPT-5.5-gebruikers

# Architectuur

# Releaseflow

# Scenariopakket

# approval-turn-tool-followthrough

# model-switch-tool-continuity

# source-docs-discovery-report

# image-understanding-attachment

# compaction-retry-mutating-tool

# Scenariomatrix

# Release-gate

# Matrix van doel naar bewijs

# Hoe je het pariteitsoordeel leest

# Wie strict-agentic moet inschakelen

# Gerelateerd