Нотатки мейнтейнера щодо паритету GPT-5.5 / Codex

Ця нотатка пояснює, як переглядати програму паритету GPT-5.5 / Codex як чотири одиниці злиття, не втрачаючи початкову архітектуру з шести контрактів.

# Одиниці злиття

# PR A: суворе агентне виконання

Відповідає за:

• executionContract
• продовження виконання в тому самому ході з пріоритетом GPT-5
• update_plan як нетермінальне відстеження прогресу
• явні заблоковані стани замість тихих зупинок лише з планом

Не відповідає за:

• класифікацію збоїв auth/runtime
• правдивість дозволів
• перепроєктування replay/continuation
• бенчмаркінг паритету

# PR B: правдивість runtime

Відповідає за:

• коректність області дії Codex OAuth
• типізовану класифікацію збоїв provider/runtime
• правдиву доступність /elevated full і причини блокування

Не відповідає за:

• нормалізацію схем інструментів
• стан replay/liveness
• блокування за результатами бенчмарків

# PR C: коректність виконання

Відповідає за:

• сумісність інструментів OpenAI/Codex, якою володіє provider
• обробку строгих схем без параметрів
• відображення replay-invalid
• видимість стану призупинених, заблокованих і покинутих довгих завдань

Не відповідає за:

• самостійно обране продовження
• загальну поведінку діалекту Codex поза хуками provider
• блокування за результатами бенчмарків

# PR D: обв’язка паритету

Відповідає за:

• перший набір сценаріїв GPT-5.5 проти Opus 4.6
• документацію паритету
• звіт про паритет і механіку релізного gate

Не відповідає за:

• зміни поведінки runtime поза QA-lab
• симуляцію auth/proxy/DNS всередині обв’язки

# Відповідність початковим шести контрактам

Початковий контракт	Одиниця злиття
Коректність provider transport/auth	PR B
Сумісність контракту/схеми інструментів	PR C
Виконання в тому самому ході	PR A
Правдивість дозволів	PR B
Коректність replay/continuation/liveness	PR C
Benchmark/release gate	PR D

# Порядок перегляду

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

PR D є шаром доказів. Він не має бути причиною затримки PR із коректністю runtime.

# На що звертати увагу

# PR A

• Запуски GPT-5 діють або завершуються закрито, замість зупинки на commentary
• update_plan більше не виглядає як прогрес сам по собі
• поведінка залишається з пріоритетом GPT-5 і в межах embedded-Pi

# PR B

• збої auth/proxy/runtime перестають згортатися в загальну обробку "model failed"
• /elevated full описується як доступний лише тоді, коли він справді доступний
• причини блокування видимі і для моделі, і для runtime, зверненого до користувача

# PR C

• строга реєстрація інструментів OpenAI/Codex поводиться передбачувано
• інструменти без параметрів не провалюють перевірки строгих схем
• результати replay і compaction зберігають правдивий стан liveness

# PR D

• набір сценаріїв зрозумілий і відтворюваний
• набір містить mutating replay-safety lane, а не лише read-only потоки
• звіти читабельні для людей і автоматизації
• твердження про паритет підкріплені доказами, а не випадковими спостереженнями

Очікувані артефакти з PR D:

• qa-suite-report.md / qa-suite-summary.json для кожного запуску моделі
• qa-agentic-parity-report.md з агрегованим і сценарним порівнянням
• qa-agentic-parity-summary.json з машиночитаним вердиктом

# Release gate

Не заявляйте про паритет або перевагу GPT-5.5 над Opus 4.6, доки:

• PR A, PR B і PR C не буде злито
• PR D не запустить перший набір паритету чисто
• regression suites для правдивості runtime залишаються зеленими
• звіт про паритет не показує випадків fake-success і регресій у поведінці зупинки

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"]

Обв’язка паритету не є єдиним джерелом доказів. Зберігайте цей поділ явним під час перегляду:

• PR D відповідає за сценарне порівняння GPT-5.5 проти Opus 4.6
• детерміновані набори PR B і далі відповідають за докази auth/proxy/DNS і правдивості full-access

# Швидкий робочий процес злиття для maintainer

Використовуйте це, коли ви готові злити PR паритету й хочете повторювану послідовність із низьким ризиком.

1. Підтвердьте, що планку доказів виконано до злиття:
   • відтворюваний симптом або failing test
   • перевірена першопричина в зачепленому коді
   • виправлення в причетному шляху
   • regression test або явна нотатка про ручну перевірку
2. Проведіть triage/label до злиття:
   • застосуйте будь-які labels автоматичного закриття r:*, коли PR не має потрапити в main
   • тримайте кандидатів на злиття без нерозв’язаних блокувальних обговорень
3. Перевірте локально на зачепленій поверхні:
   • pnpm check:changed
   • pnpm test:changed, коли тести змінено або впевненість у bug fix залежить від тестового покриття
4. Злийте стандартним maintainer flow (процес /landpr), потім перевірте:
   • поведінку автоматичного закриття пов’язаних issues
   • CI і статус після злиття на main
5. Після злиття запустіть пошук дублікатів для пов’язаних відкритих PR/issues і закривайте лише з канонічним посиланням.

Якщо будь-який пункт із планки доказів відсутній, запросіть зміни замість злиття.

# Мапа цілей до доказів

Елемент completion gate	Основний власник	Артефакт перегляду
Немає зупинок лише на плані	PR A	тести strict-agentic runtime і approval-turn-tool-followthrough
Немає фальшивого прогресу або фальшивого завершення інструмента	PR A + PR D	кількість fake-success у паритеті плюс деталі сценарного звіту
Немає хибних підказок /elevated full	PR B	детерміновані набори runtime-truthfulness
Збої replay/liveness залишаються явними	PR C + PR D	набори lifecycle/replay плюс compaction-retry-mutating-tool
GPT-5.5 відповідає Opus 4.6 або перевершує його	PR D	qa-agentic-parity-report.md і qa-agentic-parity-summary.json

# Скорочення для reviewer: до і після

Видима користувачу проблема до	Сигнал перегляду після
GPT-5.5 зупинявся після планування	PR A показує поведінку act-or-block замість завершення лише commentary
Використання інструментів було крихким зі строгими схемами OpenAI/Codex	PR C зберігає передбачуваними реєстрацію інструментів і виклик без параметрів
Підказки /elevated full інколи вводили в оману	PR B прив’язує рекомендації до фактичної runtime capability і причин блокування
Довгі завдання могли зникати в неоднозначності replay/compaction	PR C виводить явні стани paused, blocked, abandoned і replay-invalid
Твердження про паритет були випадковими	PR D створює звіт плюс JSON-вердикт з однаковим покриттям сценаріїв на обох моделях

# Пов’язане

• Агентний паритет GPT-5.5 / Codex