Catatan maintainer paritas GPT-5.5 / Codex

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

​

Unit merge

​

PR A: eksekusi strict-agentic

Memiliki:

• executionContract
• follow-through giliran yang sama dengan GPT-5 sebagai prioritas
• update_plan sebagai pelacakan progres non-terminal
• state blocked eksplisit alih-alih berhenti diam-diam hanya dengan rencana

Tidak memiliki:

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

​

PR B: runtime truthfulness

Memiliki:

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

Tidak memiliki:

• normalisasi skema tool
• state replay/liveness
• benchmark gating

​

PR C: kebenaran eksekusi

Memiliki:

• kompatibilitas tool OpenAI/Codex milik provider
• penanganan skema strict tanpa parameter
• surfacing replay-invalid
• visibilitas state tugas panjang yang paused, blocked, dan abandoned

Tidak memiliki:

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

​

PR D: harness paritas

Memiliki:

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

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 boleh menjadi alasan PR kebenaran runtime tertunda.

​

Hal yang perlu diperhatikan

​

PR A

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

​

PR B

• kegagalan auth/proxy/runtime berhenti runtuh menjadi penanganan generik “model failed”
• /elevated full hanya dijelaskan tersedia saat memang benar-benar tersedia
• alasan blocked terlihat oleh model maupun runtime yang menghadap pengguna

​

PR C

• registrasi tool OpenAI/Codex strict berperilaku dapat diprediksi
• tool tanpa parameter tidak gagal pada pemeriksaan skema strict
• hasil replay dan Compaction mempertahankan state liveness yang jujur

​

PR D

• paket skenario dapat dipahami dan direproduksi
• paket tersebut mencakup lane keamanan replay yang memutasi, bukan hanya alur read-only
• laporan dapat dibaca oleh manusia dan otomatisasi
• klaim paritas didukung bukti, bukan anekdotal

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 level skenario
• qa-agentic-parity-summary.json dengan verdict yang dapat dibaca mesin

​

Release gate

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

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

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

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

​

Alur kerja merge maintainer cepat

Gunakan ini saat Anda siap melandaskan PR paritas dan menginginkan urutan yang dapat diulang serta berisiko rendah.

1. Konfirmasi bahwa standar bukti terpenuhi sebelum merge:
   • gejala yang dapat direproduksi atau pengujian yang gagal
   • akar penyebab yang terverifikasi dalam kode yang disentuh
   • perbaikan pada jalur yang terlibat
   • pengujian regresi atau catatan verifikasi manual yang eksplisit
2. Triage/beri label sebelum merge:
   • terapkan label auto-close r:* bila PR tidak boleh dilandaskan
   • jaga kandidat merge bebas dari thread pemblokir yang belum terselesaikan
3. Validasi secara lokal pada surface yang disentuh:
   • pnpm check:changed
   • pnpm test:changed saat pengujian berubah atau keyakinan perbaikan bug bergantung pada cakupan pengujian
4. Landaskan dengan alur maintainer standar (proses /landpr), lalu verifikasi:
   • perilaku auto-close issue yang terhubung
   • CI dan status pasca-merge di main
5. Setelah dilandaskan, jalankan pencarian duplikat untuk PR/issue terbuka terkait dan tutup hanya dengan referensi kanonis.

Jika salah satu item standar bukti hilang, minta perubahan alih-alih merge.

​

Peta tujuan-ke-bukti

​

Singkatan peninjau: sebelum vs sesudah

​

Terkait

• Paritas agentic GPT-5.5 / Codex