GPT-5.4 / Codex eşdeğerlik bakım notları

Bu not, özgün altı sözleşmeli mimariyi kaybetmeden GPT-5.4 / Codex eşdeğerlik programını dört birleştirme birimi olarak nasıl gözden geçireceğinizi açıklar.

​

Birleştirme birimleri

​

PR A: strict-agentic execution

Sahip oldukları:

• executionContract
• GPT-5 öncelikli aynı turda işi tamamlama
• terminal olmayan ilerleme takibi olarak update_plan
• yalnızca plan üzerinden sessizce durmak yerine açık engellenmiş durumlar

Sahip olmadıkları:

• kimlik doğrulama/çalışma zamanı hata sınıflandırması
• izin doğruculuğu
• yeniden oynatma/devam tasarımı
• eşdeğerlik kıyaslaması

​

PR B: runtime truthfulness

Sahip oldukları:

• Codex OAuth kapsam doğruluğu
• tipli sağlayıcı/çalışma zamanı hata sınıflandırması
• doğru /elevated full kullanılabilirliği ve engellenme nedenleri

Sahip olmadıkları:

• araç şeması normalizasyonu
• yeniden oynatma/canlılık durumu
• benchmark geçidi

​

PR C: execution correctness

Sahip oldukları:

• sağlayıcıya ait OpenAI/Codex araç uyumluluğu
• parametresiz katı şema işleme
• replay-invalid görünür kılma
• duraklatılmış, engellenmiş ve terk edilmiş uzun görev durumu görünürlüğü

Sahip olmadıkları:

• kendiliğinden seçilen devam etme
• sağlayıcı hook’ları dışındaki genel Codex lehçesi davranışı
• benchmark geçidi

​

PR D: parity harness

Sahip oldukları:

• ilk dalga GPT-5.4 ve Opus 4.6 senaryo paketi
• eşdeğerlik belgeleri
• eşdeğerlik raporu ve sürüm geçidi mekanikleri

Sahip olmadıkları:

• QA-lab dışındaki çalışma zamanı davranış değişiklikleri
• harness içindeki kimlik doğrulama/proxy/DNS simülasyonu

​

Özgün altı sözleşmeye geri eşleme

​

Gözden geçirme sırası

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

PR D kanıt katmanıdır. Çalışma zamanı doğruluğu PR’lerinin gecikme nedeni olmamalıdır.

​

Nelere bakılmalı

​

PR A

• GPT-5 çalıştırmaları yorumda kalmak yerine harekete geçiyor veya kapalı biçimde başarısız oluyor
• update_plan artık tek başına ilerleme gibi görünmüyor
• davranış GPT-5 öncelikli ve gömülü Pi kapsamlı kalıyor

​

PR B

• kimlik doğrulama/proxy/çalışma zamanı hataları genel “model failed” işleyişine çökmeyi bırakıyor
• /elevated full yalnızca gerçekten mevcut olduğunda kullanılabilir olarak anlatılıyor
• engellenme nedenleri hem modele hem kullanıcıya dönük çalışma zamanına görünür oluyor

​

PR C

• katı OpenAI/Codex araç kaydı öngörülebilir davranıyor
• parametresiz araçlar katı şema kontrollerinde başarısız olmuyor
• yeniden oynatma ve Compaction sonuçları doğru canlılık durumunu koruyor

​

PR D

• senaryo paketi anlaşılır ve yeniden üretilebilir
• paket yalnızca salt okunur akışları değil, mutasyon yapan bir yeniden oynatma güvenliği hattını da içeriyor
• raporlar insanlar ve otomasyon tarafından okunabilir durumda
• eşdeğerlik iddiaları anekdota değil, kanıta dayanıyor

PR D’den beklenen artefaktlar:

• her model çalıştırması için qa-suite-report.md / qa-suite-summary.json
• toplu ve senaryo düzeyinde karşılaştırma ile qa-agentic-parity-report.md
• makine tarafından okunabilir hüküm içeren qa-agentic-parity-summary.json

​

Sürüm geçidi

Şunlar gerçekleşmeden GPT-5.4’ün Opus 4.6 ile eşdeğer veya ondan üstün olduğunu iddia etmeyin:

• PR A, PR B ve PR C birleştirilmiş olmalı
• PR D ilk dalga eşdeğerlik paketini temiz biçimde çalıştırmalı
• çalışma zamanı doğruculuğu regresyon paketleri yeşil kalmalı
• eşdeğerlik raporu sahte başarı durumları ve durma davranışında regresyon göstermemeli

Eşdeğerlik harness’i tek kanıt kaynağı değildir. Gözden geçirmede bu ayrımı açık tutun:

• PR D, senaryo tabanlı GPT-5.4 ve Opus 4.6 karşılaştırmasının sahibidir
• PR B deterministik paketleri hâlâ kimlik doğrulama/proxy/DNS ve tam erişim doğruculuğu kanıtının sahibidir

​

Hedeften kanıta eşleme

​

İnceleyici kısaltması: önce ve sonra

​

İlgili

• GPT-5.4 / Codex agentic parity