Catatan maintainer paritas GPT-5.4 / Codex

Catatan ini menjelaskan cara meninjau program paritas GPT-5.4 / Codex sebagai empat unit merge tanpa kehilangan arsitektur enam kontrak aslinya.

​

Unit merge

​

PR A: eksekusi strict-agentic

Memiliki:

• executionContract
• tindak lanjut dalam giliran yang sama dengan GPT-5 sebagai yang utama
• update_plan sebagai pelacakan progres non-terminal
• status terblokir yang eksplisit alih-alih berhenti diam-diam hanya pada rencana

Tidak memiliki:

• klasifikasi kegagalan auth/runtime
• truthfulness izin
• redesign replay/continuation
• benchmarking paritas

​

PR B: runtime truthfulness

Memiliki:

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

Tidak memiliki:

• normalisasi skema alat
• state replay/liveness
• gerbang benchmark

​

PR C: execution correctness

Memiliki:

• kompatibilitas alat OpenAI/Codex yang dimiliki provider
• penanganan skema ketat tanpa parameter
• penampakan replay-invalid
• visibilitas state paused, blocked, dan abandoned untuk tugas panjang

Tidak memiliki:

• continuation yang dipilih sendiri
• perilaku dialek Codex generik di luar hook provider
• gerbang benchmark

​

PR D: harness paritas

Memiliki:

• paket skenario gelombang pertama GPT-5.4 vs Opus 4.6
• dokumentasi paritas
• mekanisme laporan paritas dan gerbang rilis

Tidak memiliki:

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

​

Pemetaan kembali ke enam kontrak asli

​

Urutan peninjauan

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

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

​

Hal yang perlu dicari

​

PR A

• Run GPT-5 bertindak atau gagal tertutup alih-alih berhenti pada komentar
• update_plan tidak lagi tampak sebagai progres dengan sendirinya
• perilaku tetap GPT-5-first dan dibatasi pada embedded-Pi

​

PR B

• kegagalan auth/proxy/runtime berhenti runtuh menjadi penanganan generik “model failed”
• /elevated full hanya dijelaskan sebagai tersedia ketika benar-benar tersedia
• alasan pemblokiran terlihat baik bagi model maupun runtime yang menghadap pengguna

​

PR C

• pendaftaran alat OpenAI/Codex yang ketat berperilaku secara dapat diprediksi
• alat tanpa parameter tidak gagal dalam pemeriksaan skema ketat
• hasil replay dan Compaction mempertahankan state liveness yang jujur

​

PR D

• paket skenario dapat dipahami dan direproduksi
• paket mencakup lane replay-safety 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 run model
• qa-agentic-parity-report.md dengan perbandingan agregat dan tingkat skenario
• qa-agentic-parity-summary.json dengan verdict yang dapat dibaca mesin

​

Gerbang rilis

Jangan klaim paritas GPT-5.4 atau superioritas atas Opus 4.6 sampai:

• PR A, PR B, dan PR C telah di-merge
• PR D menjalankan paket paritas gelombang pertama dengan bersih
• suite regresi runtime-truthfulness tetap hijau
• laporan paritas tidak menunjukkan kasus sukses palsu dan tidak ada regresi dalam perilaku berhenti

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

• PR D memiliki perbandingan berbasis skenario GPT-5.4 vs Opus 4.6
• suite deterministik PR B tetap memiliki bukti auth/proxy/DNS dan truthfulness akses penuh

​

Peta tujuan ke bukti

​

Singkatan peninjau: sebelum vs sesudah

​

Terkait

• GPT-5.4 / Codex agentic parity