财π新闻 OpenAI近期面向所有Codex和ChatGPT Work付费用户完成了使用额度重置工作，这一举措并非常规的周期配额更新，而是基于此前系统存在的8类技术漏洞导致Token异常消耗问题完成全面修复后的配套调整。经过开发团队对数千份用户反馈的集中梳理和全链路系统排查，此前大量付费用户普遍反映的额度消耗速度远超预期的情况，并非用户使用习惯变化或平台配额规则调整所致，而是多类隐蔽的后台技术缺陷共同作用的结果，在完成全部漏洞修复后，用户持有的同等额度可支撑的实际使用时长较此前提升10%至50%，不同用户的具体提升幅度根据其日常使用场景和此前触发异常消耗的频次有所差异。

在此次集中修复的8类系统问题中，影响程度最为严重的是任务目标机制存在的漏洞。按照原有系统的设计逻辑，当用户设定的任务已经全部完成，或是任务调用的配套工具出现失效无法正常运行的情况时，相关进程应当自动终止运行并释放占用的计算资源，但受该漏洞影响，大量已完成或工具失效的任务并未按照预设规则停止，反而会在后台持续不断地发起重试操作。这类异常重试行为在部分极端使用场景下，单个异常任务就能够消耗用户一周70%的使用额度，很多用户在完全不知情的情况下，大量计算资源被无意义的重复重试操作占用，直接导致可用额度快速耗尽。

第二类被定位并修复的漏洞存在于记忆系统模块，该漏洞会导致任务的停止条件始终无法被系统判定为满足，即便所有预设的任务节点都已经执行完毕，后台进程依然会持续对任务的完成状态进行重复检查。这类漏洞的影响范围虽然相对有限，仅覆盖不到1%的用户，但在已发现的极端案例中，曾出现后台任务针对同一状态重复执行检查操作达15000次的情况，这类完全没有实际产出的后台操作持续消耗Token资源，却不会在前端界面留下任何明显的运行痕迹，很多用户将这类异常消耗形容为设备没有运行可见程序但后台资源却被大量占用的隐形损耗。

第三类异常消耗的来源是子智能体的自主越权调用行为，按照系统初始的权限设定，子智能体应当严格按照用户提交的明确指令选择对应成本的辅助模型完成任务，在用户没有提出更高性能要求的前提下，默认调用成本更低的基础模型即可满足常规任务需求。但受该漏洞影响，子智能体在没有收到用户明确升级指令的情况下，会自行判断任务需求并升级调用成本更高的高成本辅助模型，这类类似工作场景中助理未经许可自行调用高级资源完成普通任务的行为，直接导致单任务的Token消耗成本大幅超出用户预期，大量原本可以用低资源开销完成的常规任务，最终产生了数倍于正常水平的资源占用。

第四类漏洞出现在自动化任务调度模块，系统的时间感知机制出现偏差，导致自动化任务的实际执行频率远高于用户在设置界面中手动设定的运行频率。不少用户按照自身工作节奏设定的每日单次自动化任务，在旧系统中可能被后台偷偷执行数十次，这类隐性的超频运行在短时间内不会产生明显的感知差异，但随着运行时长的累积，会逐步形成非常可观的额外Token消耗，很多用户在核对任务执行记录时才发现，大量重复执行的自动化任务完全不在自己的计划之内，却已经占用了相当比例的周度额度。

第五类漏洞关联历史操作总结功能，旧系统在自动整理用户过往的操作记录、生成历史操作总结内容时，会反复对大量高度重叠的活动内容进行重复整理，很多已经被统计过的操作条目会被多次纳入总结流程，这类无意义的重复计算产生的额外开销，在部分用户的使用场景中占到了周总额度的约20%。除此之外，配套的滚动任务摘要生成功能虽然单次运行仅增加约1%的Token消耗，但随着用户使用时长的不断累积，长期运行下来的叠加效应会逐步放大，最终也会形成不可忽视的资源浪费，目前该功能已经被默认禁用，从根源上消除了这类持续累积的异常消耗。

第六类被修复的问题是上下文压缩机制的逻辑缺陷，旧版系统在处理包含图像内容的历史信息时，会错误地将已经完成压缩的图像数据继续保留在上下文当中，导致每执行一次压缩操作，上下文的整体数据量不仅不会下降，反而会出现反向增长的恶性循环，大量日常工作需要频繁处理图像内容的用户，因此产生了不必要的额外Token消耗，在完成该漏洞的修复之后，这类用户的额度使用效率可以获得约10%的提升。

第七类异常出现在MCP工具的调用环节，该接口的编码逻辑存在错误，部分MCP工具返回的运行结果会被系统执行两次重复编码操作，直接导致单条结果的Token占用量翻倍。除此之外，当工具返回的说明内容出现意外截断时，系统还会自动触发二次获取请求，重新拉取完整的工具说明内容，这类细微的接口缺陷在普通调用场景下影响并不明显，但在高频调用MCP工具的使用场景中，多次重复编码和重复拉取操作叠加之后，会形成非常可观的资源损耗，相关问题已经通过最新发布的系统补丁完成全部修复。

第八类漏洞涉及编排模型的运行模式判定逻辑，旧系统中当编排模型没有处于/fast运行模式时，会擅自要求下属的子代理强制切换到/fast模式运行，这类不符合用户初始配置的模式切换，同样会带来额外的非预期Token消耗，开发团队通过升级全链路的权限校验机制，彻底杜绝了这类越权修改运行模式的异常行为。

为了从根源上避免同类异常消耗问题再次出现，OpenAI的技术团队在完成8类已知漏洞修复的基础上，还对相关系统的底层架构进行了重构，搭建了全新的全链路异常监测机制，当系统后台再次出现类似的异常重试、重复调用、超频运行等异常行为时，监测机制会自动触发警报推送至技术团队，第一时间定位并处置异常节点，避免小的技术缺陷逐步累积成大规模的用户额度异常消耗事件。针对长期以来用户普遍反映的额度流向不透明、无法清晰知晓Token具体消耗在哪些环节的问题，OpenAI正在开发应用内的使用量展示功能，该功能上线后将以可视化的形式向用户详细展示每一笔Token消耗的具体去向，不同类型操作的资源占用情况都会清晰呈现，帮助用户精准掌握自身的额度使用节奏，彻底解决此前用户面对隐形额度消耗时只能靠猜测判断剩余可用资源的困扰。

(编辑：吴淑娟)