GPT-5.5 / Codex-pariteit onderhoudersnotities

Deze notitie legt uit hoe je het GPT-5.5 / Codex-pariteitsprogramma kunt reviewen als vier merge-eenheden zonder de oorspronkelijke architectuur met zes contracten te verliezen.

# Merge-eenheden

# PR A: strikte agentische uitvoering

Is eigenaar van:

• executionContract
• GPT-5-eerst-doorvoering in dezelfde beurt
• update_plan als niet-terminale voortgangsregistratie
• expliciete geblokkeerde toestanden in plaats van stille stops met alleen een plan

Is geen eigenaar van:

• classificatie van auth-/runtimefouten
• waarheidsgetrouwheid van permissies
• herontwerp van replay/voortzetting
• pariteitsbenchmarking

# PR B: waarheidsgetrouwheid van de runtime

Is eigenaar van:

• correctheid van Codex OAuth-scopes
• getypeerde classificatie van provider-/runtimefouten
• waarheidsgetrouwe beschikbaarheid van /elevated full en geblokkeerde redenen

Is geen eigenaar van:

• normalisatie van toolschema's
• replay-/livenessstatus
• benchmark-gating

# PR C: uitvoeringscorrectheid

Is eigenaar van:

• provider-eigen OpenAI/Codex-toolcompatibiliteit
• verwerking van strikte schema's zonder parameters
• zichtbaar maken van ongeldige replay
• zichtbaarheid van gepauzeerde, geblokkeerde en verlaten status van lange taken

Is geen eigenaar van:

• zelfgekozen voortzetting
• generiek Codex-dialectgedrag buiten provider-hooks
• benchmark-gating

# PR D: pariteitsharnas

Is eigenaar van:

• eerste golf GPT-5.5 versus Opus 4.6-scenariopakket
• pariteitsdocumentatie
• pariteitsrapport en mechanismen voor release-gates

Is geen eigenaar van:

• runtimegedragswijzigingen buiten QA-lab
• auth-/proxy-/DNS-simulatie binnen het harnas

# Mapping terug naar de oorspronkelijke zes contracten

Oorspronkelijk contract	Merge-eenheid
Correctheid van providertransport/auth	PR B
Toolcontract-/schemacompatibiliteit	PR C
Uitvoering in dezelfde beurt	PR A
Waarheidsgetrouwheid van permissies	PR B
Correctheid van replay/voortzetting/liveness	PR C
Benchmark-/release-gate	PR D

# Reviewvolgorde

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

PR D is de bewijslaag. Het mag niet de reden zijn dat PR's voor runtimecorrectheid worden vertraagd.

# Waar je op moet letten

# PR A

• GPT-5-runs handelen of falen gesloten in plaats van te stoppen bij commentaar
• update_plan ziet er op zichzelf niet langer uit als voortgang
• gedrag blijft GPT-5-eerst en beperkt tot embedded-Pi

# PR B

• auth-/proxy-/runtimefouten vallen niet meer samen tot generieke afhandeling van "model failed"
• /elevated full wordt alleen als beschikbaar beschreven wanneer het daadwerkelijk beschikbaar is
• geblokkeerde redenen zijn zichtbaar voor zowel het model als de gebruikersgerichte runtime

# PR C

• strikte OpenAI/Codex-toolregistratie gedraagt zich voorspelbaar
• tools zonder parameters falen niet op strikte schemacontroles
• replay- en compaction-uitkomsten behouden een waarheidsgetrouwe livenessstatus

# PR D

• het scenariopakket is begrijpelijk en reproduceerbaar
• het pakket bevat een muterende replay-safety-lane, niet alleen read-only flows
• rapporten zijn leesbaar voor mensen en automatisering
• pariteitsclaims worden door bewijs ondersteund, niet door anekdotes

Verwachte artefacten van PR D:

• qa-suite-report.md / qa-suite-summary.json voor elke modelrun
• qa-agentic-parity-report.md met geaggregeerde vergelijking en vergelijking op scenarioniveau
• qa-agentic-parity-summary.json met een machineleesbaar oordeel

# Release-gate

Claim geen GPT-5.5-pariteit of superioriteit ten opzichte van Opus 4.6 totdat:

• PR A, PR B en PR C zijn gemerged
• PR D het pariteitspakket van de eerste golf schoon uitvoert
• regressiesuites voor runtime-waarheidsgetrouwheid groen blijven
• het pariteitsrapport geen nep-succesgevallen toont en geen regressie in stopgedrag

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"]

Het pariteitsharnas is niet de enige bewijsbron. Houd deze splitsing expliciet in de review:

• PR D is eigenaar van de scenariogebaseerde GPT-5.5 versus Opus 4.6-vergelijking
• PR B-deterministische suites blijven eigenaar van bewijs voor auth/proxy/DNS en waarheidsgetrouwheid van volledige toegang

# Snelle mergeworkflow voor maintainers

Gebruik dit wanneer je klaar bent om een pariteits-PR te landen en een herhaalbare, laagrisicovolle volgorde wilt.

1. Bevestig vóór de merge dat aan de bewijsdrempel is voldaan:
   • reproduceerbaar symptoom of falende test
   • geverifieerde root cause in aangeraakte code
   • fix in het betrokken pad
   • regressietest of expliciete notitie voor handmatige verificatie
2. Triage/label vóór de merge:
   • pas eventuele r:* auto-close-labels toe wanneer de PR niet moet landen
   • houd mergekandidaten vrij van onopgeloste blockerthreads
3. Valideer lokaal op het aangeraakte oppervlak:
   • pnpm check:changed
   • pnpm test:changed wanneer tests zijn gewijzigd of vertrouwen in de bugfix afhankelijk is van testdekking
4. Land met de standaard maintainerflow (/landpr-proces), en verifieer daarna:
   • auto-closegedrag van gekoppelde issues
   • CI en post-mergestatus op main
5. Voer na het landen een duplicaatzoekactie uit voor gerelateerde open PR's/issues en sluit alleen met een canonieke referentie.

Als een van de bewijsdrempelitems ontbreekt, vraag dan wijzigingen aan in plaats van te mergen.

# Doel-naar-bewijs-map

Item van voltooiingsgate	Primaire eigenaar	Reviewartefact
Geen plan-only vastlopers	PR A	strikte agentische runtimetests en approval-turn-tool-followthrough
Geen nepvoortgang of nep-toolvoltooiing	PR A + PR D	pariteitstelling voor fake-success plus rapportdetails op scenarioniveau
Geen onjuiste /elevated full-richtlijnen	PR B	deterministische suites voor runtime-waarheidsgetrouwheid
Replay-/livenessfouten blijven expliciet	PR C + PR D	lifecycle-/replaysuites plus compaction-retry-mutating-tool
GPT-5.5 evenaart of overtreft Opus 4.6	PR D	qa-agentic-parity-report.md en qa-agentic-parity-summary.json

# Reviewersafkorting: voor versus na

Voorheen zichtbaar gebruikersprobleem	Reviewsignaal achteraf
GPT-5.5 stopte na het plannen	PR A toont act-or-block-gedrag in plaats van voltooiing met alleen commentaar
Toolgebruik voelde broos met strikte OpenAI/Codex-schema's	PR C houdt toolregistratie en aanroep zonder parameters voorspelbaar
/elevated full-hints waren soms misleidend	PR B koppelt richtlijnen aan daadwerkelijke runtimecapaciteit en geblokkeerde redenen
Lange taken konden verdwijnen in replay-/compaction-ambiguïteit	PR C emitteert expliciete gepauzeerde, geblokkeerde, verlaten en replay-invalid-status
Pariteitsclaims waren anekdotisch	PR D produceert een rapport plus JSON-oordeel met dezelfde scenariodekking op beide modellen

# Gerelateerd

• GPT-5.5 / Codex-agentische pariteit